ME Chapter 3

Chapter 3.
Integration and Random

Variables
Le Cong Nhan
Faculty of Applied Sciences

HCMC University of Technology and Education
Ngày 5 tháng 4 năm 2022
Le Cong Nhan (Faculty of Applied SciencesChapter

HCMC University of Technology
3. Integration and Education)
and Random Variables
Ngày 5 tháng 4 năm 2022 1 / 65
Contents
1 Giới thiệu
2 Tổng Rời Rạc
3 Tích Phân
4 Biến Ngẫu Nhiên
5 Một Số Phân Phối Xác Suất Thường Gặp
6 Kỳ Vọng
7 Phương Sai
8 Hiệp Phương Sai
9 Tổ Hợp Tuyến Tính Của Các Biến Ngẫu Nhiên

3.1 Giới Thiệu
The economic world is a world of uncertainty.
. 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 ]

3.2 Tổng Rời Rạc
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 n
X n
X
(aXi + bYi ) = a Xi + b Yi . Do
i=1 i=1 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

Example 3
n
X
Chứng minh rằng (Xi − X ) = 0, trong đó X là trung bình của n số
i=1
X1 , X2 , ..., Xn
X1 + X2 + · · · + Xn
X = .
n
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.

Một số tính chất của tổng
Rule 1: Tính chất tuyến tính
n n n
!
X X X
(Xi + Yi ) = Xi + Yi
i=1 i=1 i=1
Tổng quát hơn ta có

Xn n
X n
X n
X
(X1i + X2i + · · · + Xmi ) = X1i + X2i + · · · + Xmi .
i=1 i=1 i=1 i=1
Lưu ý:
n n n
!2
X X X
(Xi + Yi )2 6= Xi + Yi
i=1 i=1 i=1
Tổng quát nếu f là hàm phi tuyến thì

n n n
!
X X X
f (Xi + Yi ) 6= f Xi + Yi .
i=1 i=1 i=1
Rule 2: Có thể lấy ra khỏi ni=1 các biểu thức không phụ thuộc vào
P
chỉ số i và đặt trước ký hiệu ni=1 .

P
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

Rule 3: Nếu bên trong ni=1 chứa biểu thức không phụ thuộc vào
P
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

Example 4
+ bYi )2 .
Pn
Tính i=1 (aXi

Ngày 5 tháng 4 năm 2022 10 / 65
Example 5
Pn 2
Tính i=1 Xi − X .

Ngày 5 tháng 4 năm 2022 11 / 65
Example 6
Chứng minh rằng
n
X n
X

Xi − X Yi − Y = Xi Yi − nX Y .
i=1 i=1

Ngày 5 tháng 4 năm 2022 12 / 65
Example 7
Cho biết
25
X 25
X
Xi = 100, Xi2 = 500
i=1 i=1
X25 X25 25
X
Yi = 125, Yi2 = 850, Xi Yi = 700
i=1 i=1 i=1
Tính các tổng sau:

25
X 25
X
(3Xi + 4Yi + 3), (3Xi + 4Yi )2 ,
i=1 i=1
25
X 25
X
(Xi − X )2 ,

Xi − X Yi − Y .
i=1 i=1

Ngày 5 tháng 4 năm 2022 13 / 65
3.3 Definite Integral
Divide the interval [a, b] into n subintervals of equal width
∆x = (b − a)/n, let say
x0 = a < x1 < x2 < · · · < xn = b.

Let x1∗ , x2∗ , ..., xn∗ be any sample points with xi∗ ∈ [xi−1 , xi ] and define
the definite integral of f from a to b by
Xn Z b
∗
A = lim f (xi )∆x = f (x)dx (1)
n→∞ a
i=1

Ngày 5 tháng 4 năm 2022 14 / 65
Some Notes about Integral
Rb
If f (x) ≥ 0 for a ≤ x ≤ b, then a f (x)dx is the area under the curve
y = f (x) above the x-axis form a to b.
If f takes on both positive and negative values. Then a definite integral

can be interpreted as a net area, that is, a difference of areas
Z b
f (x)dx = A1 − A2
a

