XSTK-Lecture1-Biến cố và Xác suất

KHÁI NIỆM CƠ BẢN VỀ XÁC SUẤT
Nguyễn Tiến Đạt

Bộ môn Xác suất-Thống kê
Khoa Toán-Tin học, trường ĐH Khoa học Tự nhiên, ĐHQG TPHCM
ndat@hcmus.edu.vn
Dat T. Nguyen Khái niệm cơ bản về Xác suất VNUHCM-US 1 / 52

Biến cố và Xác suất
Outline
1 Biến cố và Xác suất

Biến cố ngẫu nhiên
Các phép toán trên biến cố
Khái niệm và các định nghĩa về xác suất của biến cố
2 Các công thức tính xác suất cơ bản

Công thức cộng xác suất
Xác suất có điều kiện
Công thức nhân xác suất
Công thức xác suất đầy đủ và công thức Bayes
Sự độc lập giữa các biến cố

Biến cố và Xác suất Biến cố ngẫu nhiên
Outline



Phép thử và biến cố
Trong lý thuyết Xác suất, phép thử là khái niệm cơ bản,

có thể hiểu phép thử là thí nghiệm hay quan sát nào đó.
Phép thử ngẫu nhiên (Random experiment)

Phép thử mà ta không biết trước kết quả nào sẽ xảy ra
(dù có thể biết tất cả các khả năng có thể xảy ra), ngay cả khi được
lặp lại theo cùng cách thức trong mỗi lần thực hiện,
gọi là phép thử ngẫu nhiên.
Sau này, ta sẽ gọi tắt là phép thử.

Ví dụ:
Phép thử ngẫu nhiên Kết quả
Tung một đồng xu Mặt Sấp; Mặt Ngửa
Số khách hàng trong một ngày {0; 1; 2; 3; 4; 5; ...}
Lượng mưa mỗi tháng v ∈ R, v ≥ 0
Phép thử có thể có kết quả đơn giản, cũng có thể có kết quả phức hợp
(gồm một số các kết quả đơn giản hợp thành).
Thí dụ, trong phép thử tung một hạt xúc xắc (gồm 6 mặt đồng chất,
cân đối) thì
mỗi sự xuất hiện một trong các mặt {1; 2; 3; 4; 5; 6} là những
kết quả đơn giản;
trong khi đó, nếu xét đến sự xuất hiện của các mặt có số chấm
chẵn, lẻ là những kết quả phức hợp.
Kết quả đơn giản của phép thử được gọi là biến cố sơ cấp.

• Tập hợp gồm tất cả các kết quả có thể xảy ra của phép thử được gọi
là không gian mẫu (sample space) hay không gian các biến cố sơ cấp,
thường ký hiệu là Ω.
• Mỗi kết quả của phép thử, được gọi là biến cố sơ cấp (simple
event), thường ký hiệu là ω.
• Một tập con của không gian mẫu được gọi là biến cố (event),
thường ký hiệu là A, B, C, ....
Hai biến cố đặc biệt:

• Ω được gọi là biến cố chắc chắn (chắc chắn xảy ra).
• ∅ được gọi là biến cố không (không bao giờ xảy ra).

Phép thử và biến cố - Thí dụ
Ví dụ 1.1
Xét phép thử tung một đồng tiền xu một lần. Không gian các biến cố
sơ cấp là:
Ω = {S, N } ,
trong đó, S chỉ kết quả: "đồng tiền xuất hiện mặt Sấp" (N tương ứng
"mặt Ngửa").
Ví dụ 1.2
Trong trường hợp phép thử tung đồng tiền xu này liên tiếp 2 lần,
không gian mẫu là:
Ω = {SS, SN, N S, N N } .

Quan hệ giữa các biến cố
Sự kéo theo
A kéo theo B, ký kiệu A ⊂ B, nếu A xảy ra ⇒ B xảy ra.
Sự tương đương
A tương đương với B, ký kiệu A = B, nếu A xảy ra ⇒ B xảy ra và
ngược lại.
Thí dụ: tung một hạt xúc xắc gồm 6 mặt, gọi
Aj là biến cố được j chấm (với j ∈ {1; 2; 3; 4; 5; 6}) ;
B là biến cố được số chấm chẵn;
C là biến cố được số chấm chia hết cho 3.
D là biến cố được số chấm là số nguyên tố chẵn;
Ta có:
A2 , A4 , A6 ⊂ B; A3 , A6 ⊂ C; A2 ⊂ D và D ⊂ A2 ;
A2 = D;
Biến cố và Xác suất Các phép toán trên biến cố
Outline



Các phép toán trên biến cố - I
Biến cố tổng (union) - Phép toán cộng (hợp)

Biến cố tổng của hai biến cố A và B là biến cố:

A ∪ B ≡ A + B = ω : ω ∈ A hoặc ω ∈ B .
Nói cách khác, A + B xảy ra khi và chỉ khi A xảy ra hoặc B xảy ra
(nghĩa là, có ít nhất một trong hai biến cố xảy ra).

