Phân phối đồng thời, phân phối biên của hai biến ngẫu nhiên
Bài 4/5 · Chương 5
Biến ngẫu nhiên
- 8 phút
- Trung cấp
- Python 3.14
- Cập nhật
Trong bài này · 11
Phân phối đồng thời của hai biến ngẫu nhiên X và Y cho xác suất của từng cặp giá trị (x, y) xảy ra cùng lúc, ghi thành một bảng hai chiều. Từ bảng đó bạn cộng theo hàng hay theo cột để được phân phối biên của từng biến, rồi đo hai biến đi cùng nhau mạnh tới đâu.
Cần biết trước: biến ngẫu nhiên, kỳ vọng và phương sai và trục trong NumPy.
Bảng phân phối đồng thời và phân phối biên
Một tiệm bánh ghi lại mỗi khách mua gì. Gọi X là số ổ bánh mì (0, 1 hoặc 2) và Y là số ly cà phê (0 hoặc 1) của một khách. Cặp (X, Y) là một véc tơ ngẫu nhiên hai chiều. Bảng phân phối đồng thời (joint distribution) ghi p(x, y) = P(X = x, Y = y) cho mỗi ô, và mọi ô cộng lại bằng 1:
Y = 0 | Y = 1 | Biên của X | |
|---|---|---|---|
X = 0 | 0,20 | 0,10 | 0,30 |
X = 1 | 0,15 | 0,30 | 0,45 |
X = 2 | 0,05 | 0,20 | 0,25 |
Biên của Y | 0,40 | 0,60 | 1 |
Cột cuối và hàng cuối là phân phối biên (marginal distribution): muốn P(X = x) thì cộng cả hàng x, bỏ qua Y.
Trong đó:
p(x, y) (
p[i, j]): xác suất ô ở hàng x, cột y.Tổng chạy qua mọi giá trị y của Y, tức cộng hết một hàng.
p_X(x) (
p.sum(axis=1)[i]): xác suất biên của X tại x. Biên của Y cộng theo cột theo cách tương tự.
Hai biến độc lập khi mỗi ô bằng tích hai biên của nó, như bài biến cố độc lập. Ô (0, 0) là 0,20, còn 0,30 × 0,40 = 0,12, nên ở tiệm này X và Y không độc lập.
Hiệp phương sai và Var(X + Y)
Hiệp phương sai (covariance) đo X và Y lệch khỏi kỳ vọng cùng chiều hay ngược chiều: Cov(X, Y) = E(XY) − E(X)E(Y), với E(XY) = Σ x·y·p(x, y) trên mọi ô. Nó dương khi khách mua nhiều bánh hay kèm cà phê. Từ đó có công thức cho phương sai của tổng:
Var(X + Y) = Var(X) + Var(Y) + 2Cov(X, Y).
Khi hai biến độc lập thì Cov = 0 và phương sai cộng thẳng. Khối dưới tính tay từng bước bằng Python thuần; sửa số trong bảng p rồi bấm Chạy:
x, y = [0, 1, 2], [0, 1]
p = [[0.20, 0.10], [0.15, 0.30], [0.05, 0.20]]
px = [sum(hang) for hang in p]
py = [sum(hang[j] for hang in p) for j in range(len(y))]
print("Biên X:", [round(v, 2) for v in px])
print("Biên Y:", [round(v, 2) for v in py])
ex = sum(a * b for a, b in zip(x, px))
ey = sum(a * b for a, b in zip(y, py))
exy = sum(x[i] * y[j] * p[i][j]
for i in range(3) for j in range(2))
print("E(X), E(Y), E(XY):", round(ex, 2), round(ey, 2), round(exy, 2))
print("Cov(X, Y):", round(exy - ex * ey, 4))KẾT QUẢ
Biên X: [0.3, 0.45, 0.25]
Biên Y: [0.4, 0.6]
E(X), E(Y), E(XY): 0.95 0.6 0.7
Cov(X, Y): 0.13Mỗi khách mua trung bình 0,95 ổ bánh và 0,6 ly cà phê. Hiệp phương sai 0,13 dương: khách mua bánh hay gọi thêm cà phê.
Tính bằng sum(axis=) của NumPy
Đưa bảng vào mảng 3 × 2 (xem shape) thì biên là một lời gọi sum. axis=1 cộng dọc mỗi hàng, cho biên của X; axis=0 cộng dọc mỗi cột, cho biên của Y. Phép x @ p @ y cộng x·y·p trên mọi ô, chính là E(XY):
import numpy as np
x, y = np.array([0, 1, 2]), np.array([0, 1])
p = np.array([[0.20, 0.10], [0.15, 0.30], [0.05, 0.20]])
px, py = p.sum(axis=1), p.sum(axis=0)
ex, ey = x @ px, y @ py
cov = x @ p @ y - ex * ey
var_x = (x - ex) ** 2 @ px
var_y = (y - ey) ** 2 @ py
print(px, py)
print(round(var_x, 4), round(var_y, 4), round(cov, 4))
print("Var(X + Y):", round(var_x + var_y + 2 * cov, 4))KẾT QUẢ
[0.3 0.45 0.25] [0.4 0.6]
0.5475 0.24 0.13
Var(X + Y): 1.0475Var(X + Y) = 0,5475 + 0,24 + 2 × 0,13 = 1,0475. Đổi [[0.20, 0.10], [0.15, 0.30], [0.05, 0.20]] thành [[0.0, 0.30], [0.15, 0.30], [0.25, 0.0]] rồi chạy lại: hai biên giữ nguyên, nhưng dòng cuối in Var(X + Y): 0.2475, vì hiệp phương sai thành −0,27.
