Tổng quan về giáo trình

Tài liệu học tập học phần Xác suất - Thống kê (Chương 2: Biến ngẫu nhiên, Vector ngẫu nhiên) do TS. Phan Thị Hường thuộc Bộ môn Toán ứng dụng, Khoa Khoa học ứng dụng – Trường Đại học Bách Khoa (Đại học Quốc gia TP.HCM) biên soạn. Trong chương trình đào tạo bậc đại học khối ngành kỹ thuật, công nghệ thông tin và khoa học tự nhiên, học phần này giữ vai trò là môn toán cơ sở bắt buộc, thiết lập nền móng mô hình hóa các hiện tượng ngẫu nhiên và xử lý số liệu thực nghiệm.

+-----------------------------------------------------------------------+
|              TRƯỜNG ĐẠI HỌC BÁCH KHOA - ĐHQG TP.HCM                   |
|              Khoa Khoa học ứng dụng - Bộ môn Toán ứng dụng            |
|              Giảng viên: TS. Phan Thị Hường (huongphan@hcmut.edu.vn)   |
|                                                                       |
|         HỌC PHẦN: XÁC SUẤT - THỐNG KÊ (BẬC ĐẠI HỌC)                   |
|         CHƯƠNG 2: BIẾN NGẪU NHIÊN VÀ VECTOR NGẪU NHIÊN                |
+-----------------------------------------------------------------------+

Về chuẩn đầu ra, tài liệu cung cấp kiến thức nền tảng giúp người học:

  • Nắm vững định nghĩa toán học của biến ngẫu nhiên dưới dạng một ánh xạ từ không gian mẫu vào tập số thực.
  • Phân loại chính xác biến ngẫu nhiên rời rạc và biến ngẫu nhiên liên tục.
  • Xác định quy luật phân phối xác suất thông qua hàm khối xác suất (PMF), hàm mật độ xác suất (PDF) và hàm phân phối tích lũy (CDF).
  • Tính toán và diễn giải ý nghĩa thực tế của các tham số đặc trưng gồm kỳ vọng toán học $E(X)$, phương sai $V(X)$, độ lệch chuẩn.
  • Phân tích bảng phân phối xác suất đồng thời và quy luật phân phối lề của vector ngẫu nhiên hai chiều.

Cấu trúc bài giảng gồm 38 trang slide, được tổ chức theo phương pháp sư phạm diễn dịch: bắt đầu từ định nghĩa tiên đề toán học, phân tích tính chất giải tích, đến minh họa bằng bài toán kỹ thuật thực tế (như truyền tin số, kiểm tra dung sai lỗ khoan, tuổi thọ thiết bị). Điểm đặc sắc của bài giảng là sự chuẩn hóa các ký hiệu toán học quốc tế kết hợp cùng các ví dụ số liệu thực tế trong công nghiệp và kỹ thuật.

Nội dung kiến thức cốt lõi

                             CHƯƠNG 2
             BIẾN NGẪU NHIÊN VÀ VECTOR NGẪU NHIÊN
                                |
    +---------------------------+---------------------------+
    |                           |                           |
[Phần 1 & 2]                [Phần 3]                   [Phần 4 & 5]
Biến ngẫu nhiên             Biến ngẫu nhiên            Đặc trưng số &
& BNN Rời rạc               Liên tục                   Vector ngẫu nhiên
  - Định nghĩa ánh xạ         - Hàm mật độ (PDF)         - Kỳ vọng E(X)
  - Tập giá trị nhận          - Hàm phân phối (CDF)      - Phương sai V(X)
  - Hàm xác suất (PMF)        - Tính phân tích phân      - Vector 2 chiều
  - Hàm phân phối (CDF)       - Ứng dụng dung sai        - Phân phối lề/đồng thời

Các chương và chủ đề chính

Tài liệu Chương 2 được chia thành 5 chủ đề tuần tự:

  1. Biến ngẫu nhiên tổng quát (Định nghĩa 1.1): Định nghĩa biến ngẫu nhiên $X$ là một ánh xạ $X: \Omega \to \mathbb{R}$, gán mỗi biến cố sơ cấp $\omega \in \Omega$ với một giá trị số thực $X(\omega)$. Phân loại đại lượng ngẫu nhiên thành:
    • Biến ngẫu nhiên rời rạc: Tập giá trị nhận được là hữu hạn hoặc vô hạn đếm được (ví dụ: điểm số sinh viên, số linh kiện bị lỗi, số ca nhiễm dịch bệnh).
    • Biến ngẫu nhiên liên tục: Tập giá trị lấp đầy một khoảng $(a, b)$, $[a, b]$ hoặc toàn bộ trục số thực $\mathbb{R}$ (ví dụ: nhiệt độ không khí, thời gian hoạt động của bóng đèn, độ pH dung dịch).
  2. Biến ngẫu nhiên rời rạc (Chủ đề 2): Thiết lập quy luật phân phối xác suất qua:
    • Hàm xác suất (Probability Mass Function - PMF): $P(X = x_i) = f(x_i)$, thỏa mãn điều kiện $\sum f(x_i) = 1$. Biểu diễn qua bảng phân phối.
    • Hàm phân phối xác suất (Cumulative Distribution Function - CDF): $F(x) = P(X \le x) = \sum_{x_i \le x} f(x_i)$, với các tính chất: là hàm không giảm, liên tục phải, có giới hạn bên trái, thỏa mãn $P(a < X \le b) = F(b) - F(a)$.
    • Hàm của biến ngẫu nhiên rời rạc: Xác định luật phân phối của các biến đổi số học như $Y = 2X + 3$ hay $Z = X^2$.
  3. Biến ngẫu nhiên liên tục (Chủ đề 3): Xây dựng trên nền tảng giải tích tích phân:
    • Hàm mật độ xác suất (Probability Density Function - PDF): $f(x)$ thỏa mãn $f(x) \ge 0$ và tích phân suy rộng $\int_{-\infty}^{+\infty} f(x)dx = 1$.
    • Hàm phân phối tích lũy liên tục: $F(x) = P(X \le x) = \int_{-\infty}^x f(u)du$.
  4. Kỳ vọng và Phương sai (Chủ đề 4):
    • Kỳ vọng $E(X)$: Giá trị trung bình theo xác suất, phản ánh tâm của phân phối xác suất.
      • Dạng rời rạc: $E(X) = \sum x_i f(x_i)$ và $E(h(X)) = \sum h(x_i) f(x_i)$.
      • Dạng liên tục: $E(X) = \int_{-\infty}^{+\infty} x f(x)dx$.
      • Tính chất: $E(C) = C$, $E(XY) = E(X)E(Y)$ khi $X, Y$ độc lập.
    • Phương sai $V(X)$: Đo mức độ phân tán của biến ngẫu nhiên quanh giá trị kỳ vọng, $V(X) = E[(X - E(X))^2] = E(X^2) - [E(X)]^2$.
      • Tính chất: $V(C) = 0$, $V(X + Y) = V(X) + V(Y)$ khi hai biến ngẫu nhiên độc lập.
  5. Véctơ ngẫu nhiên rời rạc hai chiều (Chủ đề 5): Mở rộng khảo sát đồng thời cặp $(X, Y)$:
    • Thiết lập bảng phân phối xác suất đồng thời $P(X = x_i, Y = y_j) = f_{XY}(x_i, y_j)$.
    • Phân phối xác suất lề (marginal distribution): $f_X(x_i) = \sum_j f_{XY}(x_i, y_j)$.
    • Kỳ vọng đồng thời: $E(XY) = \sum_i \sum_j x_i y_j f_{XY}(x_i, y_j)$ và kỳ vọng hàm hai biến $E(h(X, Y))$.