Các phép toán trên biến cố - II
Biến cố tích (intersection) - Phép toán giao

Biến cố tích của hai biến cố A và B là biến cố:

A ∩ B ≡ AB = ω : ω ∈ A và ω ∈ B .
Nói cách khác, biến cố AB xảy ra khi và chỉ khi A và B cùng xảy ra.

Các phép toán trên biến cố - III
Biến cố xung khắc - Phép toán giao (tt)

Nếu AB = ∅ (tương đương với cách viết A ∩ B = ∅) thì A và B được
gọi là xung khắc.
Nói cách khác, A và B không cùng xảy ra.
Dãy các biến cố A1 , A2 , ..., An được gọi là xung khắc từng đôi một
nếu Ai Aj = ∅, ∀i ̸= j.

Các phép toán trên biến cố - IV
Biến cố hiệu - Phép toán hiệu

Biến cố hiệu của hai biến cố A và B là biến cố:

A\B = ω : ω∈A và ω ∈B / ,
nghĩa là, A xảy ra nhưng B không xảy ra.

Các phép toán trên biến cố - V
Biến cố đối lập (biến cố bù) - Phép toán bù (đối) (complement)

Biến cố đối lập của biến cố A là biến cố
A ≡ Ac = Ω\A = {ω : ω ∈
/ A} ,
xảy ra khi A không xảy ra và ngược lại (A xảy ra khi A không xảy ra).
Nói cách khác, A + A = Ω và AA = ∅.

Các phép toán trên biến cố (tt)
Một số tính chất cơ bản:

(a) A + B = B + A ;
(b) (A + B) + C = A + (B + C);
(c) AB = BA;
(d) (AB)C = A(BC);
(e) A + B = A. B;
(f) AB = A + B.
Chứng minh tính chất (e) và (f).
Lưu ý
Phép toán hợp và giao có tính giao hoán (tính chất (a), (c)) và tính kết
hợp (tính chất (b), (d)).
Các phép toán trên biến cố - Thí dụ 1
Ví dụ 1.3
Xét phép thử tung đồng tiền xu 2 lần liên tiếp, đặt
A = {SS, SN, N S} , và B = {N S, SN, N N } .
Hãy xác định theo A, B các biến cố sau:

(a) CS = "có ít nhất một lần xuất hiện mặt Sấp" (CN tương ứng "mặt
Ngửa") ;
(b) D = "có đúng một lần xuất hiện mặt Sấp";
(c) E = "cả hai mặt đều là Ngửa";
(d) F = "cả hai mặt đều là Sấp".

Các phép toán trên biến cố - Thí dụ 1
Ví dụ 1.3
Xét phép thử tung đồng tiền xu 2 lần liên tiếp, đặt
A = {SS, SN, N S} , và B = {N S, SN, N N } .
Hãy xác định theo A, B các biến cố sau:

(a) CS = "có ít nhất một lần xuất hiện mặt Sấp" (CN tương ứng "mặt
Ngửa") ;
(b) D = "có đúng một lần xuất hiện mặt Sấp";
(c) E = "cả hai mặt đều là Ngửa";
(d) F = "cả hai mặt đều là Sấp".
Gợi ý: (a) CS = A và CN = B; (b) D = AB;

(c) E = B\A; (d) F = A\B.
Các phép toán trên các biến cố - Thí dụ 2
Ví dụ 1.4
Có ba cung thủ cùng bắn mỗi người một mũi tên vào một tấm bia. Gọi
biến cố Ai = "cung thủ thứ i bắn trúng bia", i ∈ {1; 2; 3}. Hãy biểu
diễn theo Ai các biến cố sau:
1 B = "bia bị trúng tên";
2 C = "bia không bị trúng tên";
3 D = "bia bị trúng 3 mũi tên";
4 E = "bia bị trúng 1 mũi tên".