Ngày 5 tháng 4 năm 2022 15 / 65
Theorem 8 (Định lý cơ bản của giải tích)
Giả sử F (x) là một nguyên hàm của f (x), nghĩa là, F 0 (x) = f (x). Khi đó
ta có
Z b
f (x)dx = F (x)|ba = F (b) − F (a). (2)
a
Net Change Theorem:

Z b
F 0 (x)dx = F (b) − F (a). (3)
a

Ngày 5 tháng 4 năm 2022 16 / 65
Example 9
Giả sử chi phí biên tế (MC) của một nhà máy là C 0 (Q) = 2e 0,2Q , trong đó
Q là sản lượng của nhà máy và chi phí cố định là CF = 90. Tìm chi phí
khi nhà máy sản xuất 800 đơn vị sản phẩm.

Ngày 5 tháng 4 năm 2022 17 / 65
Example 10
√
Giả sử lượng đầu tư ròng được cho bởi hàm số I (t) = 3 t. Xác định
lượng vốn của dòng đầu tư này trong suốt năm thứ 2 là bao nhiêu?

Ngày 5 tháng 4 năm 2022 18 / 65
Tích phân suy rộng
Rt
(a) If a f (x)dx exists for every number t ≥ a, then
Z ∞ Z t
f (x)dx = lim f (x)dx
a t→∞ a
provided this limit exists.

Rb
(b) If t f (x)dx exists for every number t ≤ b, then
Z b Z b
f (x)dx = lim f (x)dx
−∞ t→−∞ t
provided this limit exists.

R∞ Rb
The improper integrals a f (x)dx and −∞ f (x)dx are called convergent
if the corresponding limit exists and divergent if the limit does not exist.
Ra R∞
(c) If both integrals −∞ f (x)dx and a f (x)dx are convergent, then we
define
Z ∞ Z a Z ∞
f (x)dx = f (x)dx + f (x)dx.
−∞ −∞ a
Ngày 5 tháng 4 năm 2022 19 / 65
Example 11
Tính tích phân suy rộng
Z ∞ Z ∞ Z ∞
2 ln x
a) xe −x dx b) dx c) xe 2x dx
1 1 x 0

Ngày 5 tháng 4 năm 2022 20 / 65
3.4 Biến Ngẫu Nhiên
Biến ngẫu nhiên (random variable) là biến lấy những giá trị khác nhau với
xác suất khác nhau.
Có hai loại biến ngẫu nhiên:

1 Biến ngẫu nhiên rời rạc: BNN nhận những giá trị rời rạc.
Phân phối Bernoulli
Phân phối nhị thức
Phân phối Poisson
2 Biến ngẫu nhiên liên tục: BNN nhận những giá trị trên đường thẳng
thực.
Phân phối đều
Phân phối chuẩn tắc
Phân phối chuẩn
Phân phối χ2
Phân phối Student
Phân phối Fisher
Ngày 5 tháng 4 năm 2022 21 / 65
Biến Ngẫu Nhiên Rời Rạc
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 .
Khi đó X có thể được biểu diễn dưới dạng:

 
Đầu ra Xác suất
 x1 p1 
 
 x2 p2 
X = 
 . ..
 ..

. 
xn pn
trong đó xác suất pi thỏa:

1 0 ≤ pi ≤ 1 với i = 1, 2, ..., n.
Pn
i=1 pi = p1 + p2 + · · · + pn = 1.
2

Ngày 5 tháng 4 năm 2022 22 / 65
Example 12
Qua theo dõi nhiều năm kết hợp với các đánh giá của các chuyên gia tài
chính thì lãi suất thu được khi đầu tư vào một công ty là biến ngẫu nhiên
X (%) có bảng phân phối xác suất như sau:
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%.

Ngày 5 tháng 4 năm 2022 23 / 65
Example 13
Giả sử X là biến ngẫu nhiên có bảng phân phối xác suất
X -1 0 1 2
P 0,1 0,4 0,3 0,2
Xét biến ngẫu nhiên Y = X 2 . Tính P[Y = 1].

Ngày 5 tháng 4 năm 2022 24 / 65
Biến Ngẫu Nhiên Liên Tục
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.

