MAT1101: Xác suất thống kê

Biến ngẫu nhiên rời rạc

© Trần Quốc Long - VNU-UET

 Sách
§ Sinh viên có thể đọc thêm mục 2.5 đến mục 2.8
§ Dimitri P. Bertsekas, John N. Tsitsiklis - Introduction to Probability,
2nd Edition -Athena Scientific (2008)
 Nội dung

§ Phân bố rời rạc nhiều biến

§ Biến ngẫu nhiên có điều kiện

§ Biến ngẫu nhiên độc lập

 Nhiều biến ngẫu nhiên
§ Biến ngẫu nhiên = hàm của kết quả thí
nghiệm X

§ Mỗi kết quả được gán một con số

§ Nếu mỗi kết quả được gán nhiều con số
§ X, Y, Z, … 0 s! s" s# s$ s% Ω
§ Quan hệ giữa các biến X, Y, Z ??? Y

§ Ví dụ: X = chiều cao, Y = cân nặng

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)
(

𝔼 g(X) A = 6 g(x) P0|2 (x)

(

𝔼& X Y = y = 6 x P0|6 (x|y)

(
 Kì vọng có điều kiện
§ Nếu A+, A,, … , A- phân chia không gian mẫu Ω thì
𝔼 X = 6 P A. 𝔼 X|A.
. Lưu ý: 𝔼) X|Y = y
là hàm của y
Trường hợp A. = Y = y thì
𝔼 X = 6 P' y 𝔼& X|Y = y = 𝔼' 𝔼& X|Y = y
*
§ Nếu B có P A. ∩ B > 0, ∀i thì
𝔼 X B = 6 P(A. |B)𝔼 X|A. ∩ B
.
 Ví dụ: Kì vọng, phương sai của biến hình học
§ X ∼ G k; p = 1 − p BC+p
𝔼 X = 𝔼 X|X = 1 ×P X = 1 + 𝔼 X|X > 1 ×P X > 1
= 1×p + 1 + 𝔼 X 1 − p
+
Giải phương trình được 𝔼 X = D
𝔼 X , = 𝔼 X ,|X = 1 ×P X = 1 + 𝔼 X ,|X > 1 ×P X > 1
= 1×p + 𝔼 1 + X , 1 − p
= p + 1 − p + 2𝔼 X (1 − p) + 𝔼 X , (1 − p)
+E,𝔼 & (+CD) , +
Giải phương trình được 𝔼 X, = = −
D D! D
 Độc lập xác suất của biến ngẫu nhiên
§ Biến ngẫu nhiên X độc lập với sự kiện A nếu với mọi x ∈ 𝒳
P X = x ∩ A = P X = x P A = P+(x)P(A)
Nếu P A > 0 thì P2|4 x = P+ x , ∀x
§ Biến ngẫu nhiên X và Y độc lập với nhau nếu với mọi x ∈ 𝒳, y ∈ 𝒴
P+, x, y = P X = x ∩ {Y = y}
= P X = x P Y = y = P+ x P,(y)
nghĩa là
∀y P, y > 0 ⇒ P2|8 x y = P+(x)
§ n biến X- , X. , … , X/ độc lập xác suất nếu với mọi x- , x. , … , x/
/
P+ X- = x- , X. = x. , … , X/ = x/ = K P+# (x0 )
0)-
 Độc lập xác suất có điều kiện
§ Biến ngẫu nhiên X và Y độc lập với nhau khi sự kiện A xảy ra nếu với
mọi x ∈ 𝒳, y ∈ 𝒴
P&'|F x, y = P X = x ∩ {Y = y}|A
= P X = x|A P Y = y|A = P&|F x P'|F(y)
nghĩa là
∀y P'|F y > 0 ⇒ P0|6,F x y = P&|F(x)
 Kì vọng của tích
§ Nếu X, Y độc lập xác suất thì
𝔼 XY = 𝔼 X 𝔼 Y
𝔼 g(X)h(Y) = 𝔼 g(X) 𝔼 h(Y)
Chứng minh
𝔼 XY = 6 xyP&' x, y = 6 xP& x yP' y
(,* (,*

= 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