Hàm mật độ xác suất, hàm phân phối: PMF, PDF, CDF, scipy
Bài 3/5 · Chương 5
Biến ngẫu nhiên
- 8 phút
- Trung cấp
- Python 3.14
- Cập nhật
Trong bài này · 13
Hàm mật độ xác suất (PDF) của một biến ngẫu nhiên liên tục là đường cong mà diện tích dưới nó trên một khoảng bằng xác suất biến rơi vào khoảng đó. Biến rời rạc có hàm xác suất (PMF), và cả hai loại có hàm phân phối (CDF) cho xác suất "không vượt quá x". Bạn dùng ba hàm này mỗi khi hỏi "đúng bằng", "trong khoảng" hay "không quá bao nhiêu".
Cần biết trước: kỳ vọng và phương sai, tần suất tích lũy và ECDF và cài đặt scipy.
PMF, PDF và hàm phân phối CDF
Một phân phối xác suất (probability distribution) được mô tả bằng một trong ba hàm:
Hàm xác suất (probability mass function, PMF) của biến rời rạc: p(x) = P(X = x), chính là cột xác suất của bảng phân phối.
Hàm mật độ (probability density function, PDF) của biến liên tục: f(x) ≥ 0, diện tích dưới cả đường bằng 1, và P(a ≤ X ≤ b) là diện tích dưới đường từ a tới b.
Hàm phân phối tích lũy (cumulative distribution function, CDF), dùng cho cả hai loại:
Trong đó:
X: biến ngẫu nhiên.
x (
x): ngưỡng bạn hỏi.F(x) (
d.cdf(x)): xác suất để X không vượt quá x, một số từ 0 tới 1, không bao giờ giảm khi x tăng.
Với biến rời rạc, F(x) là tổng các p(xᵢ) có xᵢ ≤ x. Với biến liên tục, F(x) là diện tích dưới đường mật độ từ trái tới x. Hai cách nhìn gặp nhau ở một công thức: P(a < X ≤ b) = F(b) − F(a).
Tính CDF của tổng hai xúc xắc bằng tay
Tổng hai xúc xắc có PMF 1/36, 2/36, …, 6/36, …, 1/36 cho các giá trị 2 đến 12. CDF cộng dồn cột đó từ trái sang:
x | 2 | 3 | 4 | 5 | 6 | 7 |
|---|---|---|---|---|---|---|
p(x) | 1/36 | 2/36 | 3/36 | 4/36 | 5/36 | 6/36 |
F(x) | 1/36 | 3/36 | 6/36 | 10/36 | 15/36 | 21/36 |
F(7) = 21/36 ≈ 0,583: hơn nửa số lượt tung có tổng không quá 7. Khối dưới cộng dồn bằng một vòng lặp; sửa ngưỡng x ở dòng đầu rồi bấm Chạy:
x = 7
gia_tri = list(range(2, 13))
pmf = [(6 - abs(t - 7)) / 36 for t in gia_tri]
F = 0
for t, p in zip(gia_tri, pmf):
if t <= x:
F += p
print(t, round(p, 4), round(F, 4))
print("F(", x, ") =", round(F, 4))KẾT QUẢ
2 0.0278 0.0278
3 0.0556 0.0833
4 0.0833 0.1667
5 0.1111 0.2778
6 0.1389 0.4167
7 0.1667 0.5833
F( 7 ) = 0.5833Đổi x = 7 thành x = 12 rồi chạy lại: dòng cuối in F( 12 ) = 1.0, vì ngưỡng vượt mọi giá trị.