Ngày 5 tháng 4 năm 2022 25 / 65
Example 14
Cho biến ngẫu nhiên liên tục X có hàm mật độ cho bởi
(
0, x < 2 hoặc x > 4,
f (x) =
A(x − 2)(4 − x), 2 ≤ x ≤ 4.
a) Hãy xác định A.

b) Tính xác xuất P[1 ≤ X ≤ 3].

Ngày 5 tháng 4 năm 2022 26 / 65
Definition 15 (Degenerate random variable)
Nếu một biến ngẫu nhiên X chỉ có một đầu ra với xác suất là 1 thì ta nói
X là biến ngẫu nhiên suy biến.
Nếu X = 3 với xác suất 1 hay

X =
3 1
thì X được gọi là biến ngẫu nhiên suy biến.

Ngày 5 tháng 4 năm 2022 27 / 65
3.5 Một số phân phối xác suất thường gặp
1 Biến ngẫu nhiên rời rạc:

Phân phối Bernoulli
Phân phối nhị thức
Phân phối Poisson
2 Biến ngẫu nhiên liên tục:
Phân phối đều
Phân phối chuẩn tắc
Phân phối chuẩn
Phân phối χ2
Phân phối Student
Phân phối Fisher

Ngày 5 tháng 4 năm 2022 28 / 65
Biến Ngẫu Nhiên Rời Rạc
Definition 16 (Phân Phối Bernoulli)

Một biến ngẫu nhiên X nhận hai giá trị 1 và 0 với xác suất lần lượt là p và
1 − p, với 0 ≤ p ≤ 1 được gọi là có phân phối Bernoulli hay:
 
X = 1 p 
0 1−p
Nếu X có phân phối Bernoulli ta viết X ∼ B(p). Kỳ vọng và phương sai

của X cho bởi:
E [X ] = p, Var[X ] = p(1 − p)

Ngày 5 tháng 4 năm 2022 29 / 65
Definition 17 (Phân Phối Nhị Thức)
Giả sử Xi ∼ B(p) là n biến ngẫu nhiên độc lập có cùng phân phối
Bernoulli. Khi đó tổng của chúng Y
Y = X1 + X2 + · · · + Xn
là biến ngẫu nhiên có phân phối nhị thức, ký hiệu Y ∼ B(p, n).
P[Y = k] =Cnk p k (1 − p)n−k

n!
= p k (1 − p)n−k , k = 0, 1, ..., n
k!(n − k)!
Kỳ vọng và phương sai của Y cho bởi:
E [Y ] = np, Var[Y ] = np(1 − p)

Ngày 5 tháng 4 năm 2022 30 / 65
Example 18
Tỷ lệ phế phẩm của một máy là 5%. Tìm xác suất để trong 4 sản phẩm do
máy sản xuất có 1 phế phẩm.

Ngày 5 tháng 4 năm 2022 31 / 65
Definition 19 (Phân Phối Poisson)
Ta nói Y là biến ngẫu nhiên có phân phối Poisson với trung bình µ > 0
hay Y ∼ P(µ) nếu
µk
P[Y = k] = e −µ , k = 0, 1, 2, ...
k!
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. . .

Ngày 5 tháng 4 năm 2022 32 / 65
Example 20
Một công ty dịch vụ qua điện thoại (hoạt động thường trực) nhận được
trung bình 300 lần gọi đến trong một giờ. Tìm xác suất để công ty đó
nhận được đúng 1 lần gọi đến trong 1 phút cho trước.

Ngày 5 tháng 4 năm 2022 33 / 65
Theorem 21 (Luật số nhỏ)
Nếu Y ∼ B(p, n) có phân phối nhị thức và n → ∞, p → 0 thỏa
np → µ > 0 thì Y có xấp xỉ phân phối Poisson hay Y ∼ P(µ) khi n → ∞.
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.

