Professional Documents
Culture Documents
CHUONG2
CHUONG2
GV Lê Hồng Diễn
GV Lê Hồng Diễn
Biến ngẫu nhiên X được gọi là rời rạc nếu các giá trị có thể có của nó
lập nên 1 tập hợp hữu hạn hoặc đếm được.
Số lượng sinh viên có mặt.
Số viên bi đỏ trong hộp.
Biến ngẫu nhiên X được gọi là liên tục nếu các giá trị có thể có của
nó lấp đầy 1 khoảng trên trục số.
Chiều cao của sinh viên trong lớp.
Cân nặng của sinh viên trong lớp.
Định nghĩa
Quy luật phân phối xác suất của biến ngẫu nhiên là sự tương ứng giữa các
giá trị có thể có của nó và các xác suất tương ứng với các giá trị đó.
Biến ngẫu nhiên rời rạc, ta có bảng phân phối xác suất.
Biến ngẫu nhiên liên tục, ta có hàm mật độ xác suất.
Trong đó,
0 ≤ pi ≤ 1
Pn
i=1 pi = 1
P
P(a ≤ X < b) = pi
Pa≤X <b
P(a < X < b) = a<X <b pi
Ví dụ 3. Tung 1 con xúc sắc. X là ’số chấm xuất hiện’. Tìm quy luật phân
phối xác suất của X.
Ví dụ 4. Trong một lô hàng có 10 sản phẩm trong đó có 4 phế phẩm. Lấy
ngẫu nhiên 2 sản phẩm. Tìm quy luật phân phối xác suất của số phế
phẩm được lấy ra.
Định nghĩa
Hàm phân phối xác suất của biến ngẫu nhiên X, ký hiệu F(x), là xác suất
để X nhận giá trị nhỏ hơn x, với x ∈ R.
Hàm phân phối xác suất của đại lượng ngẫu nhiên rời rạc có đồ thị
dạng bậc thang.
Ví dụ. Tung 1 đồng xu 2 lần. X là số lần xuất hiện mặt ngửa. Tìm hàm
phân phối xác suất của X.
hay
0 x <0
1
0≤x <1
F (x) = 4
3
4 1≤x <2
1 2≤x
Cho X là biến ngẫu nhiên liên tục có hàm mật độ xác suất f(x). Khi đó,
hàm phân phối xác suất của X được biểu diễn dưới dạng:
Z x
F (x) = f (t)dt
−∞
a. Tìm c
b. Tính P(1 < X < 3)
c. Tìm hàm phân phối xác suất F(x) của X.
Giải.
a. Ta dùng tính chất của hàm mật độ, hàm f (x) ≥ 0 nên
ce −x ≥ 0 ⇒ c ≥ 0
Mặt khác,
Z ∞
f (x)dx = 1
Z−∞
∞
ce −x dx = 1
0
∞
c − e −x =1⇒c =1
0
GV Lê Hồng Diễn CHƯƠNG 2. BIẾN (ĐẠI LƯỢNG) NGẪU NHIÊN VÀ
Ngày
QUY
6 tháng
LUẬT4 PHÂN
năm 2020
PHỐI XÁC
19 /SUẤT
49
b.
Z 3
P(1 < X < 3) = f (t)dt
1
Z 3
= e −t dt
1
= e −1 − e −3
Rx
c. Ta có FX (x) = −∞ f (t)dt
Với x < 0 thì FX (x) = R0.
x
Với x ≥ 0 thì FX (x) = 0 e −t dt = 1 − e −x .
Hàm phân phối xác suất
1 − e −x
x ≥0
FX (x) =
0 x<0
1
x ∈ [a; b]
f (x) = b − a
0 x∈/ [a, b]
Định nghĩa
Cho b.n.n rời rạc X = x1 , x2 , ..., xn có xác suất tương ứng là p1 , p2 , ..., pn .
Khi đó, kỳ vọng của X, kí hiệu E (X ) là số được xác định bởi công thức
sau:
X n
E (X ) = xi pi
i=1
Ví dụ. Tìm kỳ vọng của X với bảng phân phối xác suất sau:
X 1 3 4
P 0,1 0,5 0,4
Ví dụ. Một lô hàng gồm 10 sản phẩm tốt và 2 phế phẩm. Lấy n.n 2 sản
phẩm từ lô hàng đó, gọi X là số phế phẩm trong 2 sản phẩm lấy ra. Lập
bảng phân phối xác suất và tính kỳ vọng của X.
GV Lê Hồng Diễn CHƯƠNG 2. BIẾN (ĐẠI LƯỢNG) NGẪU NHIÊN VÀ
Ngày
QUY
6 tháng
LUẬT4 PHÂN
năm 2020
PHỐI XÁC
25 /SUẤT
49
b. Biến ngẫu nhiên liên tục
Định nghĩa
R +∞
Cho X là b.n.n liên tục với hàm mật độ f (x). Nếu −∞ xf (x)dx hội tụ
tuyệt đối thì giá trị tích phân đó được gọi là kỳ vọng của X:
Z +∞
E (X ) = xf (x)dx
−∞
a. Định nghĩa
Phương sai của b.n.n X, kí hiệu là Var (X ) được biểu diễn dưới dạng
Var (X ) = ni=1 (xi − E (x))2 pi với X là b.n.n rời rạc.
P
R +∞
Var (X ) = −∞ (x − E (X ))2 f (x)dx với X là b.n.n liên tục.
p
σ(X ) = Var (X ) được gọi là độ lệch chuẩn của X
a. Mod
Định nghĩa
Mod của b.n.n X, kí hiệu mod(X ), là giá trị xuất hiện nhiều nhất trong dữ
liệu.