Đối tượng phân phối của scipy.stats
scipy.stats gói một phân phối vào một đối tượng có sẵn mọi hàm. Với bảng phân phối tự lập, stats.rv_discrete(values=(gia_tri, xac_suat)) dựng đối tượng đó; mỗi phương thức trả lời một câu hỏi:
from scipy import stats
gia_tri = list(range(2, 13))
pmf = [(6 - abs(t - 7)) / 36 for t in gia_tri]
d = stats.rv_discrete(values=(gia_tri, pmf))
print("pmf(7):", round(d.pmf(7), 4))
print("cdf(7):", round(d.cdf(7), 4))
print("sf(9):", round(d.sf(9), 4))
print("ppf(0.5):", d.ppf(0.5))
print("mean, var:", round(d.mean(), 4), round(d.var(), 4))KẾT QUẢ
pmf(7): 0.1667
cdf(7): 0.5833
sf(9): 0.1667
ppf(0.5): 7.0
mean, var: 7.0 5.8333Phương thức | Trả lời câu hỏi |
|---|---|
| P(X = x), biến rời rạc |
| mật độ tại x, biến liên tục |
| P(X ≤ x) |
| P(X > x) = 1 − F(x), "survival function" |
| giá trị nhỏ nhất có F ≥ q, hàm ngược của CDF |
| rút mẫu ngẫu nhiên |
cdf(7) khớp 0,5833 của bảng tay. ppf(0.5) là 7.0: tổng nhỏ nhất mà xác suất cộng dồn đã chạm một nửa, tức trung vị của phân phối. mean() và var() cho 7 và 35/6 ≈ 5,8333, đúng công thức kỳ vọng và phương sai.
Hàm mật độ của biến liên tục
Biến liên tục dùng .pdf() thay cho .pmf(). Ví dụ phổ biến là phân phối chuẩn, bài sau dạy kỹ; ở đây chỉ cần nó làm một đường mật độ. Thời gian pha một ly cà phê, tính bằng phút, có mật độ hình chuông quanh 3 phút với độ lệch chuẩn 0,2 phút:
from scipy import stats
pha = stats.norm(loc=3, scale=0.2)
print("pdf(3):", round(pha.pdf(3), 4))
print("P(2,8 ≤ X ≤ 3,2):", round(pha.cdf(3.2) - pha.cdf(2.8), 4))
print("P(X = 3):", pha.cdf(3) - pha.cdf(3))KẾT QUẢ
pdf(3): 1.9947
P(2,8 ≤ X ≤ 3,2): 0.6827
P(X = 3): 0.0Mật độ tại 3 phút gần bằng 2, mà xác suất thì không vượt quá 1: mật độ là "xác suất trên mỗi phút", nhân với độ rộng của một khoảng nhỏ mới ra xác suất. Xác suất của khoảng [2,8; 3,2] là hiệu hai giá trị CDF, còn xác suất của đúng một điểm bằng 0.
Mô phỏng: ECDF chồng lên CDF
.rvs() rút mẫu từ chính đối tượng phân phối. Rút 500 lượt tổng hai xúc xắc, vẽ hàm phân phối thực nghiệm của mẫu, chồng lên CDF lý thuyết. Vẽ trên một axes theo bài figure và axes:
import numpy as np
import matplotlib.pyplot as plt
from scipy import stats
gia_tri = np.arange(2, 13)
d = stats.rv_discrete(values=(gia_tri, (6 - abs(gia_tri - 7)) / 36))
rng = np.random.default_rng(40)
mau = np.sort(d.rvs(size=500, random_state=rng))
ecdf_x = np.searchsorted(mau, gia_tri, side="right") / mau.size
print(round(np.abs(ecdf_x - d.cdf(gia_tri)).max(), 3))
fig, ax = plt.subplots(figsize=(6.4, 4), layout="constrained")
ax.ecdf(mau, label="ECDF của 500 lượt")
ax.step(gia_tri, d.cdf(gia_tri), "k--", where="post", label="CDF")
ax.set(title="Tổng hai xúc xắc", xlabel="x", ylabel="P(X ≤ x)")
ax.legend()
plt.show()KẾT QUẢ
0.023Dòng in là độ lệch lớn nhất giữa hai đường ở các giá trị 2 đến 12; lần chạy này là 0,023. Đổi size=500 thành size=50000 rồi chạy lại: dòng in thành 0.003, vì ECDF của mẫu lớn bám CDF sát hơn.