Ngày 5 tháng 4 năm 2022 34 / 65
Biến Ngẫu Nhiên Liên Tục
Definition 23 (Phân phối đều)

Một biến ngẫu nhiên liên tục X có phân phối đều (uniform distribution)
với cận dưới là a và cận trên là b hay X ∼ U(a, b) nếu:
 1

a≤x ≤b
p(x) = b − a
0 x < a hoặc x > b.
Kỳ vọng và phương sai của X cho bởi:
a+b (b − a)2
E [X ] = , Var[X ] = .
2 12

Ngày 5 tháng 4 năm 2022 35 / 65
Example 24
Lấy một số thực bất kỳ giữa 0 và 10 và giả sử rằng khả năng lấy mỗi số là
bằng nhau. Gọi X là biến ngẫu nhiên chỉ số đó thì X có phân phối đều với
biên dưới là 0 và biên trên là 10 hay
X ∼ U(0, 10).
Và do đó ta có hàm mật độ xác suất
 1

0 ≤ x ≤ 10
p(x) = 10 − 0
0 x < 0 hoặc x > 10.
Tính P[5 ≤ x ≤ 7]?

Ngày 5 tháng 4 năm 2022 36 / 65
Definition 25 (Phân phối chuẩn tắc)
Một biến ngẫu nhiên liên tục Z có phân phối chuẩn tắc (standard normal
distribution), ký hiệu Z ∼ N(0, 1) nếu
1 z2
p(z) = √ e − 2 , −∞ < z < ∞.
2π

Ngày 5 tháng 4 năm 2022 37 / 65
Definition 26 (Phân phối chuẩn)
Gọi Z là biến ngẫu nhiên có phân phối chuẩn tắc. Khi đó
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

Ngày 5 tháng 4 năm 2022 38 / 65
Definition 27 (Phân phối χ2 )
Giả sử Zi , i = 1, ..., r là r biến ngẫu nhiên độc lập có phân phối chuẩn tắc.
Khi đó
Y = Z12 + Z22 + · + Zr2
được gọi là biến ngẫu nhiên có phân phối χ2 với bậc tự do r , ký hiệu
Y ∼ χ2r . Hàm mật độ xác suất
r
y 2 −1 e −y /2
p(y ) = r /2 r , 0 ≤ y < ∞.
2 Γ 2
E [Y ] = r , Var[Y ] = 2r .

Ngày 5 tháng 4 năm 2022 39 / 65
Definition 28 (Phân phối Student)
Nếu Z có phân phối chuẩn tắc và Y có phân phối χ2 với bậc tự do r , và
giả sử thêm rằng Z và Y là các biến ngẫu nhiên độc lập thì biến ngẫu
nhiên
Z
X =q
Y
r
được gọi là có phân phối Student với bậc tự do r , ký hiệu X ∼ Tr . Hàm

mật độ xác suất
1
r
− r +1
Γ 2 Γ 2 x2 2
p(x) = √ r +1
1+ , −∞ < x < ∞.
rΓ 2
r
Kỳ vọng và phương sai của X cho bởi:

r
E [X ] = 0, Var[X ] = , khi r ≥ 2.
r2 − 2
Ngày 5 tháng 4 năm 2022 40 / 65
3.6 Kỳ Vọng
Definition 29 (Kỳ vọng của biến ngẫu nhiên rời rạc)

Kỳ vọng của biến ngẫu nhiên rời rạc X có Im(X ) = {x1 , x2 , ..., xn } là
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 .

Ngày 5 tháng 4 năm 2022 41 / 65
Theorem 31
Cho X là một biến ngẫu nhiên rời rạc và Y = f (X ). Khi đó kỳ vọng của
biến ngẫu nhiên Y cho bởi
E [Y ] = f (x1 )p1 + f (x2 )p2 + · · · + f (xn )pn

X n
= f (xi )pi . (5)
i=1

Ngày 5 tháng 4 năm 2022 42 / 65
Definition 32 (Kỳ vọng của biến ngẫu nhiên liên tục)
Kỳ vọng của biến ngẫu nhiên liên tục X có hàm phân phối xác xuất p(x) là
Z ∞
E [X ] = xp(x)dx. (6)
−∞
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)
−∞

Ngày 5 tháng 4 năm 2022 43 / 65
Example 34
Cho biến ngẫu nhiên liên tục X có hàm mật độ
(
π
A cos x nếu |x| ≤ 2
f (x) = π
0 nếu |x| > 2
a) Xác định hằng số A.

b) Tính E [X ].

Ngày 5 tháng 4 năm 2022 44 / 65
Tính chất của kỳ vọng
1 E [·] là một toán tử tuyến tính, tức là
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 ].
2 Kỳ vọng của hằng số là hằng số, tức là
E [a] = a.