Kiến thức nền tảng được xây dựng

Khối kiến thức Nội dung toán học cụ thể Ứng dụng trong phân tích dữ liệu
Lý thuyết tập hợp & Ánh xạ Ánh xạ từ không gian mẫu $\Omega$ sang $\mathbb{R}$ Chuẩn hóa hiện tượng thực tế thành đại lượng toán
Giải tích chuỗi & Rời rạc Tính tổng chuỗi xác suất $\sum f(x_i) = 1$ Kiểm tra tính hợp lệ của phân phối rời rạc
Giải tích tích phân Tích phân hàm mật độ $\int_{-\infty}^{+\infty} f(x)dx = 1$ Tính xác suất trong khoảng giới hạn $P(a \le X \le b)$
Đại số nhiều biến Bảng phân phối đồng thời và phân phối lề Đánh giá quan hệ tương quan giữa hai đại lượng ngẫu nhiên

Kỹ năng phát triển

  • Kỹ năng tính toán giải tích: Thiết lập và giải các tích phân suy rộng chứa hàm mũ ($f(x) = 20e^{-20(x-12.5)}$), giải phương trình chuẩn hóa để tìm hằng số $c$ hoặc tham số $a$ trong hàm phân phối.
  • Kỹ năng thống kê mô tả: Chuyển đổi linh hoạt giữa hàm mật độ $f(x)$ và hàm phân phối tích lũy $F(x)$, lập bảng phân phối xác suất cho các hàm biến đổi $Y = h(X)$.
  • Kỹ năng phân tích đa biến: Đọc hiểu và phân tích bảng số liệu 2 chiều, tính các mô-men lề và mô-men đồng thời $E(XY)$ phục vụ đánh giá tính độc lập của các biến ngẫu nhiên.

Phương pháp giảng dạy và học tập

Tài liệu sử dụng phương pháp giảng dạy kết hợp giữa định nghĩa chuẩn tắc và giải quyết bài toán kỹ thuật (Problem-based learning). Cấu trúc mỗi nội dung đều tuân thủ tiến trình: Định nghĩa toán học $\to$ Tính chất $\to$ Ví dụ mẫu có số liệu $\to$ Câu hỏi tính toán định lượng.

+------------------+     +-------------------+     +--------------------+
|  Định nghĩa &    | --> |  Tính chất &      | --> |  Ví dụ mô phỏng kỹ |
|  Tiên đề toán học|     |  Công thức chuẩn  |     |  thuật & Thực tế   |
+------------------+     +-------------------+     +--------------------+

Hệ thống ví dụ và bài tập mẫu trong tài liệu

Bài giảng tích hợp nhiều dạng bài toán mang tính thực nghiệm cao:

  • Bài toán truyền tin kỹ thuật (Ví dụ 2.1): Truyền tín hiệu 4-bit trong hệ thống máy tính, xác định biến ngẫu nhiên $X \in {0, 1, 2, 3, 4}$ là số bit bị lỗi.
  • Bài toán chuẩn hóa hàm xác suất (Ví dụ 2.2): Xác định hằng số $c$ để hàm $f(u) = cu$ với $u \in {1, 2, 3, 4, 5}$ thỏa mãn tính chất hàm khối xác suất.
  • Bài toán biến đổi đại lượng (Ví dụ 2.4): Cho trước phân phối của $X \in {-1, 0, 1, 2}$, tìm phân phối xác suất của $Y = 2X + 3$ và $Z = X^2$.
  • Bài toán kiểm soát chất lượng cơ khí (Ví dụ 3.1): Phân tích đường kính lỗ khoan kim loại với biến liên tục $X$ có hàm mật độ $f(x) = 20e^{-20(x-12.5)}$ với $x \ge 12.5$, tính tỷ lệ chi tiết không đạt yêu cầu ($X > 12.6\text{ mm}$).
  • Bài toán độ tin cậy và tuổi thọ (Ví dụ 3.2): Khảo sát tuổi thọ thiết bị điện tử $Y$ qua hàm phân phối $F(x) = 1 - \frac{100a}{ax}$ ($x \ge 100$), tính tỷ lệ thiết bị đạt chuẩn loại A (hoạt động trên 400 giờ).
  • Bài toán kinh tế kỹ thuật (Ví dụ 4.2): Mô hình hóa khối lượng bưu kiện $X$ với hàm mật độ $f(x) = \frac{80}{79x^2}$ ($1 < x < 80$), tính giá trị trung bình và độ lệch chuẩn của cước phí vận chuyển tính theo hàm $C = 1.5 + 2X$.

