Đang tải bài học…

AP Statistics

biến ngẫu nhiên liên tục

continuous random variable

Còn gọi: biến liên tục

Biến ngẫu nhiên liên tục là biến ngẫu nhiên nhận mọi giá trị thực trong một khoảng, sao cho xác suất tại một điểm đơn lẻ bất kỳ luôn bằng 0.

Biến ngẫu nhiên liên tục là một đại lượng ngẫu nhiên mà tập giá trị của nó lấp đầy toàn bộ một khoảng trên trục số — không bỏ sót khoảng hở nào giữa hai giá trị liền kề. Do đó, thay vì liệt kê từng giá trị riêng lẻ như với biến rời rạc, người ta mô tả biến liên tục bằng một hàm mật độ xác suất (probability density function), thường ký hiệu $f(x)$ . Xác suất để biến rơi vào đoạn $[a,b]$ chính là diện tích dưới đồ thị $f(x)$ trên đoạn đó, tức $P(a \le X \le b) = \int_a^b f(x)\,dx$ ; diện tích này không âm và tổng diện tích trên toàn trục bằng 1.

Hệ quả then chốt của tính liên tục là $P(X = c) = 0$ với mọi hằng số $c$ . Điều này nghe có vẻ nghịch lý, nhưng thực ra hoàn toàn hợp lý: một đoạn co lại thành một điểm thì diện tích co về 0. Vì vậy, với biến liên tục, $P(X < c)$ và $P(X \le c)$ hoàn toàn bằng nhau — dấu bằng hay không bằng không làm thay đổi kết quả. Đây là điểm khác biệt căn bản so với biến rời rạc, nơi $P(X = c)$ thường khác 0.

Phân phối chuẩn là ví dụ tiêu biểu nhất của biến ngẫu nhiên liên tục trong chương trình AP Statistics. Tuy nhiên, khái niệm biến liên tục còn xuất hiện trong phân phối mẫu của trung bình mẫu, nơi định lý giới hạn trung tâm (central limit theorem) bảo đảm rằng phân phối của $\bar{x}$ tiệm cận phân phối chuẩn khi cỡ mẫu đủ lớn. Nhờ đó, các phép suy luận thống kê về trung bình tổng thể đều dựa trên tính chất của biến liên tục.

Ký hiệu

• $f(x)$ — hàm mật độ xác suất
• $P(a \le X \le b)$ — xác suất trên đoạn

Trực giác: Nhiệt độ ngoài trời có thể là 28,1°C hay 28,13°C hay bất kỳ giá trị nào ở giữa — không có "bậc thang" nào ngăn nó dừng lại ở một con số nguyên.

Khái niệm này sinh ra từ đâu

thế kỷ 19 (Chebyshev đặt tên) và thế kỷ 20 (Kolmogorov tiên đề hóa)Pafnuty ChebyshevIsaac NewtonPierre-Simon LaplaceAndrei Kolmogorov

Thử nghiệm tương tác

Bóp khoảng $[a;b]$ hẹp dần — nhìn xác suất tụt về 0

Hay hiểu sai

Với biến ngẫu nhiên liên tục, xác suất tại một điểm đơn lẻ luôn bằng 0.

Dấu "<" và "≤" cho cùng một kết quả khi biến là liên tục.

Giá trị của hàm mật độ không phải là xác suất.

Biến đếm luôn là rời rạc, dù nó nhận rất nhiều giá trị.

Ví dụ có lời giải

1Ví dụ 1/2

Biến ngẫu nhiên liên tục

N

có phân phối chuẩn (normal distribution) với trung bình

\mu = 7{,}5

và độ lệch chuẩn

\sigma = 2{,}5

. Bốn xác suất sau được nêu ra để so sánh:

P(N = 7{,}5)

P(N < 7{,}5)

P(N > 10)

và

P(5 < N < 10)

aTrong bốn xác suất nêu trên, xác suất nào bằng $0$ ? Giải thích vì sao, và cho biết ba xác suất còn lại bằng bao nhiêu.
bTính $P(5 < N < 10)$ rồi so sánh giá trị đó với $P(5 \le N \le 10)$ . Kết quả nói lên điều gì về vai trò của dấu "nhỏ hơn" và "nhỏ hơn hoặc bằng" đối với biến liên tục?

1Bước 1: Nhắc lại nguyên tắc gốc: với biến ngẫu nhiên liên tục, xác suất được đo bằng diện tích nằm dưới đường cong của hàm mật độ xác suất (probability density function), chứ không phải bằng chiều cao của đường cong tại một điểm. Một giá trị đơn lẻ như

N = 7{,}5

ứng với một đoạn có bề rộng bằng

0

, nên phần diện tích tương ứng cũng bằng

0

. Do đó

P(N = 7{,}5) = 0

, và điều này đúng với mọi giá trị cụ thể chứ không riêng gì trung bình.

Bạn nắm chắc chưa?

Quiz câu thật từ ngân hàng đề

Vài câu thật gắn đúng khái niệm này, chấm ngay kèm giải thích từng đáp án — hệ thống ghi nhớ bạn nắm tới đâu.

