5  Phép tính trên biến ngẫu nhiên

Mỗi biến ngẫu nhiên đại diện cho một phân phối xác suất. Trên thực tế, chúng ta hiếm khi phân tích một biến đơn lẻ, mà luôn phải xử lý nhiều biến tương tác với nhau. Việc kết hợp các biến này thực chất là thực hiện các phép tính giữa các phân phối, từ đó tạo ra một phân phối hoàn toàn mới. Chương này sẽ trình bày các phép tính thường gặp nhất.

5.1 Tích chập

Tích chập (convolution) được sử dụng để xác định hàm pmf/pdf của một chuỗi sự kiện nối tiếp.

Với biến rời rạc:

\[\mathbb{P}(Z=z) = \sum_{k=-\infty}^{\infty} \mathbb{P}(X=k) \cdot \mathbb{P}(Y = z - k)\]

Với biến liên tục:

\[f_Z(z) = \int_{-\infty}^{\infty} f_X(x) f_Y(z - x) \, dx\]

Một bệnh nhân đến khám vào ngày thứ 10 sau phơi nhiễm (\(z = 10\)). Rất nhiều trường hợp có thể xảy ra:

  • Ủ bệnh 2 ngày (\(x = 2\)) VÀ đến khám sau 8 ngày (\(10 - 2\)).
  • Ủ bệnh 5 ngày (\(x = 5\)) VÀ đến khám sau 5 ngày (\(10 - 5\)).
  • Ủ bệnh 8 ngày (\(x = 8\)) VÀ đến khám sau 2 ngày (\(10 - 8\)).