Hướng dẫn tự học và kiểm tra

Người học cần tuân thủ các bước:

  1. Rà soát điều kiện chuẩn hóa của hàm xác suất ($\sum f(x) = 1$ hoặc $\int f(x)dx = 1$) trước khi tính các xác suất thành phần.
  2. Vẽ đồ thị hoặc trục số để xác định chính xác cận lấy tích phân đối với biến ngẫu nhiên liên tục.
  3. Sử dụng công thức rút gọn $V(X) = E(X^2) - [E(X)]^2$ thay vì định nghĩa gốc để tối ưu hóa thời gian tính toán.

Điểm nổi bật và tính ứng dụng

Tài liệu thể hiện rõ định hướng ứng dụng kỹ thuật của Khoa Khoa học ứng dụng - Trường Đại học Bách Khoa TP.HCM:

                  CÁC ỨNG DỤNG THỰC TẾ TRONG BÀI GIẢNG
                                   |
    +------------------------------+------------------------------+
    |                              |                              |
[Viễn thông & CNTT]         [Kỹ thuật Cơ khí]              [Quản lý & Sản xuất]
Truyền tín hiệu số 4-bit,   Kiểm soát dung sai kích thước  Phương sai biểu thị sai số
phân tích bit lỗi           lỗ khoan miếng kim loại        chế tạo và năng suất
  1. Dẫn chứng số liệu thời sự và thực tiễn: Sử dụng các ví dụ gần gũi như số ca nhiễm Covid-19, đánh giá khả năng tính toán của trẻ mầm non (Ví dụ 4.1), giúp trừu tượng hóa các hiện tượng đời sống thành mô hình toán.
  2. Gắn liền với các bài toán kỹ thuật công nghiệp: Các khái niệm trừu tượng như hàm mật độ, hàm phân phối được gán trực tiếp vào các bài toán kỹ thuật như tuổi thọ bóng đèn, độ pH hóa học, sai số gia công cơ khí.
  3. Làm rõ bản chất vật lý của các đặc trưng số:
    • Kỳ vọng $E(X)$ được định nghĩa rõ ràng là giá trị trung bình theo xác suất, phản ánh trọng tâm phân bố.
    • Phương sai $V(X)$ được giải thích cụ thể theo góc nhìn ứng dụng: trong công nghiệp biểu thị độ chính xác của quy trình sản xuất (sai số gia công), trong nông nghiệp biểu thị mức độ ổn định của năng suất mùa vụ.

Đối tượng sử dụng giáo trình

  • Sinh viên đại học: Phục vụ sinh viên năm thứ hai thuộc tất cả các khối ngành Kỹ thuật (Điện - Điện tử, Cơ khí, Kỹ thuật Hóa học, Kỹ thuật Xây dựng), Khoa học Máy tính và Quản lý Công nghiệp.
  • Yêu cầu tiên quyết: Người học cần hoàn thành các học phần Giải tích 1 và Giải tích 2 (nắm vững vi tích phân hàm một biến, chuỗi số, tích phân suy rộng và tích phân hai lớp).
  • Giảng viên và cán bộ nghiên cứu: Tài liệu cung cấp khung bài giảng tiêu chuẩn, hệ thống định nghĩa và bảng ký hiệu chuẩn hóa để biên soạn giáo án, đề thi và bài tập lớn môn học Xác suất Thống kê.