Các phép toán trên các biến cố - Thí dụ 2
Ví dụ 1.4
Có ba cung thủ cùng bắn mỗi người một mũi tên vào một tấm bia. Gọi
biến cố Ai = "cung thủ thứ i bắn trúng bia", i ∈ {1; 2; 3}. Hãy biểu
diễn theo Ai các biến cố sau:
1 B = "bia bị trúng tên";
2 C = "bia không bị trúng tên";
3 D = "bia bị trúng 3 mũi tên";
4 E = "bia bị trúng 1 mũi tên".
Gợi ý: 1.) B = A1 + A2 + A3 ;
2.) C = B = (A1 + A2 + A3 ) = A1 . A2 . A3 ;
3.) D = A1 A2 A3 ;
4.) E = A1 . A2 .A3 + A1 .A2 . A3 + A1 .A2 .A3 .
Hệ đầy đủ các biến cố (exhaustive)
Một dãy n biến cố A1 , A2 , ..., An được gọi là một hệ đầy đủ các biến cố
nếu thỏa hai điều kiện sau:
(i) Ai Aj = ∅, ∀i ̸= j;
(ii) A1 + A2 + ... + An = Ω .
Hình: A1 , A2 , ..., A7 tạo thành một hệ đầy đủ các biến cố.

Hệ đầy đủ các biến cố (exhaustive) - thí dụ
Ví dụ 1.5
Xét phép thử tung một hạt xúc xắc một lần.
Gọi Aj là biến cố "mặt j chấm xuất hiện", với j ∈ {1; 2; 3; 4; 5; 6}.
Ta thấy rằng A1 , A2 , ..., A6 là một hệ đầy đủ các biến cố của phép thử
này.

Biến cố và Xác suất Khái niệm và các định nghĩa về xác suất của biến cố
Outline



Xác suất của biến cố
Gọi A là biến cố của một phép thử nào đó. Vì tính ngẫu nhiên, mặc dù
khi thực hiện phép thử một lần, ta không thể nói trước biến cố A có
xuất hiện hay không.
Nhưng, ta thừa nhận rằng:
có một số ≥ 0 (ký hiệu là P (A), tồn tại khách quan)
đo khả năng xuất hiện hay khả năng xảy ra của A.
Một cách tự nhiên, ta có một số nhận định:

P (A) phải bằng 1 (i.e. 100%) nếu A là biến cố chắc chắn;
P (A) bằng 0 nếu A là biến cố không;
nếu A và B là hai biến cố xung khắc (i.e. AB = ∅), thì
P (A + B) = P (A) + P (B).
Tùy trường hợp cụ thể, ta tìm cách xác định P (A) một cách hợp lý.

Định nghĩa cổ điển của xác suất
Xét trường hợp những phép thử "cân đối" (đồng khả năng), như tung một
đồng xu hay một hạt xúc xắc cân đối, với tỉ lệ xuất hiện các mặt là bằng nhau.
Định nghĩa 1.6

Với Ω = {ω1 , ..., ωN } là không gian mẫu của phép thử mà các kết quả
có cùng khả năng xuất hiện, nghĩa là:
1
P (ω1 ) = P (ω2 ) = ... = P (ωN ) = .
N
Khi đó, xác suất của biến cố A được xác định bằng công thức:
|A| card(A) n
P (A) = = = ,
|Ω| card(Ω) N
với |A| ≡ card(A) = n là số các biến cố sơ cấp của A.
card: viết tắt của cardinal (card(B) thường dùng để chỉ số lượng phần tử trong tập hợp B).
Định nghĩa cổ điển của xác suất - Thí dụ
Ví dụ 1.7
Trong một hộp có 3 quả cầu trắng và 5 quả cầu đỏ giống hệt nhau về
kích thước (chỉ khác về màu sắc). Lấy ngẫu nhiên 3 quả cầu từ hộp đó.
Tính xác suất:
(a) để lấy được 3 quả cầu đỏ;
(b) để lấy được 2 quả cầu trắng và 1 quả cầu đỏ.
Giải:
|A| C53
(a) Gọi A là biến cố "lấy được 3 quả cầu đỏ", thì P (A) = |Ω|
= C83
= 0.179;
(b) Gọi B là biến cố "lấy được 2 quả cầu trắng và 1 quả cầu đỏ". Ta có:
số cách lấy được 2 quả cầu trắng từ 3 quả cầu trắng trong hộp là C32 .
số cách lấy được 1 quả cầu đỏ từ 5 quả cầu đỏ trong hộp là C51 .
⇒ Do đó, theo quy tắc nhân (phép giao của 2 biến cố), số cách chọn được 2 quả cầu trắng
và 1 quả cầu đỏ là |B| = C32 × C51 .
|B| C32 ×C51
Vậy, ta có: P (B) = |Ω|
= C83
= 0.268.
Định nghĩa cổ điển của xác suất (tt)
Một vài nhận xét:
Ưu điểm: tính được chính xác giá trị của xác suất mà không cần
tiến hành phép thử.
Nhược điểm: do đòi hỏi phải có hữu hạn các biến cố và tính đồng
khả năng của các biến cố đó.
Tuy nhiên, trong thực tế lại có nhiều phép thử không có hay
không đảm bảo tính chất đó.
⇒ Vì vậy, cần đưa ra định nghĩa khác (tổng quát hơn)

về xác suất để khắc phục những hạn chế trên.