Nếu X rời rạc thì mod là giá trị x có xác suất cực đại.
Nếu X liên tục thì mod là giá trị x mà tại đó hàm mật độ xác suất
nhận giá trị lớn nhất.
X có thể có một hay nhiều mod.
Tìm mod(X).
GV Lê Hồng Diễn CHƯƠNG 2. BIẾN (ĐẠI LƯỢNG) NGẪU NHIÊN VÀ
Ngày
QUY
6 tháng
LUẬT4 PHÂN
năm 2020
PHỐI XÁC
31 /SUẤT
49
Ví dụ. Cho X có hàm mật độ
1 x2
f (x) = √ e − 2 , −∞ < x < +∞
2π
Tìm mod(X).
b. Trung vị
Định nghĩa
Trung vị của b.n.n X, kí hiệu là med(X), là trị số m thỏa điều kiện
(
P(X < m) ≤ 12
P(X > m) ≤ 12
P 1 P 1
Nếu X rời rạc thì xi <m P(X = xi ) ≤ 2 và xi >m P(X = xi ) ≤ 2
1
Nếu X liên tục thì F (m) = 2
Tìm med(X).
Ví dụ. X, Y lần lượt là biến ngẫu nhiên chỉ chiều dài, chiều rộng của một
sản phẩm. Khi đó, (X,Y) mô tả kích thước của sản phẩm.
Ví dụ. Khi khảo sát siêu thị, ta quan tâm đến doanh số bán hàng X và
lượng vốn Y. Khi đó (X,Y) là véc tơ n.n 2 chiều. Nếu quan tâm thêm chi
phí quảng cáo Z thì có véc tơ ngẫu nhiên 3 chiều (X,Y,Z).
Ví dụ. Khảo sát giá nhà tại một thành phố người ta quan tâm đến diện
tích X, số phòng ngủ Y hay thêm vị trí Z. Khi đó (X,Y,Z) là véc tơ ngẫu
nhiên 3 chiều.
Định nghĩa
Mỗi cặp 2 biến ngẫu nhiên được xét đồng thời (X,Y) được gọi là một véc
tơ ngẫu nhiên. Véc tơ ngẫu nhiên được chia làm 2 loại: rời rạc (X,Y rời
rạc) và liên tục (X,Y liên tục).
Trong đó, X là thu nhập của chồng (triệu/tháng). Y là thu nhập của vợ
(triệu/tháng).
Tìm phân phối xác suất biên của mỗi thành phần.
Cho (X,Y) là véc tơ ngẫu nhiên hai chiều rời rạc. Khi đó, xác suất có điều
kiện được xác định như sau:
P(X = xi , Y = yj )
P(X = xi |Y = yj ) =
P(Y = yj )
P(X = xi , Y = yj )
P(Y = yj |X = xi ) =
P(X = xi )
Bảng phân phối xác suất có điều kiện của thành phần X với điều kiện
Y = yj có dạng:
X |Y = yj x1 x2 ... xn
P(x1 , yj ) P(x2 , yj ) P(xn , yj )
P ...
P(yj ) P(yj ) P(yj )
Ví dụ. Cho bảng phân phối xác suất đồng thời của vecto ngẫu nhiên hai
chiều (X,Y) như sau:
a. Lập bảng phân phối xác suất của X với điều kiện Y = 2.
b. Lập bảng phân phối xác suất của Y với điều kiện X = 4.
4.5.1 Kỳ vọng
n X
X m m X
X n
E (X ) = xi pij và E (Y ) = yj pij
i=1 j=1 j=1 i=1
n X
X m
E (XY ) = xi yj pij
i=1 j=1
a. Kỳ vọng
E (X ) = 2.0, 55 + 4.0, 45 = 2, 9
E (Y ) = 1.0, 25 + 2.0, 55 + 3.0, 2 = 1, 95
E (XY ) =
2.1.0, 1 + 2.2.0, 3 + 2.3.0, 15 + 4.1.0, 15 + 4.2.0, 25 + 4.3.0, 05 = 5, 5
b. Phương sai
E (X 2 ) = 22 .0, 55 + 42 .0, 45 = 9, 4
E (Y 2 ) = 12 .0, 25 + 22 .0, 55 + 32 .0, 2 = 4, 25
Var (X ) = 9, 4 − 2, 92 = 0, 99; Var (Y ) = 4, 25 − 1, 952 = 0, 4475
Chú ý.
1. Nếu X,Y độc lập thì Cov (X , Y ) = 0 ⇒ X,Y gọi là không tương quan.
2. Nếu X,Y không độc lập thì Cov (X , Y ) 6= 0 ⇒ X,Y tương quan.
3. Nếu X = Y thì Cov (X , X ) = Var (X ) và Cov (Y , Y ) = Var (Y ).
Ý nghĩa: Hiệp phương sai đo độ dao động cùng hướng hay ngược hướng
của X và Y. Trong đó, X và Y dao động quanh kỳ vọng.
+ Nếu X và Y cùng hướng thì Cov (X , Y ) > 0.
+ Nếu X và Y ngược hướng thì Cov (X , Y ) < 0.
Cov (X , Y ) E (XY ) − E (X )E (Y )
RXY = p =
Var (X )Var (Y ) σ(X )σ(Y )
XB XA 15 16 17
15 0,15 0,2 0,25
17 0,05 0,2 0,15