Professional Documents
Culture Documents
MAT1101 Bài 4 - Biến Ngẫu Nhiên Rời Rạc 2
MAT1101 Bài 4 - Biến Ngẫu Nhiên Rời Rạc 2
0 s! s" s# s$ s% Ω
Hàm khối xác suất nhiều biến
§ Miền giá trị các biến
X ∈ 𝒳, Y ∈ 𝒴
§ ∀ x, y ∈ 𝒳×𝒴
P&' x, y = P X = x ∩ Y = y
là hàm khối xác suất liên hợp của hai biến X, Y
§ Còn gọi là hàm phân bố rời rạc của hai biến X, Y
P X = x ∩ Y = y ≜ P X = x, Y = y
= P( 𝜔 ∈ Ω: X 𝜔 = x, Y 𝜔 = y )
Hàm của nhiều biến ngẫu nhiên
§ X, Y là biến ngẫu nhiên (rời rạc) thì biến Z
Z = g(X, Y)
cũng là biến ngẫu nhiên (vì cũng là hàm của kết quả thí nghiệm)
§ Hàm khối xác suất của Z
P! z = + P+,(x, y)
(#,%):( #,% )*
§ Kì vọng
𝔼 Z = + g(x, y)P+,(x, y)
(#,%)
Kì vọng của tổng các biến ngẫu nhiên
§ X, Y là biến ngẫu nhiên thì
𝔼 X+Y =𝔼 X +𝔼 Y
§ Chứng minh
𝔼 X + Y = 6 xP&'(x, y) + 6 yP&'(x, y)
(,* (,*
= 6 x 6 P&'(x, y) + 6 y 6 P&'(x, y)
( * * (
= 6 xP&(x) + 6 yP'(y)
( *
Hàm của nhiều biến ngẫu nhiên
§ X = X- , X. , … , X/ là các biến ngẫu nhiên (rời rạc) thì hàm khối xác suất là
/
P+ x- , x. , … , x/ = P 0 X0 = x0 ≜ P+ X- = x- , X. = x. , … , X/ = x/
0)-
§ Biến Z = g(X- , X. , … , X/) cũng là biến ngẫu nhiên
§ Hàm khối xác suất
P! z = + P+ x- , x. , … , x/
#! ,…,#" :( #! ,…,#" )*
§ Kì vọng
𝔼 Z = + g x- , … , x/ P+ x- , x. , … , x/
#! ,…,#"
Kì vọng của tổng các biến ngẫu nhiên
§ X+, X ,, … , X - là biến ngẫu nhiên thì
𝔼 6 X . = 6 𝔼[X . ]
. .
§ Ví dụ: X+, X ,, … , X - là các biến Bernoulli(p)
§ ∑0 X0 = số lần ra mặt ngửa trong n lần là biến nhị thức B(n, p)
§ 𝔼 ∑0 X0 = ∑0 𝔼[X0 ] = np
Ví dụ: đổi mũ
§ X = số người lấy lại được cái mũ lúc trước của mình
"
§ Gọi X ! là biến Bernoulli
#
§ X ! = 1 nếu người thứ i lấy lại được mũ của mình n người tung
mũ của mình
§ Kì vọng số người lấy lại được cái mũ lúc trước của lên (ngẫu
mình nhiên) và mỗi
1 người bắt lại
𝔼 X = - 𝔼[X ! ] = n× = 1 một cái mũ
n
!
§ Khi n rất lớn X có phân bố Poisson(1)
Biến ngẫu nhiên có điều kiện
§ Xác suất có điều kiện à Hàm khối xác suất thay đổi theo điều
kiện
P& x = P X = x
P X=x ∩A
P0|2 x ≜ P X = x |A =
P(A)
§ Hàm khối xác suất mới vẫn thoả mãn X = x!
