MAT1101: Xác suất thống kê

Biến ngẫu nhiên liên tục

© Trần Quốc Long - VNU-UET

 Sách
§ Sinh viên có thể đọc thêm mục 3.4 đến mục 3.6
§ Dimitri P. Bertsekas, John N. Tsitsiklis - Introduction to Probability,
2nd Edition -Athena Scientific (2008)
 Nội dung

§ Phân bố liên hợp nhiều biến

§ Hàm mật độ liên hợp

§ Hàm mật độ có điều kiện

§ Các luật xác suất cho hàm mật

độ
 Phân bố liên hợp nhiều biến
§ Hai biến X, Y từ cùng một thí nghiệm có phân bố liên hợp với hàm
mật độ f!"(x, y) nếu

P X, Y ∈ B = - f!"(x, y)dxdy
#,% ∈'
với mọi tập con B ⊂ ℝ(. Trường hợp B = a, b × c, d thì
* ,

P a ≤ X ≤ b, c ≤ Y ≤ D = 7 7 f!"(x, y)dxdy
) +
 Tính chất của hàm mật độ liên hợp
§ Khi B = ℝ( thì điều kiện của f!"(x, y) là
. .

7 7 f!"(x, y)dxdy = 1
-. -.
§ Xét trong lân cận B = a, a + 𝛿 × c, c + 𝛿 thì
)/0 +/0

7 7 f!"(x, y)dxdy ≈ f!" a, c 𝛿 (

) +
Suy ra f!" a, c là xác suất trên một đơn vị diện tích quanh (a, c)
 Mật độ xác suất biên
§ Với mọi tập A ⊂ 𝒳
.

P X ∈ A = 7 7 f!"(x, y)dxdy = 7 f!(x)dx

#∈1 -. #∈1
suy ra
.

f! x = 7 f!"(x, y)dy
-.
.

f" y = 7 f!"(x, y)dx

-.
 Ví dụ: phân bố đều
§ Xét mật độ
1 0 ≤ x ≤ 1,0 ≤ y ≤ 1
f!" x, y = >
0 ngược lại
= 𝕀(0 ≤ x ≤ 1,0 ≤ y ≤ 1)
Các điểm có khả năng xảy ra như nhau à phân bố đều trên 0,1 (

§ Tổng quát, xét vùng S ⊂ ℝ( có diện tích area(S)

1
f!" x, y = 𝕀( x, y ∈ S)
area S
là phân bố đều trên vùng S.
 Ví dụ: cây kim của Buffon
§ X = khoảng cách từ trung điểm đến dòng kẻ Ném cây kim có độ dài
ℓ < d xuống tờ giấy có
gần nhất các dòng kẻ cách nhau
với khoảng cách là d.
§ Θ = góc của kim so với dòng kẻ
§ Do ném ngẫu nhiên Tính xác suất cây kim
cắt ngang một dòng kẻ.
d 𝜋
X, Θ ∼ 𝒰 0, × 0,
2 2 d

ℓ {
ℓ
§ Để kim cắt dòng kẻ thì X ≤ sin Θ

2
( d
Θ X
 Ví dụ: cây kim của Buffon
, 8 : Ném cây kim có độ dài
§ X, Θ ∼ 𝒰 0, ( × 0, ( ⇒ f!9 x, θ = ,8 ℓ < d xuống tờ giấy có
các dòng kẻ cách nhau
§ Cần tính với khoảng cách là d.
8/( ℓ/(=>?9
ℓ 4 Tính xác suất cây kim
P X ≤ sin Θ = 7 dΘ 7 dx cắt ngang một dòng kẻ.
2 d𝜋
; ;
8/( 8/(
d
ℓ 4 2ℓ

ℓ {
= 7 dΘ sinΘ = 7 dΘsinΘ

2
2 d𝜋 d𝜋 Θ X d
; ;
2ℓ 8/( 2ℓ
= −cosΘ V = có thể tung kim nhiều lần
d𝜋 ; d𝜋 để ước lượng 𝜋 !!!
 Hàm phân bố tích luỹ liên hợp
§ Hai biến X, Y từ cùng một thí nghiệm có phân bố liên hợp với hàm
mật độ f!"(x, y) thì hàm phân bố tích luỹ liên hợp là
# %

