# 🧪 Checkpoint: biến ngẫu nhiên và phân phối By Better Wise ## Quiz 1. Quầy bánh mì có bảng phân phối: P(X=0)=0.10, P(X=1)=0.35, P(X=2)=0.40, P(X=3)=0.15. Kỳ vọng E[X] bằng bao nhiêu? - 1.6 ổ mỗi sáng - 0.74 ổ mỗi sáng - 2.0 ổ mỗi sáng - 1.5 ổ mỗi sáng 2. Với bảng phân phối ở câu trên, phương sai Var(X) bằng bao nhiêu? - 3.3 - 0.74 - 0.86 - 2.56 3. Những phát biểu nào về kỳ vọng và phương sai là đúng? - E[aX + b] = a·E[X] + b - Var(aX + b) = a²·Var(X) - Kỳ vọng của tổng hai biến luôn bằng tổng các kỳ vọng, kể cả khi chúng không độc lập - E[X²] luôn bằng (E[X])² - Var(aX + b) = a·Var(X) 4. Một team kiểm tra 50 giao dịch mỗi ngày, tỉ lệ lỗi lịch sử là 0.04. Số giao dịch lỗi trong một ngày tuân theo phân phối nào? - Bernoulli(0.04) - Nhị thức(50, 0.04) - Nhị thức(0.04, 50) - Chuẩn với μ = 2, σ = 1.39 5. Thời gian phản hồi API có μ = 200 ms, σ = 40 ms. Một request mất 280 ms có z-score bằng ____. 6. Theo quy tắc 68-95-99.7, khoảng ____% giá trị của phân phối chuẩn nằm trong ±2σ quanh trung bình. 7. Khi nào được phép xấp xỉ phân phối nhị thức bằng phân phối chuẩn? - Khi tính P(X ≥ 20) thì dùng biên 19.5 (hiệu chỉnh liên tục) - Khi n ≥ 30, bất kể p - Khi np ≥ 5 và n(1 − p) ≥ 5 - Khi p sát 0 hoặc sát 1 thì nên nâng ngưỡng lên 10 - Luôn được, vì chuẩn là phân phối tổng quát nhất 8. Hãy tự đánh giá: bạn có chọn đúng phân phối cho một tình huống thực tế và kiểm tra được kết quả bằng kỳ vọng không? Lấy ví dụ một báo cáo metric bạn từng đọc (hoặc tự nghĩ ra) và trình bày cách bạn chọn phân phối, tính E[X], rồi nêu một chỗ mô hình có thể bị vi phạm. --- ## Contents Part of [🎲 Khóa 4: Toán cho Machine Learning — xác suất, thống kê và đánh giá mô hình](https://everwise.study/courses/khoa-4-toan-cho-machine-learning-xac-suat-thong-ke-va-danh-gia-mo-hinh.md) - **🎯 Xác suất, biến cố và định lý Bayes** - [🔁 Ôn nhanh: biến cố, không gian mẫu và các quy tắc xác suất](https://everwise.study/courses/khoa-4-toan-cho-machine-learning-xac-suat-thong-ke-va-danh-gia-mo-hinh/on-nhanh-bien-co-khong-gian-mau-va-quy-tac-xac-suat.md) - [🌿 Xác suất có điều kiện và cây quyết định](https://everwise.study/courses/khoa-4-toan-cho-machine-learning-xac-suat-thong-ke-va-danh-gia-mo-hinh/xac-suat-co-dieu-kien-va-cay-quyet-dinh.md) (sign-in required) - [🔮 Định lý Bayes và suy luận ngược](https://everwise.study/courses/khoa-4-toan-cho-machine-learning-xac-suat-thong-ke-va-danh-gia-mo-hinh/dinh-ly-bayes-va-suy-luan-nguoc.md) - [✅ Checkpoint: xác suất và định lý Bayes](https://everwise.study/courses/khoa-4-toan-cho-machine-learning-xac-suat-thong-ke-va-danh-gia-mo-hinh/checkpoint-xac-suat-va-dinh-ly-bayes.md) - **📊 Biến ngẫu nhiên và các phân phối cốt lõi** - [⚖️ Biến ngẫu nhiên, kỳ vọng và phương sai](https://everwise.study/courses/khoa-4-toan-cho-machine-learning-xac-suat-thong-ke-va-danh-gia-mo-hinh/bien-ngau-nhien-ky-vong-va-phuong-sai.md) - [🔔 Bernoulli, nhị thức và phân phối chuẩn](https://everwise.study/courses/khoa-4-toan-cho-machine-learning-xac-suat-thong-ke-va-danh-gia-mo-hinh/bernoulli-nhi-thuc-va-phan-phoi-chuan.md) - [🧪 Checkpoint: biến ngẫu nhiên và phân phối](https://everwise.study/courses/khoa-4-toan-cho-machine-learning-xac-suat-thong-ke-va-danh-gia-mo-hinh/checkpoint-bien-ngau-nhien-va-phan-phoi.md) — this lesson - **📈 Lấy mẫu, suy diễn thống kê và metrics trên dữ liệu thật** - [🎣 Lấy mẫu, ước lượng điểm và sai số chuẩn](https://everwise.study/courses/khoa-4-toan-cho-machine-learning-xac-suat-thong-ke-va-danh-gia-mo-hinh/lay-mau-uoc-luong-diem-va-sai-so-chuan.md) - [🚦 Khoảng tin cậy và p-value: trực giác và cách đọc sai](https://everwise.study/courses/khoa-4-toan-cho-machine-learning-xac-suat-thong-ke-va-danh-gia-mo-hinh/khoang-tin-cay-va-p-value-truc-giac-va-cach-doc-sai.md) - [🧭 Precision, recall và ROC-AUC như đại lượng thống kê](https://everwise.study/courses/khoa-4-toan-cho-machine-learning-xac-suat-thong-ke-va-danh-gia-mo-hinh/precision-recall-va-roc-auc-nhu-dai-luong-thong-ke.md) (premium content) - [🏁 Checkpoint: suy diễn thống kê và metrics](https://everwise.study/courses/khoa-4-toan-cho-machine-learning-xac-suat-thong-ke-va-danh-gia-mo-hinh/checkpoint-suy-dien-thong-ke-va-metrics.md) (premium content) - [Course cheatsheet](https://everwise.study/courses/khoa-4-toan-cho-machine-learning-xac-suat-thong-ke-va-danh-gia-mo-hinh/cheatsheet.md) (premium content)