Professional Documents
Culture Documents
ME Chapter 3
ME Chapter 3
Le Cong Nhan
1 Giới thiệu
3 Tích Phân
6 Kỳ Vọng
7 Phương Sai
. Biến ngẫu nhiên (random variable): Biến số lấy các giá trị khác nhau
với khả năng xảy ra (xác xuất) khác nhau.
. Các đại lượng đặc trưng của biến ngẫu nhiên X :
Kỳ vọng (expectation) E [X ]
Phương sai (variance) Var [X ]
Definition 1
Cho một tập hợp gồm n số X1 , X2 , ..., Xn , tổng của chúng được viết như
sau:
n
X
X1 + X2 + · · · + Xn = Xi
i=1
n
X n
X
aXi = a Xi . Do
i=1 i=1
n
X
aXi = aX1 + aX2 + · · · + aXn
i=1
n
X
= a (X1 + X2 + · · · + Xn ) = a Xi
i=1
n
X
(aXi + bYi ) = (aX1 + bY1 ) + (aX2 + bY2 ) + · · · + (aXn + bYn )
i=1
= a (X1 + X2 + · · · + Xn ) + b (Y1 + Y2 + · · · + Yn )
Xn n
X
=a Xi + b Yi
i=1 i=1
Example 2
n
X n
X
Tính (aXi + b) và (aXi + b)2 .
i=1 i=1
Ta có
n
X
(Xi − X ) = (X1 − X ) + (X2 − X ) + · · · + (Xn − X )
i=1
= (X1 + X2 + · · · + Xn ) − nX
X1 + X2 + · · · + Xn
= (X1 + X2 + · · · + Xn ) − n
n
= (X1 + X2 + · · · + Xn ) − (X1 + X2 + · · · + Xn ) = 0.
Lưu ý:
n n n
!2
X X X
(Xi + Yi )2 6= Xi + Yi
i=1 i=1 i=1
n
X n
X
aXi = a Xi
i=1 i=1
Lưu ý:
n
X n
X
ai Xi 6= ai Xi : ai phụ thuộc vào i
i=1 i=1
Xn n
X n
X
b 6= b : Cần phải có biểu thức dưới ký hiệu tổng .
i=1 i=1 i=1
chỉ số i thì ta nhân biểu thức đó với số các số hạng của tổng.
n
X
b = nb.
i=1
Rule 4: Nếu không có sự mâu thuẫn với các định nghĩa khác thì ta có
thể thay đổi chỉ số của tổng mà không làm ảnh hưởng đến kết quả.
n
X n
X
Xi = Xj .
i=1 j=1
Z b
f (x)dx = A1 − A2
a
Biến ngẫu nhiên (random variable) là biến lấy những giá trị khác nhau với
xác suất khác nhau.
Giả sử một biến ngẫu nhiên rời rạc (discrete random variable) X nhận n
giá trị x1 , x2 , ..., xn với xác suất tương ứng p1 , p2 , ..., pn .
X(%) 9 10 11 12 13 14 15
P 0,05 0,15 0,3 0,2 0,15 0,1 0,05
Tìm xác suất để khi đầu tư vào công ty đó thì thu được lãi suất ít nhất là
12%.
X -1 0 1 2
P 0,1 0,4 0,3 0,2
Biến ngẫu nhiên liên tục (continuous random variable) là biến có thể lấy
các giá trị dọc theo đường thẳng thực hoặc −∞ < x < ∞.
Ứng với mỗi giá trị đầu ra x là một mật độ xác suất (probability density)
p(x) thỏa các tính chất sau:
1. p(x) ≥ 0 với mọi −∞ < x < ∞.
R∞
2. −∞ p(x)dx = 1.
Rb
3. P[a ≤ x ≤ b] = a p(x)dx.
E [X ] = p, Var[X ] = p(1 − p)
Y = X1 + X2 + · · · + Xn
là biến ngẫu nhiên có phân phối nhị thức, ký hiệu Y ∼ B(p, n).
µk
P[Y = k] = e −µ , k = 0, 1, 2, ...
k!
Kỳ vọng và phương sai của Y cho bởi:
E [Y ] = Var[Y ] = µ.
Ứng dụng: Số lần gọi đến tổng đài trong một khoảng thời gian nào đó
(trong 1 giờ, 1 ngày), số lần khách hàng đến nhà băng trong 1 giờ. . .
Example 22
Xác suất để một máy sản xuất được sản phẩm loại A là 0,7. Cho máy sản
xuất 600 sản phẩm. Tìm xác suất để có ít nhất 420 sản phẩm loại A trong
số 600 sản phẩm do máy sản xuất.
1
a≤x ≤b
p(x) = b − a
0 x < a hoặc x > b.
a+b (b − a)2
E [X ] = , Var[X ] = .
2 12
X ∼ U(0, 10).
1
0 ≤ x ≤ 10
p(x) = 10 − 0
0 x < 0 hoặc x > 10.
X = µ + σZ
là biến ngẫu nhiên có phân phối chuẩn (normal distribution) với trung bình
µ và phương sai σ 2 , ký hiệu X ∼ N(µ, σ 2 ) có hàm mật độ xác suất là:
1 (x−µ)2
p(x) = √ e− 2σ 2 , −∞ < z < ∞.
2πσ 2
E [Y ] = r , Var[Y ] = 2r .
