Bỏ qua đến nội dung chính
Mục lục

Kỳ vọng và phương sai của biến ngẫu nhiên: E(X), Var(X)

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 2/5 · Chương 5

Biến ngẫu nhiên

  • 8 phút
  • Cơ bản
  • Python 3.14
  • Cập nhật

Kỳ vọng và phương sai của biến ngẫu nhiên là hai con số tóm tắt bảng phân phối. Kỳ vọng E(X) là giá trị trung bình khi lặp phép thử nhiều lần, phương sai Var(X) đo các giá trị tản xa kỳ vọng tới đâu. Bạn dùng chúng để biết một trò chơi, một gói bảo hiểm hay một đơn hàng về lâu dài lời hay lỗ, và lời lỗ dao động mạnh cỡ nào.

Cần biết trước: biến ngẫu nhiên, phương sai và mô phỏng bằng NumPy.

Công thức kỳ vọng và phương sai

Biến ngẫu nhiên rời rạc X nhận các giá trị x₁, …, xₖ với xác suất p₁, …, pₖ. Kỳ vọng (expected value) của biến ngẫu nhiên, ký hiệu E(X) hay μ, cộng mỗi giá trị nhân với xác suất của nó:

E(X)=∑i=1kxi piE(X) = \sum_{i=1}^{k} x_i \, p_i

Trong đó:

  • k (len(x)): số giá trị khác nhau của X.

  • x với chỉ số i (x[i]): giá trị thứ i.

  • p với chỉ số i (p[i]): xác suất của giá trị đó; các pᵢ cộng lại bằng 1.

Phương sai lấy kỳ vọng của bình phương độ lệch so với μ, cũng có trọng số là xác suất:

Var(X)=∑i=1k(xi−μ)2pi\text{Var}(X) = \sum_{i=1}^{k} (x_i - \mu)^2 p_i

Trong đó μ là E(X) vừa tính; mỗi bình phương độ lệch nhân với xác suất của giá trị đó. Độ lệch chuẩn σ = √Var(X), cùng đơn vị với X. Khai triển ra được dạng rút gọn Var(X) = E(X²) − μ². Nhiều giáo trình xác suất thống kê đại học ở Việt Nam viết phương sai là D(X) hay V(X); cùng một đại lượng.

Công thức này là phương sai chia N của dữ liệu, chỉ thay "mỗi giá trị đếm một lần" bằng "mỗi giá trị nặng theo xác suất".

Tính kỳ vọng của một vòng quay hội chợ

Vé quay ở một gian hội chợ giá 20 nghìn đồng. Vòng quay trả 0 đ với xác suất 0,6; 20 nghìn với 0,25; 50 nghìn với 0,1; 100 nghìn với 0,05. Gọi X là tiền lời của người chơi sau một vé (thưởng trừ giá vé), tính bằng nghìn đồng:

Bước

Việc

Kết quả

1

Giá trị của X

−20, 0, 30, 80

2

Nhân mỗi giá trị với xác suất

−12; 0; 3; 4

3

Cộng lại

μ = −5

4

Bình phương độ lệch so với −5

225, 25, 1.225, 7.225

5

Nhân xác suất rồi cộng

Var(X) = 625, σ = 25

Khối dưới làm đúng năm bước bằng Python thuần. Sửa giá trị hay xác suất ở hai dòng đầu rồi bấm Chạy:

python
x = [-20, 0, 30, 80]
p = [0.6, 0.25, 0.1, 0.05]
mu = 0
for xi, pi in zip(x, p):
    mu += xi * pi
    print(xi, pi, round(xi * pi, 4))
print("E(X):", round(mu, 4))
var = 0
for xi, pi in zip(x, p):
    var += (xi - mu) ** 2 * pi
print("Var(X):", round(var, 4))
print("σ:", round(var ** 0.5, 4))

KẾT QUẢ

-20 0.6 -12.0
0 0.25 0.0
30 0.1 3.0
80 0.05 4.0
E(X): -5.0
Var(X): 625.0
σ: 25.0

Mỗi vé người chơi lỗ trung bình 5 nghìn đồng: đó là phần gian hàng giữ lại. Kỳ vọng −5 không phải số tiền nào một lượt quay trả ra; nó là mức trung bình về lâu dài. Độ lệch chuẩn 25 nghìn cho thấy từng lượt dao động rộng quanh mức đó.