Tạo tài khoản miễn phí

Học tiếp từ đây

Bài học chứa thuật ngữ nàyXác suất, biến ngẫu nhiên & phân phối xác suất · bài “Biến ngẫu nhiên & phân phối xác suất” — khoá AP Statistics

Cần trướcbiến liên tục

Hay nhầm với

Thuật ngữKhác nhau ở đâuHay nhầm khi

biến ngẫu nhiên rời rạcdiscrete random variable

Khác nhau ở đâuBiến ngẫu nhiên rời rạc nhận tập giá trị đếm được và xác suất tại từng điểm có thể khác không, còn biến ngẫu nhiên liên tục nhận giá trị trong một khoảng thực và xác suất tại bất kỳ điểm đơn lẻ nào đều bằng 0

Hay nhầm khiđề hỏi P(X = c) — với biến liên tục xác suất này luôn bằng 0, nhưng học sinh quen tính P(X = c) như với biến rời rạc nên dễ nhầm

Nguồn tham khảo

[1]Barron_AP_Stat_2026. tr. 279, 310.

Thuật ngữ "biến ngẫu nhiên" do nhà toán học Nga Pafnuty Chebyshev (1821–1884) đặt ra, còn dạng liên tục được Pierre-Simon Laplace và sau đó Andrei Kolmogorov (1903–1987) làm cho chặt chẽ, nhằm mô tả những đại lượng ngẫu nhiên nhận giá trị trên cả một khoảng số thực chứ không phải trên một danh sách đếm được.

Trong giai đoạn đầu của lý thuyết xác suất, người ta chỉ xét những đại lượng nhận hữu hạn kết quả — dù khi ấy chưa ai gọi chúng là biến ngẫu nhiên. Isaac Newton nhận ra rằng ý tưởng "các khả năng đồng khả năng" không nhất thiết buộc số trường hợp phải hữu hạn: có thể có vô hạn trường hợp, kể cả cả một khoảng trên trục số. Chính nhận xét đó mở đường từ trường hợp rời rạc sang trường hợp liên tục. Về sau, Laplace chính thức hóa cách tính xác suất cho đại lượng liên tục bằng việc lấy tích phân một hàm mật độ trên một khoảng, và Kolmogorov xây dựng hệ tiên đề cùng ngôn ngữ ký hiệu để định nghĩa và chứng minh chặt chẽ các định lý về chúng.

Vì sao mang đúng cái tên này? Tên gọi gồm hai phần ghép lại và mỗi phần đều có lý do riêng. Phần "biến ngẫu nhiên" (random variable) đến từ định nghĩa của Chebyshev: một biến số thực có thể nhận nhiều giá trị khác nhau với những xác suất khác nhau — mô tả tuy trực quan nhưng chưa chặt chẽ, phải đợi đến khi Kolmogorov tiên đề hóa xác suất thì nó mới được phát biểu lại thành một hàm gán kết quả của phép thử ngẫu nhiên vào một số thực. Phần "liên tục" phân biệt với biến ngẫu nhiên rời rạc (discrete random variable): thay vì nhận giá trị trong một tập đếm được, nó nhận giá trị trên cả một khoảng số thực, tức là một tập không đếm được. Chính đặc điểm này kéo theo hệ quả quen thuộc rằng xác suất tại một giá trị đơn lẻ bằng $0$ , nên xác suất luôn phải tính trên một khoảng bằng cách lấy tích phân hàm mật độ xác suất (probability density function): $P(a<X<b)$ là diện tích dưới đường cong mật độ từ $a$ đến $b$ . Do đó cái tên "liên tục" không chỉ là nhãn dán, mà báo trước toàn bộ cách làm việc với loại biến này.

Bóp khoảng $[a;b]$ hẹp dần — nhìn xác suất tụt về 0

Kéo tham số, thấy khái niệm chuyển động — mở khoá bằng tài khoản 0đ.

Tạo tài khoản miễn phí

Mẹo phòng thi

Gặp câu hỏi "probability equal to 0", hãy tìm phương án viết dưới dạng một điểm.

Khi trình bày bài tính xác suất chuẩn, phải viết ra cả hai cận và câu kết luận theo ngữ cảnh.

Đừng dùng công thức $\mu=\sum x_i p_i$ cho biến liên tục trong phần trả lời tự luận.

Tần suất trong đề AP StatisticsThường xuyên

2Bước 2: Ba xác suất còn lại đều ứng với những khoảng có bề rộng dương nên đều lớn hơn

0

. Vì đường cong chuẩn đối xứng quanh trung bình nên

P(N < 7{,}5) = 0{,}5

. Với

P(N > 10)

, ta đổi sang điểm z (z-score):

z = \dfrac{10 - 7{,}5}{2{,}5} = 1

, suy ra

P(N > 10) = P(Z > 1) \approx 0{,}1587

3Bước 3: Tính

P(5 < N < 10)

bằng hai điểm z ở hai đầu mút:

z_1 = \dfrac{5 - 7{,}5}{2{,}5} = -1

và

z_2 = \dfrac{10 - 7{,}5}{2{,}5} = 1

. Vậy

P(5 < N < 10) = P(-1 < Z < 1) \approx 0{,}6827

, đúng bằng con số quen thuộc khoảng

68\%

của quy tắc thực nghiệm (empirical rule) cho khoảng một độ lệch chuẩn quanh trung bình.