E [X ] = x1 p1 + x2 p2 + · · · + xn pn
Xn
= xi pi . (4)
i=1
Example 30
Lấy từng sản phẩm từ một kho có 12 sản phẩm, biết xác suất để lấy được
chính phẩm là 90%. Gọi X là biến ngẫu nhiên chỉ số chính phẩm lấy được.
Tính kỳ vọng và phương sai của X .
Theorem 33
Cho X là một biến ngẫu nhiên rời rạc và Y = f (X ). Khi đó kỳ vọng của
biến ngẫu nhiên Y cho bởi
Z ∞
E [Y ] = f (x)p(x)dx. (7)
−∞
E [X + Y ] = E [X ] + E [Y ], E [aX ] = aE [X ]
với a là số thực.
Tổng quát hơn nếu X1 , X2 , ..., Xn là các biến ngẫu nhiên thì ta có
E [(a1 X1 + a2 X2 + · · · + an Xn )]
= a1 E [X1 ] + a2 E [X2 ] + · · · + an E [Xn ].
E [a] = a.
1 Var[X ] ≥ 0 với mọi biến ngẫu nhiên X . Dấu bằng xảy ra khi X là
một biến ngẫu nhiên suy biến, tức là, Im(X ) = {a} với P(a) = 1.
2 Nếu c là hằng số và X là biến ngẫu nhiên thì ta có
3 Ta có Var[X ] = E [X 2 ] − E [X ]2 = E [X 2 ] − µ2 hay
E [X 2 ] = E [X ]2 + Var[X ]. (11)
E [X 2 ] ≥ E [X ]2 .
Dấu bằng xảy ra khi X là một biến ngẫu nhiên suy biến
Le Cong Nhan (Faculty of Applied SciencesChapter
HCMC University of Technology
3. Integration and Education)
and Random Variables
Ngày 5 tháng 4 năm 2022 50 / 65
Example 39
Gọi X là biến ngẫu nhiên chỉ số mặt khi tung một con xúc xắc. Khi đó X
nhận các giá trị 1, 2, 3, 4, 5 và 6 với xác suất như nhau là 16 . Tính E [X ]
và Var[X ].
Hiệp phương sai (covariance) của hai biến ngẫu nhiên X và Y được xác
định như sau:
Cov[X , Y ] = E [f (X ) g (Y )] . (13)
Cov[X , Y ]
ρ= p p . (14)
Var[X ] · Var[Y ]
E [f (X )g (Y )] = E [f (X )] · E [g (Y )]. (15)
Cov[X , Y ] = 0.
Cov[X , c] = 0
2 Cov[X , X ] = Var[X ]
3 Ta có Cov[X , Y ] = E [XY ] − E [X ]E [Y ], và do đó
Từ đây ta suy ra
E [XY ] = E [X ]E [Y ] ⇐⇒ Cov[X , Y ] = 0.
Biến ngẫu nhiên Y được gọi là tổ hợp tuyến tính (linear combination) của
hai biến ngẫu nhiên X1 và X2 nếu
Y = aX1 + bX2 + c.
Khi đó kỳ vọng và phương sai của biến ngẫu nhiên Y cho bởi:
1 Kỳ vọng của Y
−1 ≤ ρ ≤ 1.
Giả sử rằng bạn đầu tư ba danh mục với lãi đầu tư thu được lần lượt là
các biến ngẫu nhiên R0 , R1 và R2 . Trong đó danh mục đầu tư thứ nhất là
không có rủi ro (ví dụ như trái phiếu của chính phủ trong thời gian ngắn
hạn), tức là, R0 = r0 với xác suất là 1. Hai danh mục đầu tư còn lại có rủi
ro và ta biết rằng
ω0 + ω1 + ω2 = 1.
R = ω0 R0 + ω1 R1 + ω2 R2 .
R = (1 − ω1 − ω2 )r0 + ω1 R1 + ω2 R2
= r0 + ω1 (R1 − r0 ) + ω2 (R2 − r0 ).
r˜ = ω1 r˜1 + ω2 r˜2 .
r˜ = ω1 r˜1 + ω2 r˜2 .
E [R1 ] = 5, Var[R1 ] = 25
E [R2 ] = 9, Var[R2 ] = 49
Cov[R1 , R2 ] = 14.
Tìm tỷ trọng cho các danh mục đầu tư để thu được lãi là 7 với rủi ro thấp
nhất?
Giả sử biến ngẫu nhiên Y là tổ hợp tuyến tính của n biến ngẫu nhiên không
tương quan X1 , X2 , ..., Xn . Khi đó
Y = a1 X1 + a2 X2 + · · · + an Xn
Xét n biến ngẫu nhiên X1 , X2 , ..., Xn không tương quan có cùng kỳ vọng và
phương sai, tức là:
A1. E [Xi ] = µ với i = 1, 2, ..., n.
A2. Var[Xi ] = σ 2 với i = 1, 2, ..., n.
A3. Cov[Xi , Xj ] = 0 với i 6= j.
Definition 46
Một ước lượng θ̂ của tham số θ được gọi là không lệch (unbiased) nếu:
E [θ̂] = θ.
X1 + X2 + · · · + Xn
X̄ =
n
1 Trung bình mẫu X là một ước lượng không lệch của µ, tức là
E [X̄ ] = µ.
σ2
var[X̄ ] = .
n