Đổi 80] thành 100] rồi chạy lại: dòng kỳ vọng in E(X): -4.0, vì giải lớn tăng 20 nghìn mà chỉ có xác suất 0,05.

Tính bằng np.dot()

Tổng của các tích xᵢpᵢ chính là tích vô hướng của hai vector, nên np.dot() cho E(X) trong một lời gọi. Phương sai dùng cùng phép đó trên bình phương độ lệch; dòng cuối kiểm dạng rút gọn E(X²) − μ²:

python
import numpy as np

x = np.array([-20, 0, 30, 80])
p = np.array([0.6, 0.25, 0.1, 0.05])
mu = np.dot(x, p)
var = np.dot((x - mu) ** 2, p)
print("E(X):", round(mu, 4))
print("Var(X):", round(var, 4), "σ:", round(np.sqrt(var), 4))
print("Rút gọn:", round(np.dot(x ** 2, p) - mu ** 2, 4))

KẾT QUẢ

E(X): -5.0
Var(X): 625.0 σ: 25.0
Rút gọn: 625.0

Ba số khớp bảng tay. np.dot(x ** 2, p) là E(X²), kỳ vọng của bình phương; bình phương của kỳ vọng là mu ** 2, một số khác.

Mô phỏng 100.000 lượt quay

Kỳ vọng hứa một điều kiểm được: chơi đủ nhiều thì tiền lời trung bình mỗi vé sát −5 nghìn. Khối dưới rút 100.000 lượt quay bằng rng.choice() với tham số p= là cột xác suất, rồi vẽ trung bình cộng dồn sau mỗi lượt. rng là bộ sinh số có hạt giống:

python
import numpy as np
import matplotlib.pyplot as plt
x, p = [-20, 0, 30, 80], [0.6, 0.25, 0.1, 0.05]
rng = np.random.default_rng(39)
loi = rng.choice(x, size=100_000, replace=True, p=p)
print(round(loi.mean(), 3), round(np.var(loi, ddof=0), 1))
tb_don = np.cumsum(loi) / np.arange(1, loi.size + 1)
fig, ax = plt.subplots(figsize=(6.4, 4), layout="constrained")
ax.plot(np.arange(1, loi.size + 1), tb_don)
ax.axhline(-5, color="black", linestyle="--", label="E(X) = −5")
ax.set_title("Tiền lời trung bình sau n lượt quay")
ax.set(xscale="log", xlabel="Số lượt n (thang log)",
       ylabel="Nghìn đồng mỗi vé")
ax.legend()
plt.show()

KẾT QUẢ

-4.817 634.4
Biểu đồ đường tiền lời trung bình mỗi vé theo số lượt quay, trục x thang log từ 1 tới 100.000 lượt, đường đứt nét ở −5 nghìn đồng; đường bắt đầu ở −20, dao động mạnh tới khoảng 1.000 lượt rồi nằm sát đường −5 từ 10.000 lượt trở đi.

Lần chạy này cho trung bình −4,82 và phương sai 634 trên 100.000 lượt, gần −5 và 625 của công thức. Năm lượt đầu đều thua nên đường bắt đầu ở −20; sau đó một giải 100 nghìn kéo nó lên hẳn; càng nhiều lượt, nó càng bám đường đứt nét. Hiện tượng trung bình mẫu tiến về kỳ vọng khi số lượt tăng có tên là luật số lớn, bài luật số lớn nói rõ nó cần điều kiện gì. Đổi hạt giống 39 thành số khác: phần đầu đường đổi hẳn, phần cuối vẫn quanh −5.