F!" x, y = P X ≤ x, Y ≤ y = 7 7 f!"(𝜉, 𝜂)d𝜉d𝜂

-. -.
§ Quan hệ với hàm mật độ
𝜕 (F!"
f!" x, y = x, y
𝜕𝑥𝜕y
 Ví dụ: phân bố đều
§ Mật độ của phân bố đều: f!" x, y = 𝕀(0 ≤ x ≤ 1,0 ≤ y ≤ 1)
§ Hàm phân bố tích luỹ
# %

F!" x, y = 7 7 f!"(𝜉, 𝜂)d𝜉d𝜂 = xy

-. -.
khi 0 ≤ x ≤ 1,0 ≤ y ≤ 1.
 Kì vọng
. .
§ 𝔼 g X, Y = ∫-. ∫-. g(x, y)f!"(x, y)dxdy
§ 𝔼 aX + bY + c = a𝔼 X + b𝔼 Y + c
§ 𝔼 ∑> X > = ∑> 𝔼[X > ]
 Hàm mật độ có điều kiện
§ Hàm mật độ của biến X khi điều kiện A xảy ra (P A > 0) là hàm
fA|C x thoả mãn
P X ∈ B A = 7 fA|C x dx f!|# x
#∈'
với mọi tập con B ⊂ ℝ.
∫!∈#∩% E& (#),#
Vì P X ∈ B A = H(1)
nên f! x

f!(x) x∈A
x∈A
fA|C x dx = d P(A)
0 x∉A
 Ví dụ: phân bố mũ
§ Thời gian chờ T ∼ exp(t; 𝜆)
§ Ví dụ: thời gian để sản phẩm hỏng
§ fL t = 𝜆e-MN
§ A= T>t
§ X = thời gian phải đợi thêm
P(T > t + x, T > t) P(T > t + x) e$%('()) $%)
P X>xT>t = = = = e
P(T > t) P(T > t) e$%'
§ Khi đã biết T > t, phân bố của thời gian chờ tiếp theo vẫn là phân
bố mũ như cũ à tính quên
 Hàm mật độ liên hợp có điều kiện
§ Giả sử sự kiện C = (x, y) ⊂ ℝ( có P C > 0
f!"(x, y)
(x, y) ∈ C
fA,"|O x, y dx = d P(C)
0 (x, y) ∉ C
là hàm mật độ liên hợp có điều kiện
 Luật xác suất toàn phần
§ Nếu AP, A(, … , A? phân chia không gian mẫu
P X ≤ x = z P(A> )P(X ≤ x|A> )
>
# #
7 f!(t)dt = z P(A> ) 7 f!|1' (t)dt
-. > -.

Lấy đạo hàm hai vế theo x

f! x = z P(A> )f!|1' (x)
>
 Ví dụ: chờ tàu
§ Tàu chạy từ 6:30 sáng, mỗi 15 phút một lần f$ (x)
1
§ X = thời điểm đến ga tàu, X ∼ 𝒰[7: 10,7: 30] 20

§ Y = thời gian chờ tàu 7:10 7:15 7:30

§ A = sự kiện 7: 10 ≤ X ≤ 7: 15 ⇒ P A = 1/4 1 f%|& (y)
5
§ B = sự kiện 7: 15 < X ≤ 7: 30 ⇒ P B = 3/4
Khi A xảy ra thì X|A ∼ 𝒰 7: 10,7: 15 ⇒ Y|A ∼ 𝒰[0,5] 5
f%|' (y)
Khi B xảy ra thì X|B ∼ 𝒰 7: 15,7: 30 ⇒ Y|B ∼ 𝒰[0,15] 1
15
1 1 3 1
f! y = × ×𝕀 0 ≤ y ≤ 5 + × ×𝕀 0 ≤ y ≤ 15 15
4 5 4 15
1 1 1 1 %
f (y)
= ×𝕀 0 ≤ y ≤ 5 + ×𝕀 5 < y ≤ 15 10
10 20 20
15
 Hàm mật độ có điều kiện từ biến khác
§ Hàm mật độ có điều kiện
f%!(x, y)
f"|$ x, y =
f!(y)
f% x = A f! y f"|$ (x, y)dy
&
§ Đây là hàm của x còn Y = y đã cố định
'
§ Có cùng hình dạng như f%!(x, y) nhưng được nhân với hệ số
(! (&)
,
§ Do ∫+, f%!(x, y) dx = f!(y) nên f"|$ x, y là hàm mật độ
§ Với mọi tập con A ⊂ ℝ, ta có
P X ∈ A|Y = y = A f%|! x, y dx
-∈/
 Ví dụ: phân bố đều trong hình tròn
§ (X, Y) phân bố đều trong x, y : x 0 + y 0 ≤ r 0 ⊂ ℝ0
r
'
§ f%! x, y = khi x 0 + y 0 ≤ r 0 x
12" y
2" +&"
1 2 − r0 y0
f! y = A 0 dx = 0 ,∀ y ≤ r
+ 2" +&" 𝜋r 𝜋r
f%! x, y 1
f"|$ x, y = = , ∀x: x 0 ≤ r 0 − y 0
f! y 2 r0 − y0
§ Kiểm tra:
, 2" +&" 1
A f"|$ x, y dx = A dx = 1
+, + 2" +&" 2 r0 − y0
tức là f"|$ x, y là hàm mật độ của X|Y có phân bố đều 𝒰[− r 0 − y 0 , r 0 − y 0 ]
Mô hình xác suất bằng hàm mật độ có điều kiện
P
§ Ví dụ: Vận tốc X của xe có phân bố X ∼ exp x; U;
Sai số đo vận tốc Y phụ thuộc vào vận tốc thực X, có phân bố
(
1
Y|X ∼ 𝒩 y; X, X
10
Hàm mật độ liên hợp là
&+- "
+ - 34 &+- "
1 +- 1 0-" 1 + 345
f%! x, y = f% x f$|" y = e 34 e '44 = e -"
50 2𝜋x 0 5 2𝜋x
100
 Kì vọng có điều kiện
§ 𝔼 X A = ∫# xf!|1 x dx
§ 𝔼 X Y = y = ∫# xf!|" x, y dx
§ 𝔼 g(X) A = ∫# g x f!|1 x dx
§ 𝔼 g(X) Y = y = ∫# g x f!|" x, y dx
§ 𝔼 X = ∑> P A > 𝔼 X A >
§ 𝔼 X = ∫% f" y 𝔼 X Y = y dy
có thể tổng quát hoá các công thức trên cho nhiều biến
 Ví dụ: phân bố đều từng đoạn
§ Tính kì vọng, phương sai của biến X có mật độ
1 2
f! x = 𝕀 0 ≤ x ≤ 1 + 𝕀 1 < x ≤ 2
3 3
AP = 0 ≤ X ≤ 1 , A( = 1 ≤ X ≤ 2
1 2 7
𝔼 X = P AP 𝔼 X AP + P A( 𝔼 X A( = ×0,5 + ×1,5 =
3 3 6
( ( (
1 1 2 7 15
𝔼 X = P AP 𝔼 X AP + P A( 𝔼 X A( = × + × =
3 3 3 3 9
( (
11
var X = 𝔼 X − 𝔼 X =
36
 Biến ngẫu nhiên độc lập xác suất
§ Định nghĩa: Hai biến X, Y độc lập xác suất nếu
f!" x, y = f! x f" y , ∀x, y
§ Hệ quả: nếu f" y > 0 thì
fA|V x, y = f! x , ∀x, y
à biết y không làm thay đổi mật độ của x.
§ Tương tự, ba biến X, Y, Z độc lập xác suất nếu
f!"W x, y, z = f! x f" y fW z , ∀x, y, z
 Ví dụ: hai biến chuẩn độc lập
§ Nếu X ∼ 𝒩(x; 𝜇- , 𝜎-0 ) và Y ∼ 𝒩(y; 𝜇&, 𝜎&0 ) độc lập xác đường đồng mức
"
suất x − 𝜇! "
+
x − 𝜇#
= const
" 2𝜎!" 2𝜎#"
-+6# " -+6$
1 + " 1 +
07$"
f%! x, y = e 07# e
2𝜋𝜎-0 2𝜋𝜎&0
"
-+6# " -+6$
1 1 +
07#"
5
07$" 𝜎)
= e
2𝜋𝜎-0 2𝜋𝜎 0 𝜇( , 𝜇) 𝜎(
&

Phân bố liên hợp của X, Y có dạng hình chuông với

tâm tại 𝜇- , 𝜇&
 Biến ngẫu nhiên độc lập xác suất
§ Hệ quả: Hai biến X, Y độc lập xác suất thì các sự kiện X ∈ A và
Y ∈ B độc lập xác suất
§ Chứng minh

P X ∈ A, Y ∈ B = Q f%! x, y dxdy = Q f% x f!(y)dxdy

-∈/,&∈9 -∈/,&∈9

= A f%(x)dx A f!(y)dx = P(X ∈ A)P(Y ∈ B)

-∈/ &∈9

Trường hợp đặc biệt của hàm phân bố tích luỹ X ≤ x và Y ≤ y

F!" x, y = F! x F"(y)
 Kì vọng, phương sai các biến độc lập xác suất
Hai biến X, Y độc lập xác suất thì
§ 𝔼 XY = 𝔼[X]𝔼[Y]
§ 𝔼 g(X)h(Y) = 𝔼 g X 𝔼 h Y
§ Var X + Y = Var X + Var[Y]
 Luật Bayes cho hàm mật độ
(%! (-,&) (%! (-,&)
§ Biến X liên tục, do f"|$ x|y = và f!|% y |x = nên
(! (&) (% (-)
f!|% y|x f% x f!|% y|x f% x
f"|$ x, y = = ,
f! y ∫+, f!|% y|t f% t dt
§ Sự kiện A
f$|: (y)P(A) f$|: (y)P(A)
P AY=y = =
f!(y) f$|: y P A + f$|:& (y)P(A; )
P A Y = y f!(y) P A Y = y f!(y)
f$|: y = = ,
P(A) ∫ P A|Y = t f! t dt
+,
§ Biến rời rạc: sự kiện A = N = n
f$|< y|n P<(n) f$|< y|n P<(n)
P N=nY=y = =
f!(y) ∑= f$|< y|i P<(i)
 Ví dụ: tuổi thọ sản phẩm
§ Bóng đèn có tuổi thọ Y ∼ exp y; 𝜆
Z
§ Tham số 𝜆 có phân bố 𝜆 ∼ 𝒰 1, (
§ Nếu đo được tuổi thọ Y = y thì phân bố của 𝜆 thay đổi thế nào
-M%
3
f"|M y|𝜆 = 𝜆e ; fM 𝜆 = 2𝕀 1 ≤ 𝜆 ≤
2
f"|M y|𝜆 fM 𝜆 2𝜆e-M% 3
fM|V 𝜆 y = . = Z/( 𝕀 1≤𝜆≤
∫ f"|M y|t fM t dt ∫ 2te-N% dt 2
-. P
2𝜆y (e-M% 3
= -% -Z%/(
𝕀 1≤𝜆≤
2 y + 1 e − (3y + 2) e 2
 Ví dụ: giải mã kênh nhiễu
§ Tín hiệu S có hàm khối xác suất P S = 1 = p, P S = −1 = 1 − p
§ Tín hiệu thu nhận được bị nhiễu Y = S + N với N ∼ 𝒩 n; 0,1
§ Giải mã ⇔ Tìm xác suất P(S = 1|Y = y)
f$|> (y|1)P(S = 1)
P S=1Y=y =
f$|> y 1 P S = 1 + f$|> (y| − 1)P(S = −1)
p𝒩 y; 1,1 pe&
= = &
p𝒩 y; 1,1 + 1 − p 𝒩 y; −1,1 pe + 1 − p e+&
1

p P(S = 1|Y = y)