Câu hỏi thường gặp

+--------------------------------------------------------------------------+
|                       CÂU HỎI THƯỜNG GẶP (FAQ)                          |
+--------------------------------------------------------------------------+
| 1. Đối tượng sử dụng chính là ai?                                        |
|    -> Sinh viên đại học khối ngành kỹ thuật, công nghệ, kinh tế số.      |
|                                                                          |
| 2. Kiến thức tiên quyết cần chuẩn bị?                                    |
|    -> Giải tích tích phân (tích phân suy rộng), chuỗi số, đại số tập hợp.|
|                                                                          |
| 3. Điểm khác biệt so với tài liệu lý thuyết thuần túy?                   |
|    -> Chú trọng bài toán kỹ thuật (bit lỗi, tuổi thọ máy, dung sai).     |
|                                                                          |
| 4. Phương pháp tự học hiệu quả?                                          |
|    -> Nắm vững cặp điều kiện chuẩn hóa hàm mật độ và công thức mô-men.   |
|                                                                          |
| 5. Tài liệu có đề cập đến biến ngẫu nhiên nhiều chiều không?             |
|    -> Có, bao gồm phần mở rộng vector ngẫu nhiên rời rạc 2 chiều.         |
+--------------------------------------------------------------------------+

1. Giáo trình này phù hợp với đối tượng nào?

Tài liệu được thiết kế chuẩn hóa cho sinh viên đại học khối ngành kỹ thuật, công nghệ, công nghệ thông tin và quản trị công nghiệp cần nắm vững công cụ toán học xử lý dữ liệu ngẫu nhiên.

2. Cần chuẩn bị kiến thức nền nào trước khi học?

Người học cần có kiến thức vững chắc về Giải tích toán học: phép tính vi phân, tích phân xác định, tích phân suy rộng (để tính toán trên hàm mật độ liên tục), lý thuyết chuỗi số và các phép toán ma trận/bảng số liệu cơ bản.

3. Điểm khác biệt của tài liệu này so với các bài giảng lý thuyết xác suất thuần túy?

Tài liệu giảm lược các chứng minh giải tích phức tạp, tập trung vào định nghĩa chuẩn tắc, tính chất cốt lõi và gắn liền ngay với các ứng dụng kỹ thuật thực tế như truyền tin 4-bit, kiểm định chất lượng kích thước gia công hay tuổi thọ thiết bị.

4. Làm sao để tự học và giải tốt các bài tập trong chương này?

Người học cần nắm vững hai nguyên lý chuẩn hóa: tổng các xác suất của biến rời rạc bằng 1 ($\sum f(x_i) = 1$) và tích phân toàn miền của hàm mật độ liên tục bằng 1 ($\int_{-\infty}^{+\infty} f(x)dx = 1$). Khi tính phương sai, nên áp dụng công thức $V(X) = E(X^2) - [E(X)]^2$.

5. Tài liệu có nội dung mở rộng cho biến ngẫu nhiên nhiều chiều không?

Có. Phần cuối của tài liệu (Chủ đề 5) mở rộng sang vector ngẫu nhiên rời rạc hai chiều $(X, Y)$, hướng dẫn cách lập bảng phân phối đồng thời, tính phân phối lề $f_X(x), f_Y(y)$ và kỳ vọng tích $E(XY)$.

Kết luận

Chương 2: Biến ngẫu nhiên, Vector ngẫu nhiên trong bài giảng Xác suất - Thống kê của TS. Phan Thị Hường (Đại học Bách Khoa TP.HCM) cung cấp hệ thống kiến thức toán học nền tảng, logic và bám sát các ứng dụng kỹ thuật. Nội dung tài liệu là cầu nối chuyển tiếp quan trọng từ lý thuyết xác suất cổ điển sang các phương pháp thống kê suy diễn và mô hình hóa dữ liệu thực nghiệm trong các giai đoạn học tập chuyên ngành tiếp theo.