Ngày 5 tháng 4 năm 2022 45 / 65
Example 35
Tính E [(3X + 4Y )2 ] và E [(3X + 4)2 ]

Ngày 5 tháng 4 năm 2022 46 / 65
Example 36
Xác suất mỗi sản phẩm của công ty A hỏng trong thời gian bảo hành là
0,15. Khi bán 1 sản phẩm thì lãi 100.000 đ, nhưng nếu phải bảo hành thì
lỗ 300.000đ. Công ty đã bán được 55.000 sản phẩm. Gọi X là số tiền lãi
công ty A thu được. Tính E [X ].

Ngày 5 tháng 4 năm 2022 47 / 65
Example 37
Xác suất để máy thứ nhất sản xuất được sản phẩm loại A là 0,2. Đối với
máy thứ hai xác suất sản xuất được sản phẩm loại A là 0,35. Cho mỗi máy
sản xuất 30 sản phẩm rồi mang bán với giá 90 ngàn đồng sản phẩm loại A
và 40 ngàn đồng sản phẩm loại B. Tìm kỳ vọng của số tiền thu được.

Ngày 5 tháng 4 năm 2022 48 / 65
3.7 Phương Sai
Definition 38 (Phương sai và Độ lệch chuẩn)

Phương sai (variance) của một biến ngẫu nhiên X được cho bởi
h i h i
Var[X ] = E (X − E [X ])2 = E (X − µ)2 . (8)
Độ lệch chuẩn (standard derivation) của X cho bởi

p
σ = σX = Var[X ]. (9)

Ngày 5 tháng 4 năm 2022 49 / 65
Tính chất của phương sai
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
Var[X + c] = Var[X ]. (10)
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)
Từ tính chất 1 và 3 ta suy ra rằng
E [X 2 ] ≥ E [X ]2 .
Dấu bằng xảy ra khi X là một biến ngẫu nhiên suy biến
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 ].

Ngày 5 tháng 4 năm 2022 51 / 65
3.8 Hiệp Phương Sai
Hiệp phương sai (covariance) của hai biến ngẫu nhiên X và Y được xác
định như sau:
Cov[X , Y ] = E [(X − E [X ]) (Y − E [Y ])] . (12)
Đặt f (x) = x − µx và g (y ) = y − µy ta có thể viết lại
Cov[X , Y ] = E [f (X ) g (Y )] . (13)
1 Nếu Cov[X , Y ] > 0 thì X và Y có mối liên hệ tuyến tính dương,

tức là, nếu X dưới (cao hơn) giá trị trung bình thì Y có khuynh
hướng dưới (cao hơn) giá trị trung bình.
2 Nếu Cov[X , Y ] < 0 thì X và Y có mối liên hệ tuyến tính âm, tức
là, nếu X dưới (cao hơn) giá trị trung bình thì Y có khuynh hướng
cao hơn (dưới) giá trị trung bình.
Ngày 5 tháng 4 năm 2022 52 / 65
Definition 40 (Correlation coeficient)
Hệ số tương quan (correlation coeficient) ρ cho bởi
Cov[X , Y ]
ρ= p p . (14)
Var[X ] · Var[Y ]

Ngày 5 tháng 4 năm 2022 53 / 65
Definition 41 (Tính độc lập của hai biến ngẫu nhiên)
Hai biến ngẫu nhiên X và Y được gọi là độc lập nếu và chỉ nếu với mọi
hàm số f (x) và g (y )
E [f (X )g (Y )] = E [f (X )] · E [g (Y )]. (15)
1 Nếu X và Y là hai biến độc lập thì
Cov[X , Y ] = 0.
Tuy nhiên điều ngược lại là không đúng.

2 Nếu Cov[X , Y ] = 0 và X , Y là các biến ngẫu nhiên có phân phối
chuẩn thì không suy ra được X và Y là hai biến ngẫu nhiên độc lập.

Ngày 5 tháng 4 năm 2022 54 / 65
Tính chất của hiệp phương sai
1 Nếu c là hằng số và X là biến ngẫu nhiên thì
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
E [XY ] = E [X ]E [Y ] + Cov[X , Y ]. (16)
Từ đây ta suy ra
E [XY ] = E [X ]E [Y ] ⇐⇒ Cov[X , Y ] = 0.