Định nghĩa xác suất theo quan điểm thống kê
Xét trường hợp những phép thử không đồng khả năng, ta xác định gần đúng
xác suất P (A) theo cách sau:
Tiến hành phép thử n lần. Giả sử m(A) là số lần A xảy ra trong n lần
thực hiện phép thử này. Ta gọi:
• m(A) là tần số xuất hiện biến cố A,
m(A)
• là tần suất xuất hiện biến cố A.
n
Khi n khá lớn, ta dùng tần suất m(A)
n để xấp xỉ P (A). Đó là ý tưởng của
định nghĩa xác suất theo quan điểm thống kê.
Cụ thể, ta thừa nhận tồn tại P (A) sao cho tần suất m(A)
n dao động
quanh P (A).
Người ta chứng minh rằng, với những giả thiết phù hợp,
m(A)
lim = P (A).
n→+∞ n
Định nghĩa xác suất theo quan điểm thống kê - Thí dụ
Ví dụ 1.8
Để nghiên cứu khả năng xuất hiện mặt "Sấp" khi tung một đồng xu (tỉ
lệ xuất hiện mỗi mặt là như nhau), người ta tiến hành tung đồng xu đó
nhiều lần và thu được kết quả sau
Người làm Số lần tung Số lần nhận mặt Sấp Tần suất
m(A)
thí nghiệm n m(A) n
A 4040 2048 0.5069
B 12000 6019 0.5016
C 24000 12012 0.5005
Ta thấy rằng, khi số lần tung n càng lớn thì tần suất xuất hiện mặt
Sấp càng gần giá trị 0.5 (hay 50%).

Định nghĩa xác suất theo quan điểm thống kê (tt)
Một vài nhận xét:
Ưu điểm: không đòi hỏi phép thử phải có hữu hạn biến cố đồng
khả năng, tính xác suất dựa trên quan sát thực tế, vì vậy có thể
được ứng dụng rộng rãi.
Nhược điểm: đòi hỏi phải lặp lại nhiều lần phép thử. Trong nhiều
bài toán thực tế, điều này không cho phép, chẳng hạn do điều kiện
và chi phí làm phép thử.

Định nghĩa xác suất theo lý thuyết độ đo
Xét trường hợp phép thử đồng khả năng với không gian mẫu có vô hạn đếm
được phần tử (chẳng hạn, xét Ω = N = {0; 1; 2; 3; 4; ...}).
Giả sử không gian mẫu được biểu diễn bởi một miền Ω, biến cố A ⊂ Ω
được biểu diễn bởi A miền con của Ω.
Giả sử Ω là một "không gian đo được" được trang bị "độ đo m" (độ đo
không âm). Khi đó, xác suất của biến cố A được xác định bởi:
m(A) độ đo của miền A

P (A) = = .
m(Ω) độ đo của miền Ω
"Độ đo" m ứng với miền (hay không gian) đang xét đến.
Chẳng hạn, "độ đo" m ở đây có thể hiểu là độ dài, diện tích hoặc thể tích,
tùy thuộc vào miền (hay không gian) đang xét là đường thẳng (hay R), mặt
phẳng (hay R2 ) hoặc không gian 3-chiều (hay R3 ).
Định nghĩa xác suất theo lý thuyết độ đo - Thí dụ
Ví dụ 1.9
Trong không gian R2 , lấy ngẫu nhiên một điểm M trong hình vuông có
độ dài cạnh 1 đơn vị, tâm là gốc tọa độ (0, 0) ∈ R2 . Tính xác suất để
M thuộc hình tròn tạo bởi đường tròn nội tiếp hình vuông này.
Giải: Gọi A là biến cố "điểm M thuộc hình tròn tạo bởi đường tròn nội
tiếp hình vuông".
Ta có:
diện tích hình tròn π × ( 21 )2 π

P (A) = = 2
= .
diện tích hình vuông 1 4

Một vài tính chất của xác suất
Với Ω là không gian mẫu, và hai biến cố A, B ⊂ Ω. Ta có:

1 0 ≤ P (A) ≤ 1 ;
2 P (∅) = 0 ; P (Ω) = 1;
3 Nếu A ⊆ B thì P (A) ≤ P (B);
4 P (A) = 1 − P (A);

Các công thức tính xác suất cơ bản
Outline



Các công thức tính xác suất cơ bản Công thức cộng xác suất
Outline



Với Ω là không gian mẫu

■ Công thức cộng xác suất các biến cố bất kỳ:
(a) A, B là 2 biến cố bất kỳ, ta có
P (A + B) = P (A) + P (B) − P (AB);
(b) A, B, C là các biến cố bất kỳ ta có:

P (A + B + C) = P (A) + P (B) + P (C)−P (AB) − P (AC) − P (BC)
+P (ABC);
(c) A1 , A2 , ..., An là n biến cố bất kỳ, ta có

X
P (A1 + A2 + ... + An ) =P (A1 ) + ... + P (An ) − P (Ai Aj )
i<j
X
+ P (Ai Aj Ak ) − ... + (−1)n−1 .P (A1 ...An );
i<j<k

Công thức cộng xác suất - các biến cố xung khắc
■ Nói riêng, công thức cộng xác suất các biến cố xung khắc:
(a) A, B là 2 biến cố xung khắc, ta có
P (A + B) = P (A) + P (B);
(b) A, B, C là các biến cố xung khắc từng đôi một ta có:
P (A + B + C) = P (A) + P (B) + P (C);
(c) A1 , A2 , ..., An là n biến cố xung khắc từng đôi một, ta có
P (A1 + A2 + ... + An ) =P (A1 ) + ... + P (An );

Công thức cộng xác suất - Thí dụ 1
Ví dụ 2.1
Qua điều tra trong sinh viên (SV), ta biết 40% SV học thêm ngoại ngữ,
55% SV học thêm tin học và 30% SV học thêm cả 2 môn này. Chọn
ngẫu nhiên một sinh viên để khảo sát. Tính xác suất để gặp được:
(a) sinh viên có học thêm (ngoại ngữ hoặc tin học).
(b) sinh viên không học thêm môn nào cả.

Công thức cộng xác suất - Thí dụ 1
Ví dụ 2.1
Qua điều tra trong sinh viên (SV), ta biết 40% SV học thêm ngoại ngữ,
55% SV học thêm tin học và 30% SV học thêm cả 2 môn này. Chọn
ngẫu nhiên một sinh viên để khảo sát. Tính xác suất để gặp được:
(a) sinh viên có học thêm (ngoại ngữ hoặc tin học).
(b) sinh viên không học thêm môn nào cả.
Gợi ý: Gọi A là biến cố "sinh viên học thêm ngoại ngữ", B là biến cố "sinh
viên học thêm tin học". Ta có P (A) = 0.4; P (B) = 0.55; P (AB) = 0.3. Từ
đó, tính được
(a) C là biến cố "Sinh viên có học thêm (ngoại ngữ hoặc tin học)", thì
C = A + B, do đó P (C) = P (A) + P (B) − P (AB) = 0.65;
(b) D là biến cố "Sinh viên không học thêm môn nào cả", thì
D = A + B = Ω\(A + B), do đó P (D) = 1 − P (A + B) = 0.35.

Một vài tính chất của xác suất - Thí dụ 2
Ví dụ 2.2
Một công ty du lịch có 60 nhân viên. Trong đó, có 20 người biết tiếng Anh, 25
người biết tiếng Pháp và 14 người biết tiếng Nhật. Trong số những người này,
có 12 người biết cả tiếng Anh và tiếng Pháp, 8 người biết tiếng Anh và tiếng
Nhật, 4 người biết tiếng Pháp và tiếng Nhật. Hơn nữa, giữa những người này
có 2 người biết cả 3 thứ tiếng Anh, Pháp và Nhật.
Bạn đến công ty này và gặp một người. Tính xác suất để người đó là người
biết một trong ba thứ tiếng.