Mô phỏng 100.000 khách để kiểm Var(X + Y)
Mỗi ô của bảng là một kết quả của một khách. Rút 100.000 chỉ số ô theo xác suất p.ravel(), đổi chỉ số về hàng và cột bằng np.divmod(), rồi tính phương sai của tổng như bài mô phỏng bằng NumPy:
import numpy as np
p = np.array([[0.20, 0.10], [0.15, 0.30], [0.05, 0.20]])
rng = np.random.default_rng(41)
o = rng.choice(p.size, size=100_000, replace=True, p=p.ravel())
x, y = np.divmod(o, p.shape[1])
tong = x + y
print(round(x.mean(), 3), round(y.mean(), 3))
rieng = np.var(x, ddof=0) + np.var(y, ddof=0)
print(round(np.var(tong, ddof=0), 3), round(rieng, 3))KẾT QUẢ
0.948 0.601
1.04 0.784Lần chạy này cho trung bình 0,948 và 0,601, sát 0,95 và 0,6. Phương sai của tổng là 1,04, sát 1,0475; tổng hai phương sai riêng là 0,784, sát 0,7875, thấp hơn đúng khoảng 2Cov. Bài hiệp phương sai tính đại lượng này trên dữ liệu thật, với mẫu chia n − 1.
Kiểm tra nhanh
Sau
import numpy as np,print(np.array([[0.1, 0.2], [0.3, 0.4]]).sum(axis=0))in ra gì?[0.4 0.6][0.3 0.7]1.0
X và Y độc lập. Câu nào chắc chắn đúng?
- Mỗi ô p(x, y) bằng tích hai xác suất biên
- Cov(X, Y) = 0
- Var(X + Y) = Var(X) + Var(Y)
- Hai biến biên giống hệt nhau
Trong khung bẫy thứ hai, vì sao 0,5475 + 0,24 thấp hơn Var(X + Y) thật?
- Vì phương sai của biến rời rạc phải chia n − 1
- Vì X và Y cùng tăng: phép cộng bỏ mất số hạng 2Cov(X, Y) = 2 × 0,13
- Vì biên của Y tính sai trục
Bảng 2 × 2 có các ô 0,12; 0,28; 0,18; 0,42 (hai hàng, hai cột). Hai biến có độc lập không?
- Có, mỗi ô bằng tích biên hàng 0,4 hoặc 0,6 với biên cột 0,3 hoặc 0,7
- Không, vì các ô khác nhau
- Không thể biết nếu chưa có giá trị của X và Y
Bài tập
Tính hiệp phương sai từ bảng phân phối đồng thời
Một quán trà sữa ghi phân phối đồng thời của số ly trà sữa X và số phần topping Y mỗi khách gọi. x là list giá trị của X (theo hàng), y là list giá trị của Y (theo cột), p là list các hàng, p[i][j] = P(X = x[i], Y = y[j]). Viết thân hàm hiep_phuong_sai(x, y, p) tính Cov(X, Y).
Không dùng np.cov() hay np.average(). Hàm không sửa ba list của nơi gọi.
Trả về: hiệp phương sai của X và Y, một float.
Ví dụ với bảng tiệm bánh trong bài, hiep_phuong_sai([0, 1, 2], [0, 1], [[0.2, 0.1], [0.15, 0.3], [0.05, 0.2]]) cho khoảng 0.13.
def hiep_phuong_sai(x, y, p):
pass # Viết thân hàm thay cho dòng nàyTóm tắt
Phân phối đồng thời ghi p(x, y) cho mỗi cặp giá trị; mọi ô cộng lại bằng 1.
Phân phối biên của X cộng mỗi hàng, của Y cộng mỗi cột:
p.sum(axis=1)vàp.sum(axis=0).X và Y độc lập khi mỗi ô bằng tích hai biên của nó.
Cov(X, Y) = E(XY) − E(X)E(Y), với E(XY) =
x @ p @ ykhi hàng là X, cột là Y.Var(X + Y) = Var X + Var Y + 2Cov; chỉ khi Cov = 0 mới cộng thẳng hai phương sai.
Câu hỏi thường gặp
Véc tơ ngẫu nhiên là gì?
Là một bộ nhiều biến ngẫu nhiên xét cùng lúc trên một phép thử, như cặp (số bánh, số cà phê) của một khách. Phân phối của véc tơ chính là phân phối đồng thời của các biến trong nó; bài này dừng ở hai biến rời rạc.
Từ phân phối biên có dựng lại được bảng đồng thời không?
Chỉ khi biết hai biến độc lập: khi đó mỗi ô là tích hai biên. Nếu không, nhiều bảng khác nhau cho cùng hai biên, như bảng tiệm bánh và bảng đã đổi số trong bài. Bài xác suất có điều kiện cho cách đọc từng hàng của bảng.
Hiệp phương sai bằng 0 có nghĩa là hai biến độc lập không?
Không chắc. Độc lập kéo theo Cov = 0, nhưng chiều ngược lại có thể sai: hai biến có thể liên hệ theo đường cong mà hiệp phương sai vẫn bằng 0. Muốn khẳng định độc lập phải kiểm mỗi ô bằng tích biên.
Chủ đề
Bài này có hữu ích?
Hỏi đáp
Tham vấn chuyên môn
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.