Ngày 5 tháng 4 năm 2022 55 / 65
3.9 Tổ Hợp Tuyến Tính Của Các Biến Ngẫu Nhiên
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
E [Y ] = aE [X1 ] + bE [X2 ] + c. (17)
2 Phương sai của Y
Var[Y ] = a2 Var[X1 ] + 2abCov[X1 , X2 ] + b 2 Var[X2 ]. (18)

Ngày 5 tháng 4 năm 2022 56 / 65
Theorem 42
Ma trận

Var[X1 ] Cov[X1 , X2 ]
Cov[X1 , X2 ] Var[X2 ]
là ma trận nửa xác định dương.
Điều này được suy ra từ tính chất
Var[aX1 + bX2 ] =a2 Var[X1 ] + 2abCov[X1 , X2 ] + b 2 Var[X2 ]

Var[X1 ] Cov[X1 , X2 ] a
= a b
Cov[X1 , X2 ] Var[X2 ] b
≥0.

Ngày 5 tháng 4 năm 2022 57 / 65
Theorem 43
Nếu Var[X1 ] 6= 0 và Var[X2 ] 6= 0 thì
−1 ≤ ρ ≤ 1.
Nếu ρ = 1 thì X2 = αX1 + β với α > 0.

Nếu ρ = −1 thì X2 = αX1 + β với α < 0.

Ngày 5 tháng 4 năm 2022 58 / 65
Mô hình định giá tài sản đầu tư
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
E [R1 ] = r1 , Var[R1 ] = σ12

E [R2 ] = r2 , Var[R2 ] = σ22 , Cov[R1 , R2 ] = σ12 .
Xét danh mục đầu tư với tỷ trọng lần lượt là ω0 , ω1 và ω2 với
ω0 + ω1 + ω2 = 1.
Gọi R là biến ngẫu nhiên chỉ lãi thu được. Khi đó ta có
R = ω0 R0 + ω1 R1 + ω2 R2 .

Ngày 5 tháng 4 năm 2022 59 / 65
Do ω0 = 1 − ω1 − ω2 nên ta được
R = (1 − ω1 − ω2 )r0 + ω1 R1 + ω2 R2
= r0 + ω1 (R1 − r0 ) + ω2 (R2 − r0 ).
Kỳ vọng (lãi) của R, r = E [R] cho bởi
E [R] = r0 + ω1 (r1 − r0 ) + ω2 (r2 − r0 ). (19)
Đặt r˜ = r − r0 , r˜1 = r1 − r0 và r˜2 = r2 − r0 thì ta được
r˜ = ω1 r˜1 + ω2 r˜2 .
Phương sai (rủi ro) của R cho bởi
Var[R] = ω12 σ12 + 2ω1 ω2 σ12 + ω22 σ22 . (20)

Ngày 5 tháng 4 năm 2022 60 / 65
Problem 44
Giả sử rằng bạn là một nhà quản lý danh mục đầu tư. Khách hàng của
bạn muốn thu được lãi là r . Bạn cần tìm tỷ trọng cho các danh mục đầu
tư ω1 và ω2 sao cho rủi ro là thấp nhất?
Tìm ω1 và ω2 để cực tiểu hóa rủi ro
Var[R] = ω12 σ12 + 2ω1 ω2 σ12 + ω22 σ22 .
với ràng buộc
r˜ = ω1 r˜1 + ω2 r˜2 .

Ngày 5 tháng 4 năm 2022 61 / 65
Example 45
Giả sử rằng R0 = 1 với xác suất là 1 và
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?

Ngày 5 tháng 4 năm 2022 62 / 65
Tổng của các biến ngẫu nhiên không tương quan
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
trong đó Cov[Xi , Xj ] = 0 với i 6= j.

1 Kỳ vọng của Y
E [Y ] = a1 E [X1 ] + a2 E [X2 ] + · · · + an E [Xn ]. (21)
2 Phương sai của Y
Var[Y ] = a12 Var[X1 ] + a22 Var[X2 ] + · · · + an2 Var[Xn ]. (22)

Ngày 5 tháng 4 năm 2022 63 / 65
Trung bình mẫu
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.