Một vài tính chất của xác suất - Thí dụ 2
Ví dụ 2.2
Một công ty du lịch có 60 nhân viên. Trong đó, có 20 người biết tiếng Anh, 25
người biết tiếng Pháp và 14 người biết tiếng Nhật. Trong số những người này,
có 12 người biết cả tiếng Anh và tiếng Pháp, 8 người biết tiếng Anh và tiếng
Nhật, 4 người biết tiếng Pháp và tiếng Nhật. Hơn nữa, giữa những người này
có 2 người biết cả 3 thứ tiếng Anh, Pháp và Nhật.
Bạn đến công ty này và gặp một người. Tính xác suất để người đó là người
biết một trong ba thứ tiếng.
Gợi ý: Gọi A là biến cố "nhân viên biết tiếng Anh", B là biến cố "nhân viên
biết tiếng Pháp" và C là biến cố "nhân viên biết tiếng Nhật". Ta có:
20 25 14
P (A) = ; P (B) = ; P (C) = ;
60 60 60
12 8 4 2
P (AB) = ; P (AC) = ; P (BC) = ; P (ABC) = .
60 60 60 60
Gọi D là biến cố "nhân viên biết một trong ba thứ tiếng" thì D = A + B + C.
Các công thức tính xác suất cơ bản Xác suất có điều kiện
Outline



Khi nghiên cứu các hiện tượng ngẫu nhiên xuất hiện một vấn đề sau: xác suất
của một biến cố A sẽ thay đổi thế nào khi một biến cố B khác (có mối liên hệ
giữa A và B) đã xảy ra?
Xét trường hợp tiến hành một phép thử n lần và đặt m(A) là số lần biến cố A
xảy ra. Một cách trực giác, khi n càng lớn thì m(A)
n càng gần giá trị P (A)
(xác suất để A xảy ra).
Bây giờ, tưởng tượng rằng nếu biết biến cố B đã xảy ra, khi đó, ta chỉ tính
đến các lần A xảy ra mà B cũng xảy ra, nghĩa là m(AB).
Khi đó, "số lần thực hiện phép thử có ý nghĩa" là số lần B xảy ra (vì những
lần thực hiện phép thử khác là không thể, nếu ta biết B đã xảy ra), nghĩa là
m(B).
Do đó, gọi P (A|B) là "xác suất A xảy ra khi biết B đã xảy ra", thì
m(AB) m(AB)/n P (AB)
P (A|B) ≈ = ”gần với” khi n càng lớn.
m(B) m(B)/n P (B)
Xác suất có điều kiện (tt)
Xét ví dụ sau đây:
Ví dụ 2.3
Gieo một hạt xúc xắc cân đối và đồng chất 2 lần liên tiếp. Gọi A là
biến cố "lần đầu gieo xuất hiện mặt 1 chấm", và B là biến cố "tổng số
chấm trong cả hai lần gieo không vượt quá 3".
Ta có không gian mẫu
Ω = {(i, j) : 1 ≤ i, j ≤ 6} ,
các biến cố A = {(i, j) ∈ Ω : i = 1} = {(1, 1); (1, 2); ...; (1, 6)}
và B = {(i, j) ∈ Ω : i + j ≤ 3} = {(1, 1); (1, 2); (2, 1)}.

Xác suất có điều kiện (tt)
Theo định nghĩa cổ điển của xác suất ta có:
|A| 6 3 2
P (A) = = ; P (B) = ; P (AB) = .
|Ω| 36 36 36
Bây giờ, giả sử nếu biết trước rằng B đã xảy ra, thì khi đó A xảy ra khi
một trong hai kết quả (1, 1) và (1, 2) xảy ra.
(Nói cách khác, nếu biết rằng B đã xảy ra thì ta chỉ xét những kết quả của A
trong đó B cũng xảy ra)
Do đó, xác suất để A xảy ra với điều kiện B đã xảy ra (probability of A given
B), là:
2 2/36 P (AB)
P (A|B) = = = .
3 3/36 P (B)
Từ ví dụ trên, ta dẫn đến định nghĩa sau.

Công thức xác suất có điều kiện
Định nghĩa 2.4 (Conditional probability)

Xác suất có điều kiện của biến cố A với điều kiện B (Conditional
probabiliy of A given B) là một số không âm, được xác định theo công
thức:
P (AB)
P (A|B) = , nếu P (B) > 0.
P (B)
Một vài tính chất:

(a) P (A|B) ≥ 0;
(b) P (Ω|B) = P (B|B) = 1 ;

(c) Nếu A, C xung khắc (i.e. AC = ∅) thì P (AC)|B = P (A|B) + P (C|B);
(d) P (A|B) = 1 − P (A|B).

Các công thức tính xác suất cơ bản Công thức nhân xác suất
Outline



Các công thức tính xác suất cơ bản Công thức nhân xác suất
Bây giờ, từ công thức xác suất có điều kiện,
P (AB)
P (A|B) = , nếu P (B) > 0,
P (B)
và
P (BA)
P (B|A) = , nếu P (A) > 0,
P (A)
ta suy ra:
P (AB) = P (A|B).P (B) = P (B|A).P (A), nếu P (A).P (B) > 0;
Đây là công thức nhân xác suất.