+ P2|4 (x) = 1
Ω X = x"
#
A
Ví dụ
§ Sinh viên qua môn học khi thi đạt lần đầu tiên
§ Sinh viên có xác suất thi đạt là p không phụ thuộc vào các lần thi trước
§ A = sinh viên qua môn sau không quá n lần thi
§ X = số lần thi của sinh viên. Tính P+|5 x
§ X là biến ngẫu nhiên hình học, P+ k = 1 − p 67- p
/
P A =+ 1−p 67- p =1− 1−p /
0)-
1 − p 67- p
1≤k≤n
P+|5 k = 81 − 1 − p /
0 ngược lại
Điều kiện trên biến ngẫu nhiên khác
§ Xét trường hợp A = Y = y , ta có
P&'(x, y)
P0|6 x y ≜ P0|678 x =P X=xY=y =
P'(y)
§ Tử số = hàm khối xác suất liên hợp P&|( x 3
§ Mẫu số = hàm khối xác suất biên (chuẩn hoá)
P&|( x 2
y
P&|( x y tỉ lệ
3
thuận với P)* (x, y) x P&|( x 1
2
1 3
2 1 2 3
1
Luật xác suất cho biến ngẫu nhiên
§ Luật nhân xác suất
P&' x, y = P& x P6|0 y x = P' y P0|6 (x|y)
§ Luật xác suất toàn phần
P& x = 6 P&' x, y = 6 P' y P0|6 (x|y)
* *
§ Luật Bayes
P' y P0|6 (x|y) P' y P0|6 (x|y)
P6|0 yx = =
P& x ∑* P' y P0|6 (x|y)
Kì vọng có điều kiện
§ Kì vọng có điều kiện = kì vọng với hàm khối xác suất có điều kiện
𝔼 X A = 6 x P0|2 (x)
(
= 6 xP& x 6 yP' y = 𝔼 X 𝔼 Y
( *
Phương sai của tổng
§ Nếu X, Y độc lập xác suất thì
Var X + Y = Var X + Var Y
Chứng minh: Đặt 𝜇& = 𝔼 X , 𝜇' = 𝔼 Y
,
Var X + Y = 𝔼 X − 𝜇& + Y − 𝜇'
= 𝔼 X − 𝜇& , + 𝔼 Y − 𝜇' , + 2𝔼 (X − 𝜇&)(Y − 𝜇')
= Var X + Var Y + 2𝔼 X − 𝜇& 𝔼 Y − 𝜇'
= Var X + Var Y
Kì vọng, phương sai nhiều biến
§ Nếu X+, X ,, … , X - độc lập xác suất thì
- -
𝔼 e X. = e 𝔼 X.
.7+ .7+
- -
Var 6 X . = 6 Var[X . ]
.7+ .7+
Kì vọng của trung bình cộng
§ Nếu X+, X ,, … , X - là các biến ngẫu nhiên thì trung bình cộng
-
1
f = 6 X.
X
n
.7+
có kì vọng
-
1
f
𝔼 X = 6 𝔼 X.
n
.7+
Trường hợp X+, X ,, … , X - có cùng kì vọng 𝜇 thì
𝔼Xf =𝜇
Phương sai của trung bình cộng
§ Nếu X+, X ,, … , X - độc lập xác suất thì
-
1
Var Xf = 6 Var X .
n,
.7+
Trường hợp X+, X ,, … , X - có cùng phương sai 𝜎 , thì
1 ,
f = 𝜎
Var X
n
+
§ Trung bình cộng có phương sai nhỏ dần cỡ O -
Ví dụ: ước lượng xác suất đồng xu
§ Giả sử ta chưa biết xác suất p của phân bố Bernoulli p
§ Thí nghiệm: tung đồng xu n lần được các biến
X0 ∼ Bernoulli p , i = 1,2, … n
-
S = ∑/0)- X0 (tỉ lệ số lần ra mặt ngửa) ta có
Tính X
/
/
1 1
S
𝔼 X = + 𝔼 X0 = np = p
n n
0)-
/
1 1 p(1 − p)
S =
Var X + Var X0 = . np 1 − p =
n. n n
0)-
S quanh p tiến đến 0 khi n → ∞.
Tức là độ phân tán của X