Bỏ qua đến nội dung chính
Mục lục

Bài tập biến ngẫu nhiên, kỳ vọng, phương sai (tự chấm)

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 5/5 · Chương 5

Biến ngẫu nhiên

  • 8 phút
  • Trung cấp
  • Python 3.14
  • Cập nhật

Tám bài tập biến ngẫu nhiên dưới đây được chấm ngay trên trang: mỗi bài bạn viết thân một hàm Python nhỏ, bấm Chạy, và từng dòng kiểm tra báo đạt hay chưa. Các bài dùng lại bảng phân phối, kỳ vọng, phương sai, hàm phân phối CDF, phân phối biên và mô phỏng bằng bộ sinh số có hạt giống.

Cần biết trước: biến ngẫu nhiên, kỳ vọng và phương sai và phân phối đồng thời.

Cách làm các bài tập

Mỗi bài cho sẵn dòng def với thân là pass. Bạn thay pass bằng thân hàm. Trình chấm không đọc những gì bạn in ra: nó gọi hàm với nhiều bộ số khác nhau rồi so giá trị trả về, nên hàm phải return. Số thực được so gần đúng bằng math.isclose(), nên hàm không cần làm tròn.

Mỗi hàm có bốn tới sáu dòng kiểm tra: ví dụ trong đề, một trường hợp biên, một dòng kiểm hàm không sửa list của nơi gọi. Dòng cuối gọi hàm với hàng chục bảng sinh tự động rồi so với một cách tính khác. Hai bài mô phỏng ở mức khó không có đáp số đúng từng chữ số: kết quả được nhận khi nằm trong bốn sai số chuẩn quanh giá trị lý thuyết, và cùng hạt giống phải cho cùng kết quả.

Bí thì mở gợi ý theo thứ tự: gợi ý một chỉ chỗ cần nhìn, gợi ý hai nêu cách làm, gợi ý ba gần như là lời giải. Mỗi đề kết thúc bằng một link "Ôn lại" về bài dạy đúng kỹ thuật đó.

Mức dễ: bảng phân phối và kỳ vọng

Ba bài đầu lập bảng, kiểm bảng và tính một kỳ vọng.

Lập bảng phân phối từ các kết quả đồng khả năng

Một phép thử có các kết quả đồng khả năng; ket_qua là list giá trị của X tại mỗi kết quả, như số mặt ngửa của bốn kết quả NN, NS, SN, SS khi tung hai đồng xu: [2, 1, 1, 0]. Viết thân hàm bang_phan_phoi(ket_qua).

Hàm không sửa list của nơi gọi.

Trả về: dict có khóa là mỗi giá trị của X, giá trị là xác suất của nó, một dict.

Ví dụ bang_phan_phoi([2, 1, 1, 0]) cho {0: 0.25, 1: 0.5, 2: 0.25}. Ôn lại: biến ngẫu nhiên.

python
def bang_phan_phoi(ket_qua):
    pass  # Viết thân hàm thay cho dòng này

Kiểm một list có phải cột xác suất của bảng phân phối

xac_suat là list các số, ít nhất một số. Viết thân hàm la_bang_phan_phoi(xac_suat): trả về đúng khi mọi số nằm từ 0 tới 1 và tổng của chúng bằng 1, sai trong các trường hợp còn lại. Coi tổng bằng 1 khi nó lệch 1 không quá 1e-9, vì phép cộng số thực có sai số làm tròn.

Hàm không sửa list của nơi gọi.

Trả về: list có phải cột xác suất hợp lệ không, một bool.