4Bước 4: Vì

P(N = 5) = 0

và

P(N = 10) = 0

theo lập luận ở Bước 1, việc thêm hai đầu mút vào khoảng không làm tăng thêm chút diện tích nào:

P(5 \le N \le 10) = P(5 < N < 10) + 0 + 0 \approx 0{,}6827

. Hai xác suất bằng nhau, nên với biến liên tục ta có thể thoải mái đổi dấu

<

thành

\le

mà kết quả không đổi — điều tuyệt đối không được làm với biến ngẫu nhiên rời rạc (discrete random variable).

Chỉ $P(N = 7{,}5) = 0$ ; ba xác suất còn lại lần lượt là $P(N < 7{,}5) = 0{,}5$ , $P(N > 10) \approx 0{,}1587$ và $P(5 < N < 10) \approx 0{,}6827$ . Vì mỗi giá trị đơn lẻ của biến liên tục có xác suất bằng $0$ , ta cũng có $P(5 \le N \le 10) \approx 0{,}6827$ : với đại lượng đo được liên tục như $N$ , xác suất luôn gắn với một khoảng giá trị chứ không bao giờ gắn với một con số chính xác duy nhất.

2Ví dụ 2/2

Xe buýt của một tuyến chạy đều đặn nên thời gian chờ

X

(tính bằng phút) của một hành khách đến trạm ngẫu nhiên được mô hình hóa bằng phân phối đều liên tục (continuous uniform distribution) trên khoảng từ

2

đến

10

phút.

aXác định chiều cao của hàm mật độ và kiểm tra rằng tổng diện tích dưới đồ thị bằng $1$ .
bTính $P(4{,}5 < X < 9)$ và cho biết $P(4{,}5 \le X \le 9)$ bằng bao nhiêu.
cMột hành khách nói: "Xác suất tôi chờ đúng $9$ phút là $\frac{1}{8}$ vì có $8$ phút khả dĩ." Hãy chỉ ra chỗ sai và tính $P(X > 9)$ .

1Bước 1: Đồ thị mật độ của phân phối đều là một hình chữ nhật đặt trên đoạn từ

2

đến

10

, tức bề rộng

10 - 2 = 8

. Muốn tổng diện tích bằng

1

thì chiều cao phải là

h = \dfrac{1}{8} = 0{,}125

. Kiểm tra lại:

8 \times 0{,}125 = 1

, đúng yêu cầu của mọi hàm mật độ.

2Bước 2: Xác suất rơi vào một khoảng chính là diện tích hình chữ nhật con nằm trên khoảng đó. Với khoảng từ

4{,}5

đến

9

, bề rộng là

9 - 4{,}5 = 4{,}5

, nên

P(4{,}5 < X < 9) = 4{,}5 \times 0{,}125 = 0{,}5625.

Nói cách khác, có khoảng

56{,}25\%

số lần hành khách phải chờ trong quãng từ

4{,}5

đến

9

phút.

3Bước 3: Hai đầu mút

4{,}5

và

9

mỗi cái chỉ đóng góp một đoạn thẳng có bề rộng

0

, tức diện tích

0

. Vì vậy

P(4{,}5 \le X \le 9) = 0{,}5625

, y hệt kết quả ở Bước 2.

4Bước 4: Lập luận của hành khách sai vì đã đếm thời gian chờ như thể chỉ có

8

kết quả nguyên phút, trong khi

X

nhận mọi giá trị thực trong đoạn từ

2

đến

10

, chẳng hạn

9{,}0002

phút. Với vô hạn giá trị như vậy, mỗi giá trị riêng lẻ chỉ có thể nhận xác suất

0

, nên

P(X = 9) = 0

. Cái tính được là xác suất của một khoảng:

P(X > 9) = (10 - 9) \times 0{,}125 = 0{,}125.

5Bước 5: Có thể kiểm tra tính nhất quán bằng cách cộng ba mảnh rời nhau phủ kín toàn bộ đoạn:

P(X < 4{,}5) = 2{,}5 \times 0{,}125 = 0{,}3125

, cộng với

0{,}5625

và

0{,}125

thì được đúng

1

. Nhờ đó ta yên tâm rằng các diện tích đã tính không chồng lấn cũng không bỏ sót.

Hàm mật độ có chiều cao $0{,}125$ trên đoạn từ $2$ đến $10$ phút và tổng diện tích bằng $1$ . Xác suất chờ từ $4{,}5$ đến $9$ phút là $0{,}5625$ , không đổi dù dùng dấu $<$ hay $\le$ . Cuối cùng, $P(X = 9) = 0$ chứ không phải $\frac{1}{8}$ — với biến liên tục ta chỉ nói được về khoảng giá trị, và xác suất phải chờ hơn $9$ phút là $0{,}125$ , tức khoảng $12{,}5\%$ số chuyến.

Mục tiêu và lộ trình unit xem miễn phí — làm bài tập và lưu tiến độ cần tài khoản 0đ.