Kiểm tra nhanh
Sau
from scipy import stats,print(round(stats.rv_discrete(values=([0, 1, 2], [0.25, 0.5, 0.25])).cdf(1), 2))in ra gì?0.50.250.75
Với
dlà tổng hai xúc xắc trong bài, lời gọi nào cho P(tổng ít nhất 10)?d.sf(9)1 - d.cdf(10)d.cdf(10)d.pmf(10)
Những câu nào đúng về hàm mật độ f của một biến liên tục?
- f(x) có thể lớn hơn 1
- Diện tích dưới cả đường f bằng 1
- f(x) là xác suất để X đúng bằng x
- Hàm phân phối F của biến đó không bao giờ giảm
Trong ví dụ scipy về tổng hai xúc xắc,
d.ppf(0.5)cho giá trị nào?0.56.07.0
Bài tập
Tính xác suất biến rời rạc rơi vào một đoạn
Quán cà phê ghi số ly mỗi khách gọi thành bảng phân phối. gia_tri là list các giá trị nguyên của X, không trùng nhau, có thể chưa sắp; xac_suat là list xác suất cùng thứ tự. Viết thân hàm p_doan(gia_tri, xac_suat, a, b) tính P(a ≤ X ≤ b), tính cả hai đầu, với a ≤ b là hai số nguyên.
Hàm không sửa hai list của nơi gọi.
Trả về: xác suất để X nằm trong đoạn từ a tới b, một float.
Ví dụ với tổng hai xúc xắc, p_doan(list(range(2, 13)), [(6 - abs(t - 7)) / 36 for t in range(2, 13)], 4, 6) cho 12/36.
from scipy import stats
def p_doan(gia_tri, xac_suat, a, b):
pass # Viết thân hàm thay cho dòng nàyTóm tắt
PMF cho P(X = x) của biến rời rạc; PDF là mật độ của biến liên tục, xác suất là diện tích dưới nó.
CDF F(x) = P(X ≤ x), dùng cho cả hai loại, không bao giờ giảm, đi từ 0 tới 1.
scipy.statscó.pmf,.pdf,.cdf,.sf,.ppf,.rvs,.mean(),.var()trên một đối tượng phân phối.rv_discrete(values=(gia_tri, xac_suat))biến bảng phân phối tự lập thành đối tượng đó.Biến rời rạc: "ít nhất k" là
sf(k - 1);1 - cdf(k)bỏ mất chính k.Giá trị
pdf(x)không phải xác suất và có thể lớn hơn 1.
Câu hỏi thường gặp
Hàm mật độ xác suất là gì, nói gọn một câu?
Là đường cong mà diện tích dưới nó trên một khoảng bằng xác suất biến liên tục rơi vào khoảng đó. Biến rời rạc không có mật độ mà có bảng xác suất của từng giá trị; bài biến ngẫu nhiên lập bảng đó.
Hàm phân phối tích lũy khác ECDF thế nào?
CDF là xác suất lý thuyết, tính từ phân phối. ECDF đếm trên một mẫu đã có: tỉ lệ giá trị của mẫu không vượt quá x. Mẫu càng lớn, ECDF càng sát CDF, như hình mô phỏng của bài; bài ECDF dạy cách vẽ nó.
Vì sao scipy gọi P(X > x) là sf?
Sf là "survival function", hàm sống sót: tên đến từ thống kê tuổi thọ, nơi P(X > x) là xác suất một thiết bị còn chạy sau x giờ. sf(x) tính thẳng phần đuôi phải nên chính xác hơn 1 - cdf(x) khi xác suất rất nhỏ.
Có cần scipy để làm việc với phân phối không?
Bảng rời rạc nhỏ thì cộng bằng NumPy là đủ, như bài kỳ vọng và phương sai làm. scipy đáng dùng khi cần nhiều câu hỏi trên một phân phối, hay các phân phối có tên như nhị thức, Poisson, chuẩn của chương sau.
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.