Kiểm tra nhanh

  1. Sau import numpy as np, print(np.dot([1, 2, 3], [0.5, 0.25, 0.25])) in ra gì?

    • 2.0
    • 1.75
    • 6.0
  2. Trong khung bẫy đầu, vì sao np.mean(x) cho 22,5 trong khi kỳ vọng của vòng quay là −5?

    • Vì np.mean() làm tròn các giá trị âm về 0
    • Vì kỳ vọng phải là một trong bốn giá trị của X
    • Vì np.mean() coi bốn giá trị đồng khả năng, trong khi lỗ 20 nghìn có xác suất 0,6
  3. Những câu nào đúng về kỳ vọng và phương sai của biến ngẫu nhiên?

    • Kỳ vọng có thể là một số mà X không bao giờ nhận
    • Phương sai không bao giờ âm
    • Kỳ vọng là giá trị có xác suất lớn nhất
    • Độ lệch chuẩn cùng đơn vị với X, còn phương sai là bình phương đơn vị đó
  4. X nhận 0 và 10, mỗi giá trị xác suất 0,5. Var(X) bằng bao nhiêu?

    • 5
    • 25
    • 50
Đúng hết lần đầu +15 XP

Bài tập

Tính kỳ vọng và phương sai từ bảng phân phối

Một cửa hàng muốn đánh giá các gói khuyến mãi theo bảng phân phối của tiền lời. gia_tri là list các giá trị của X, xac_suat là list xác suất cùng thứ tự (đã cộng bằng 1). Viết thân hàm ky_vong_phuong_sai(gia_tri, xac_suat).

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

Trả về: cặp (E(X), Var(X)) theo đúng thứ tự đó, một tuple.

Ví dụ ky_vong_phuong_sai([-20, 0, 30, 80], [0.6, 0.25, 0.1, 0.05]) cho khoảng (-5.0, 625.0).

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

Tóm tắt

  • Kỳ vọng E(X) = Σ xᵢpᵢ: trung bình của X khi lặp phép thử nhiều lần.

  • Phương sai Var(X) = Σ (xᵢ − μ)² pᵢ; độ lệch chuẩn σ = √Var(X), cùng đơn vị với X.

  • Dạng rút gọn Var(X) = E(X²) − μ²: trừ bình phương của kỳ vọng, không trừ kỳ vọng.

  • np.dot(x, p) cho E(X); np.dot((x - mu) ** 2, p) cho Var(X).

  • Trung bình không trọng số chỉ đúng khi mọi giá trị đồng khả năng.

  • Mô phỏng nhiều lượt cho trung bình sát kỳ vọng, phương sai sát Var(X).

Câu hỏi thường gặp

Giá trị kỳ vọng âm nghĩa là gì?

Về lâu dài, mỗi lần chơi bạn mất trung bình đúng số đó. Vòng quay của bài có E(X) = −5 nghìn: 1.000 vé lỗ khoảng 5 triệu đồng, dù có lượt trúng 100 nghìn. Mô phỏng ở bài mô phỏng bằng NumPy cho thấy cách kiểm một con số như vậy.

Phương sai của biến ngẫu nhiên khác phương sai của dữ liệu thế nào?

Phương sai của dữ liệu chia đều cho N giá trị đã đo; phương sai của biến ngẫu nhiên nhân mỗi bình phương độ lệch với xác suất. Khi mọi giá trị đồng khả năng, xác suất là 1/N và hai cách trùng nhau. Bài phương sai dạy bản của dữ liệu.

Cách tính kỳ vọng của biến liên tục có khác không?

Ý giống hệt, nhưng tổng thay bằng tích phân của x nhân hàm mật độ. Trong Python bạn hiếm khi tự tích phân: đối tượng phân phối của scipy có sẵn .mean() và .var(). Bài PMF, PDF, CDF giới thiệu các đối tượng đó.

Chủ đề

kỳ vọng và phương sai

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