Các công thức tính xác suất cơ bản Công thức xác suất đầy đủ và công thức Bayes
Outline



Công thức xác suất đầy đủ (toàn phần)
Cho không gian mẫu Ω với {B1 , B2 , ..., Bn } là một hệ đầy đủ các biến
cố, với P (Bk ) > 0, ∀1 ≤ k ≤ n.
Khi đó, với biến cố A bất kỳ, ta có:
A = AΩ = A(B1 + B2 + ... + Bn )
= (AB1 ) + (AB2 ) + ... + (ABn ).
Vì (AB1 ), (AB2 ), ..., (ABn ) xung khắc với nhau từng đôi một, nên
P (A) = P (AB1 ) + P (AB2 ) + ... + P (ABn ).
Sau đó, áp dụng công thức nhân xác suất, ta được:
P (A) = P (A|B1 ).P (B1 ) + P (A|B2 ).P (B2 ) + ... + P (A|Bn ).P (Bn ).
Đây là công thức xác suất đầy đủ (toàn phần).

Công thức Bayes
Với P (A) > 0 và {B1 , B2 , ..., Bn } là một hệ đầy đủ các biến cố, với
P (Bk ) > 0, ∀1 ≤ k ≤ n.
Khi đó, theo công thức nhân xác suất, với k = 1, 2, ..., n, ta có
P (A).P (Bk |A) = P (ABk ) = P (Bk ).P (A|Bk ).
Chia hai vế cho P (A) > 0 và từ công thức xác suất đầy đủ, ta được:
P (A|Bk ).P (Bk ) P (A|Bk ).P (Bk )

P (Bk |A) = = .
P (A) P (A|B1 ).P (B1 ) + ... + P (A|Bn ).P (Bn )
Đây là công thức Bayes.

Ví dụ 2.5
Một hộp bi có 10 bi đỏ và 5 bi xanh. Lấy ngẫu nhiên hai lần liên tiếp,
mỗi lần một viên bi không hoàn lại. Tính xác suất
(a) được hai bi đỏ;
(b) viên bi lấy ra lần sau là bi đỏ;
(c) lần đầu rút được bi đỏ, biết rằng lần sau cũng rút được bi đỏ.
Gợi ý
(a) Gọi A là biến cố "viên bi lấy ra lần đầu là bi đỏ", và B là biến cố
"viên bi lấy ra lần sau là bi đỏ".
Theo công thức nhân xác suất,
10 9 3
P (AB) = P (B|A).P (A) = . = ≈ 0.4286.
15 14 7

Gợi ý (tt)

(b) Ta có A, A tạo thành một hệ đầy đủ các biến cố. Áp dụng công
thức xác suất toàn phần ta có:
10 9 5 10 10
P (B) = P (B|A).P (A) + P (B|A).P (A) = . + . = ≈ 0.6667.
15 14 15 14 15
(c) Áp dụng công thức Bayes ta có:

10 9
P (B|A).P (A) 15 . 14
P (A|B) = = 10 = 0.6429.
P (B) 15

Các công thức tính xác suất cơ bản Sự độc lập giữa các biến cố
Outline



Định nghĩa 2.6

Hai biến cố A, B gọi là độc lập nhau (independent) nếu
P (AB) = P (A).P (B).
Định nghĩa 2.7

Ba biến cố A, B, C gọi là độc lập nhau từng đôi một nếu chúng thỏa 4 điều
kiện sau:
(i) P (AB) = P (A).P (B);
(ii) P (AC) = P (A).P (C);
(iii) P (BC) = P (B).P (C);
(iv) P (ABC) = P (A).P (B).P (C).

Sự độc lập giữa các biến cố - Thí dụ 1
Ví dụ 2.8
Xét phép thử đồng khả năng với Ω = {ω1 ; ω2 ; ω3 ; ω4 } có
P ({ω1 }) = P ({ω2 }) = P ({ω3 }) = P ({ω4 }) = 14 .
Đặt các biến cố A = {ω1 ; ω2 }, B = {ω1 ; ω3 } và C = {ω2 ; ω3 } thì
1
P (AB) = P ({ω1 }) = = P (A).P (B),
4
P (AC) = P (A).P (C),
P (BC) = P (B).P (C),
nhưng
P (ABC) = P (∅) = 0 ̸= P (A)P (B)P (C).

Sự độc lập giữa các biến cố - Thí dụ 2
Ví dụ 2.9
Tung hai đồng tiền xu đồng thời. Gọi A là biến cố "đồng xu thứ nhất
ngả mặt Sấp", B là biến cố "đồng xu thứ hai ngả mặt Sấp", C là biến
cố "xuất hiện ít nhất một mặt Sấp".
(a) A và B có độc lập với nhau hay không?
(b) A, B, C có độc lập nhau từng đôi một không?