Ngày 5 tháng 4 năm 2022 64 / 65
Xét trung bình mẫu (sample mean)
X1 + X2 + · · · + Xn
X̄ =
n
1 Trung bình mẫu X là một ước lượng không lệch của µ, tức là
E [X̄ ] = µ.
2 Phương sai của trung bình mẫu cho bởi
σ2
var[X̄ ] = .
n

Ngày 5 tháng 4 năm 2022 65 / 65

ME Chapter 3

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

ME Chapter 3

Uploaded by

Copyright:

Available Formats

Chapter 3.

Integration and Random

Faculty of Applied Sciences

Ngày 5 tháng 4 năm 2022

Le Cong Nhan (Faculty of Applied SciencesChapter

2 Tổng Rời Rạc

4 Biến Ngẫu Nhiên

5 Một Số Phân Phối Xác Suất Thường Gặp

8 Hiệp Phương Sai

9 Tổ Hợp Tuyến Tính Của Các Biến Ngẫu Nhiên

Le Cong Nhan (Faculty of Applied SciencesChapter

The economic world is a world of uncertainty.

Le Cong Nhan (Faculty of Applied SciencesChapter

Le Cong Nhan (Faculty of Applied SciencesChapter

Le Cong Nhan (Faculty of Applied SciencesChapter

Le Cong Nhan (Faculty of Applied SciencesChapter

Tổng quát hơn ta có

Tổng quát nếu f là hàm phi tuyến thì

chỉ số i và đặt trước ký hiệu ni=1 .

Le Cong Nhan (Faculty of Applied SciencesChapter

Le Cong Nhan (Faculty of Applied SciencesChapter

Le Cong Nhan (Faculty of Applied SciencesChapter

Le Cong Nhan (Faculty of Applied SciencesChapter

Le Cong Nhan (Faculty of Applied SciencesChapter

Tính các tổng sau:

Le Cong Nhan (Faculty of Applied SciencesChapter

x0 = a < x1 < x2 < · · · < xn = b.

Le Cong Nhan (Faculty of Applied SciencesChapter

 If f takes on both positive and negative values. Then a definite integral

Le Cong Nhan (Faculty of Applied SciencesChapter

Net Change Theorem:

Le Cong Nhan (Faculty of Applied SciencesChapter

Le Cong Nhan (Faculty of Applied SciencesChapter

Le Cong Nhan (Faculty of Applied SciencesChapter

provided this limit exists.

provided this limit exists.

Le Cong Nhan (Faculty of Applied SciencesChapter

Có hai loại biến ngẫu nhiên:

Khi đó X có thể được biểu diễn dưới dạng:

trong đó xác suất pi thỏa:

Le Cong Nhan (Faculty of Applied SciencesChapter

Le Cong Nhan (Faculty of Applied SciencesChapter

Xét biến ngẫu nhiên Y = X 2 . Tính P[Y = 1].

Le Cong Nhan (Faculty of Applied SciencesChapter

Le Cong Nhan (Faculty of Applied SciencesChapter

a) Hãy xác định A.

Le Cong Nhan (Faculty of Applied SciencesChapter

Nếu X = 3 với xác suất 1 hay

thì X được gọi là biến ngẫu nhiên suy biến.

Le Cong Nhan (Faculty of Applied SciencesChapter

1 Biến ngẫu nhiên rời rạc:

Le Cong Nhan (Faculty of Applied SciencesChapter

Definition 16 (Phân Phối Bernoulli)

Nếu X có phân phối Bernoulli ta viết X ∼ B(p). Kỳ vọng và phương sai

Le Cong Nhan (Faculty of Applied SciencesChapter

P[Y = k] =Cnk p k (1 − p)n−k

Kỳ vọng và phương sai của Y cho bởi:

E [Y ] = np, Var[Y ] = np(1 − p)

Le Cong Nhan (Faculty of Applied SciencesChapter

Le Cong Nhan (Faculty of Applied SciencesChapter

Le Cong Nhan (Faculty of Applied SciencesChapter

Le Cong Nhan (Faculty of Applied SciencesChapter

Le Cong Nhan (Faculty of Applied SciencesChapter

Definition 23 (Phân phối đều)

If f takes on both positive and negative values. Then a definite integral