Ví dụ la_bang_phan_phoi([0.2, 0.5, 0.3]) cho True, còn la_bang_phan_phoi([0.2, 0.5, 0.4]) cho False. Ôn lại: biến ngẫu nhiên.

python
def la_bang_phan_phoi(xac_suat):
    pass  # Viết thân hàm thay cho dòng này

Tính tiền lời kỳ vọng của một vé bốc thăm

Một hội chợ bán vé bốc thăm giá gia_ve nghìn đồng. giai là list các mức thưởng (nghìn đồng, có cả mức 0), xac_suat là list xác suất cùng thứ tự, cộng bằng 1. Viết thân hàm loi_ky_vong(giai, xac_suat, gia_ve) tính tiền lời kỳ vọng của người mua một vé: kỳ vọng tiền thưởng trừ giá vé.

Không dùng np.average(). Hàm không sửa hai list của nơi gọi.

Trả về: tiền lời kỳ vọng, nghìn đồng, một float.

Ví dụ loi_ky_vong([0, 50, 500], [0.9, 0.09, 0.01], 20) cho khoảng -10.5. Ôn lại: kỳ vọng và phương sai.

python
def loi_ky_vong(giai, xac_suat, gia_ve):
    pass  # Viết thân hàm thay cho dòng này

Mức vừa: phương sai, CDF, phân phối biên

Ba bài sau mỗi bài một công cụ: độ lệch chuẩn, hàm ngược của CDF và phép thử độc lập bằng biên.

Tính độ lệch chuẩn của biến ngẫu nhiên bằng công thức rút gọn

gia_tri là list giá trị của X, xac_suat là list xác suất cùng thứ tự. Viết thân hàm do_lech_chuan(gia_tri, xac_suat) tính σ = √(E(X²) − μ²).

Không dùng .std(), .var(), np.cov() hay np.average(). Hàm không sửa hai list của nơi gọi.

Trả về: độ lệch chuẩn của X, một float.

Ví dụ do_lech_chuan([0, 1, 2], [0.36, 0.48, 0.16]) cho khoảng 0.6928. Ôn lại: kỳ vọng và phương sai.

python
def do_lech_chuan(gia_tri, xac_suat):
    pass  # Viết thân hàm thay cho dòng này

Tìm giá trị nhỏ nhất có F(x) ≥ q

Hàm ngược của CDF trả lời câu hỏi "giá trị nhỏ nhất nào đã gom đủ một tỉ lệ q xác suất". gia_tri là list các giá trị không trùng nhau, có thể chưa sắp; xac_suat là list xác suất cùng thứ tự; 0 < q ≤ 1. Viết thân hàm nguong_nho_nhat(gia_tri, xac_suat, q): sắp theo giá trị, cộng dồn xác suất, trả về giá trị đầu tiên mà tổng cộng dồn F(x) ≥ q.

Không dùng .ppf(), .isf() hay rv_discrete. Hàm không sửa hai list của nơi gọi.

Trả về: giá trị x nhỏ nhất có F(x) ≥ q, phần tử của gia_tri, một int.

Ví dụ với tổng hai xúc xắc, nguong_nho_nhat(list(range(2, 13)), [(6 - abs(t - 7)) / 36 for t in range(2, 13)], 0.5) cho 7. Ôn lại: PMF, PDF, CDF.

python
def nguong_nho_nhat(gia_tri, xac_suat, q):
    pass  # Viết thân hàm thay cho dòng này

Kiểm hai biến có độc lập không từ bảng đồng thời

p là bảng phân phối đồng thời dạng list các hàng: hàng là giá trị của X, cột là giá trị của Y, p[i][j] = P(X = xᵢ, Y = yⱼ). Viết thân hàm doc_lap(p): trả về đúng khi mỗi ô bằng tích biên hàng và biên cột của nó, coi hai số bằng nhau khi lệch không quá 1e-9.

Hàm không sửa bảng của nơi gọi.

Trả về: X và Y có độc lập không, một bool.

Ví dụ doc_lap([[0.12, 0.28], [0.18, 0.42]]) cho True. Ôn lại: phân phối đồng thời.

python
def doc_lap(p):
    pass  # Viết thân hàm thay cho dòng này

Mức khó: mô phỏng có hạt giống

Hai bài cuối rút số từ rng của nơi gọi; trình chấm so kết quả với giá trị lý thuyết trong bốn sai số chuẩn.

Mô phỏng: trung bình nhiều lượt rút có sát kỳ vọng không

gia_tri và xac_suat là bảng phân phối của X. Rút so_lan lượt bằng rng.choice(gia_tri, size=so_lan, replace=True, p=xac_suat) rồi lấy trung bình. Viết thân hàm trung_binh_mo_phong(gia_tri, xac_suat, so_lan, rng).

rng do nơi gọi tạo: không dùng np.random.seed(), không tạo bộ sinh số mới bằng np.random.default_rng() trong hàm. Hàm không sửa hai list của nơi gọi.

Trả về: trung bình của các lượt rút, một float.

Ví dụ trung_binh_mo_phong([-20, 0, 30, 80], [0.6, 0.25, 0.1, 0.05], 20000, np.random.default_rng(1)) cho một số gần −5, kỳ vọng của vòng quay hội chợ. Ôn lại: kỳ vọng và phương sai.

python
import numpy as np


def trung_binh_mo_phong(gia_tri, xac_suat, so_lan, rng):
    pass  # Viết thân hàm thay cho dòng này

Mô phỏng: phương sai của tổng hai xúc xắc tự chế

Một con xúc xắc tự chế có các mặt in số trong list mat, mỗi mặt đồng khả năng. Tung hai con như vậy, độc lập, so_lan lượt: rng.choice(mat, size=(so_lan, 2), replace=True), mỗi hàng là một lượt. Tính tổng mỗi hàng rồi lấy phương sai của các tổng, chia n (ddof=0). Viết thân hàm phuong_sai_tong(mat, so_lan, rng).

rng do nơi gọi tạo: không dùng np.random.seed(), không tạo bộ sinh số mới bằng np.random.default_rng() trong hàm. Hàm không sửa list của nơi gọi.

Trả về: phương sai của tổng hai con qua các lượt, một float.

Ví dụ phuong_sai_tong([1, 2, 3, 4, 5, 6], 20000, np.random.default_rng(1)) cho một số gần 5,83: hai con độc lập nên Var(X + Y) = 2 × 35/12. Ôn lại: phân phối đồng thời.

python
import numpy as np


def phuong_sai_tong(mat, so_lan, rng):
    pass  # Viết thân hàm thay cho dòng này

Câu hỏi thường gặp

Bài mô phỏng của tôi đúng mà ra số khác lời giải, có sao không?

Không sao. Rút số theo thứ tự khác cho dãy số khác, nên kết quả lệch ở chữ số thứ ba. Trình chấm nhận mọi kết quả nằm trong bốn sai số chuẩn quanh giá trị lý thuyết, và chỉ đòi cùng hạt giống thì ra cùng số. Bài kỳ vọng và phương sai dùng cùng cách mô phỏng.

Vì sao bài kiểm bảng phân phối không so tổng bằng 1 bằng dấu bằng?

Máy tính lưu 0,1 dưới dạng nhị phân xấp xỉ, nên cộng mười số 0,1 ra 0,9999999999999999. So bằng == sẽ báo sai một bảng hoàn toàn hợp lệ. math.isclose() với một dung sai nhỏ là cách so số thực an toàn.

Làm xong tám bài này thì học tiếp gì?

Chương sau dạy các phân phối có tên, bắt đầu từ phân phối nhị thức: thay vì tự lập bảng, bạn gọi scipy.stats.binom và dùng đúng các phương thức .pmf, .cdf, .sf, .ppf của bài PMF, PDF, CDF.

Chủ đề

bài tập biến ngẫu nhiên

Bài này có hữu ích?

Hỏi đáp

Đang tải câu hỏi…

Tham vấn chuyên môn

Nguyễn Việt Chung

Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE

  • Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
  • Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
  • Xây hệ thống AI cho doanh nghiệp tại VietPlatform.
Biên soạn: AIDev Team · Rà soát · Quy trình biên tập