XSTK-Lecture1-Biến cố và Xác suất

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

XSTK-Lecture1-Biến cố và Xác suất

Uploaded by

Copyright:

Available Formats

KHÁI NIỆM CƠ BẢN VỀ XÁC SUẤT

Nguyễn Tiến Đạt

Dat T. Nguyen Khái niệm cơ bản về Xác suất VNUHCM-US 1 / 52

1 Biến cố và Xác suất

2 Các công thức tính xác suất cơ bản

Dat T. Nguyen Khái niệm cơ bản về Xác suất VNUHCM-US 2 / 52

1 Biến cố và Xác suất

2 Các công thức tính xác suất cơ bản

Dat T. Nguyen Khái niệm cơ bản về Xác suất VNUHCM-US 3 / 52

Phép thử và biến cố

Trong lý thuyết Xác suất, phép thử là khái niệm cơ bản,

Phép thử ngẫu nhiên (Random experiment)

Sau này, ta sẽ gọi tắt là phép thử.

Phép thử và biến cố

Dat T. Nguyen Khái niệm cơ bản về Xác suất VNUHCM-US 5 / 52

Phép thử và biến cố

Hai biến cố đặc biệt:

Dat T. Nguyen Khái niệm cơ bản về Xác suất VNUHCM-US 6 / 52

Phép thử và biến cố - Thí dụ

Dat T. Nguyen Khái niệm cơ bản về Xác suất VNUHCM-US 7 / 52

Quan hệ giữa các biến cố

1 Biến cố và Xác suất

2 Các công thức tính xác suất cơ bản

Dat T. Nguyen Khái niệm cơ bản về Xác suất VNUHCM-US 9 / 52

Các phép toán trên biến cố - I

Biến cố tổng (union) - Phép toán cộng (hợp)

Dat T. Nguyen Khái niệm cơ bản về Xác suất VNUHCM-US 10 / 52

Các phép toán trên biến cố - II

Biến cố tích (intersection) - Phép toán giao

Dat T. Nguyen Khái niệm cơ bản về Xác suất VNUHCM-US 11 / 52

Các phép toán trên biến cố - III

Biến cố xung khắc - Phép toán giao (tt)

Dat T. Nguyen Khái niệm cơ bản về Xác suất VNUHCM-US 12 / 52

Các phép toán trên biến cố - IV

Biến cố hiệu - Phép toán hiệu

nghĩa là, A xảy ra nhưng B không xảy ra.

Dat T. Nguyen Khái niệm cơ bản về Xác suất VNUHCM-US 13 / 52

Các phép toán trên biến cố - V

Biến cố đối lập (biến cố bù) - Phép toán bù (đối) (complement)

Dat T. Nguyen Khái niệm cơ bản về Xác suất VNUHCM-US 14 / 52

Các phép toán trên biến cố (tt)

Một số tính chất cơ bản:

Chứng minh tính chất (e) và (f).

Các phép toán trên biến cố - Thí dụ 1

A = {SS, SN, N S} , và B = {N S, SN, N N } .

Hãy xác định theo A, B các biến cố sau:

Dat T. Nguyen Khái niệm cơ bản về Xác suất VNUHCM-US 16 / 52

Các phép toán trên biến cố - Thí dụ 1

A = {SS, SN, N S} , và B = {N S, SN, N N } .

Hãy xác định theo A, B các biến cố sau:

Gợi ý: (a) CS = A và CN = B; (b) D = AB;

Các phép toán trên các biến cố - Thí dụ 2

Dat T. Nguyen Khái niệm cơ bản về Xác suất VNUHCM-US 17 / 52

Các phép toán trên các biến cố - Thí dụ 2

Hệ đầy đủ các biến cố (exhaustive)

Hình: A1 , A2 , ..., A7 tạo thành một hệ đầy đủ các biến cố.

Dat T. Nguyen Khái niệm cơ bản về Xác suất VNUHCM-US 18 / 52

Hệ đầy đủ các biến cố (exhaustive) - thí dụ

Dat T. Nguyen Khái niệm cơ bản về Xác suất VNUHCM-US 19 / 52

1 Biến cố và Xác suất

2 Các công thức tính xác suất cơ bản

Dat T. Nguyen Khái niệm cơ bản về Xác suất VNUHCM-US 20 / 52

Xác suất của biến cố

Một cách tự nhiên, ta có một số nhận định: