Chapter 1.

XÁC SUẤT
(PROBABILITY)
1.1 Không gian mẫu (Sample space)

Definition 1.1. Tập hợp tất cả các kết cục của thí nghiệm thống kê được gọi là không
gian mẫu (sample space) và được kí hiệu là S.

Mỗi kết cục nằm trong một không gian mẫu được gọi là một phần tử không gian mẫu
hoặc đơn giản là một điểm mẫu (a sample point). Nếu không gian mẫu có hữu hạn phần
tử thì chúng ta có thể liệt kê tương tự như tập hợp.

Không gian mẫu các kết cục khi tung một đồng xu là S = {H,T} với H và T tương ứng
với “ngửa” và “sấp” .

Example 1.1. Xét thí nghiệm khi tung một con xúc xắc. Nếu chúng ta quan tâm đến số
chấm của mặt đỉnh (top face), thì không gian mẫu là S1 = {1,2,3,4,5,6}.

Nếu chúng ta quan tâm đến chẳn hay lẻ, thì không gian mẫu là S2 = {chẵn, lẻ}.

Example 1.2. Một thí nghiệm được tiến hành như sau: Tung một đồng xu, nếu được mặt
ngửa (head) thì sau đó tiếp tục tung đồng xu; ngược lại được mặt sấp (tail) thì sau đó
tung một con xúc xắc 6 mặt. Khi đó không gian mẫu của thí nghiệm là

S = {HH , HT , T 1, T 2, T 3, T 4, T 5, T 6} , được minh họa trong Figure 2.1.

 Example 1.3 Giả sử 3 sản phẩm được chọn ngẫu nhiên từ một dây chuyền sản xuất. Mỗi
sản phẩm được đánh giá và phân loại thành khiếm khuyết (defective), D, hoặc tốt
(nondefective), N. Khi đó không gian mẫu là

S = {DDD, DDN , DND, DNN , NDD, NDN , NND, NNN } được minh họa trong Figure 2.2

1.2 Biến cố (Events)

Definition 1.1. Một biến cố là một tập con của không gian mẫu.

Example 1.4. Cho không gian mẫu S = {t / t > 0} , với t là thời gian sử dụng của một thiết
bị điện tử, và biến cố A là biến cố thiết bị bị hỏng trước 5 năm A = {t / 0 < t < 5} .

Một biến cố có thể là một tập con chứa toàn bộ không gian mẫu S, được gọi là biến cố
chắc chắn, hoặc không chứa phần tử nào, ký hiệu ∅ , được gọi là biến cố rỗng.

Definition 1.3. Biến cố đối lập của một biến cố A (nằm trong không gian mẫu S), ký
hiệu là A’, là tập con chứa các phần tử của S nhưng không nằm trong A.

Example 1.5. Cho R là biến cố chọn được một lá bài màu đỏ từ bộ bài thông thường 52
lá và không gian mẫu S là toàn bộ bộ bài. Khi đó R’ là biến cố chọn được 1 lá bài từ bộ
bài nhưng không phải lá màu đỏ.

Example 1.6. Xem xét không gian mẫu

S = {book, catalyst, cigarette, precipitate, engineer, rivet}

Cho A = {catalyst, rivet, book, cigarette}. Khi đó, biến cố đối lập của A là
A’={precipitate, engineer}.
Bây giờ, chúng ta xem xét các phép toán giữa các biến cố, kết quả của các phép toán này
sẽ tạo nên các biến cố mới. Các biến cố mới này cũng là tập con của không gian mẫu.
Giả sử A và B là hai biến cố của thí nghiệm, tức A và B là các tập con của cùng một
không gian mẫu S. Ví dụ, khi tung một con xúc xắc, A là biến cố mặt chẵn xuất hiện và
B là biến cố mặt xuất hiện có hơn 3 chấm. Khi đó A = {2,4,6} và B = {4,5,6} là các tập
con của cùng không gian mẫu S = {1,2,3,4,5,6}.

Chú ý A và B cùng xuất hiện khi tung con xúc xắc nếu kết cục của thí nghiệm là một
phần tử của tập hợp {4,6}, đó là giao của A và B.

Definition 1.4. Giao của hai biến cố A và B, kí hiệu A ∩ B , là biến cố chứa tất cả các
kết cục chung của hai biến cố A và B.

Example 1.7. C là biến cố một người được chọn ngẫu nhiên tại một quán cafe internet là
sinh viên, và M là biến cố người được chọn là nữ. Khi đó, C∩M là biến cố người được
chọn là sinh viên nữ, tức C∩M là tập hợp các sinh viên nữ tại quán café internet.

Example 1.8. M = {a , e, i , o , u} và N = {r , s , t}  M I N = ∅ , tức M và N không có

phần tử chung, do đó M và N không đồng thời xảy ra  M và N xung khắc.

Example 1.9. Một công ty truyền hình cáp có 8 kênh truyền hình khác nhau, 3 của ABC,
2 của NBC, và 1 của CBS. Hai kênh còn lại gồm 1 kênh giáo dục và 1 là kênh thể thao
ESPN. Giả sử một người mở TV nhưng không biết kênh nào được chọn trước. A là biến
cố kênh chọn trước là của NBC, và B là biến cố kênh được chọn là của CBS. Vì một
kênh truyền hình không thể là sở hữu đồng thời của cả hai công ty nên biến cố A và B
không có kênh chung. Do đó, A I B = ∅ và A và B xung khắc.

Ngoài ra, chúng ta còn quan tâm đến sự xuất hiện của ít nhất một biến cố. Chẳng hạn,
khi tung một con xúc xắc, nếu A = {2, 4, 6} và B = {4,5, 6} . Chúng ta quan tâm đến hoặc A
xảy ra hoặc B xảy ra hoặc cả A và B cùng xảy ra. Biến cố này xảy ra nếu kết cục là một
phần tử của tập con {2, 4,5, 6} .

Definition 1.5. Hai biến cố A và B là xung khắc (mutually exclusive) hoặc rời nhau
(disjoint) nếu A ∩ B = ∅ , tức A và B không có kết cục chung.

Definition 1.6. Hội của hai biến cố A và B, kí hiệu A ∪ B , là biến cố chứa tất cả các kết
cục thuộc A hoặc B hoặc cả hai. Đó cũng là một biến cố, được gọi là hội của A và B.

Example 1.10. A = {a , b, c} và B = {b, c, d , e}  A U B = {a , b , c , d , e} .

Example 1.11. P là biến cố một công nhân được chọn ngẫu nhiên tại công ty khoan dầu
hút thuốc. Q là biến cố công nhân được chọn uống rượu  P U Q là tập hợp tất cả các
công nhân hoặc hút thuốc, hoặc uống rượu, hoặc cả hai.

Example 1.11. M = {x / 3 < x < 9} và N = {y / 5 < y < 12}  M U N = {z / 3 < z < 12} .
 Mối quan hệ giữa các biến cố và không gian mẫu có thể được minh họa bằng biều đồ
Venn (Venn diagram)

A I B = region1 and 2
B I C = region1 and 3
A U C = region1, 2, 3, 4, 5 and 7
B 'I A = region 4 and 7
A I B I C = region1
( A U B ) I C ' = region 2, 6 and 7

Một vài tính chất của các phép toán:

1. A I ∅ = ∅ 6. ∅ ' = S
2. A U ∅ = A 7. ( A ') ' = A
3. A I A ' = ∅ 8. ( A I B ) ' = A 'U B '
4. A U A ' = S 9. ( A U B ) ' = A 'I B '
5. S ' = ∅

1.3 Counting sample points

Theorem 1.1. Một nhiệm vụ có 2 bước, bước 1 có thực hiện theo n1 cách, và với mỗi
cách thực hiện ở bước 1, bước 2 có n2 cách thực hiện, thì nhiệm vụ có thể thực hiện theo
n1n2 cách.

Example 1.13. Không gian mẫu có bao nhiêu điểm mẫu (sample point), khi tung đồng
thời cả hai con xúc xắc?

Solution. Con xúc xắc thứ nhất rơi xuống đất có n1 = 6 cách. Với mỗi cách của con xúc
xắc thứ nhất, thì con xúc xắc thứ hai cũng có n2 = 6 cách. Do đó, hai con xúc xắc rơi
xuống đất theo n1n2 = (6)(6) = 36 cách có khả năng xảy ra.

Theorem 1.1. Một nhiệm vụ có k bước, bước 1 có thể thực hiện theo n1 cách, với mỗi
cách thực hiện ở bước 1 có n2 cách thực hiện ở bước 2, với mỗi cách thực hiện ở 2 bước
đầu tiên có n3 cách thực hiện ở bước 3, …, với mỗi cách thực hiện (k-1) bước đầu tiên
có nk cách ở bước k

nhiệm vụ có thể thực hiện theo n1n2 ...nk cách

Example 1.15. Sam dự định tự mình lắp ráp một cái vi tính. Cậu ấy chọn chip từ 2
thương hiệu, ổ cứng từ 4, Ram từ 3, và thiết bị hỗ trợ từ 5 thương hiệu. Vậy Sam có bao
nhiêu cách khác nhau để lắp ráp một cái máy vi tính?

Solution. Vì n1 = 2, n2 = 4, n3 = 3 và n4 = 5 nên có n1 × n2 × n3 × n4 = 2 × 4 × 3 × 5 = 120 cách

lắp ráp một chiếc vi tính.

Example 1.16. Có bao nhiêu số có 4 chữ số chẵn có thể thành lập từ các chữ số 0,1,2,5,6
và 9 nếu mỗi chữ số chỉ được sử dụng một lần?

Solution. Vì số cần tìm là số chẵn nên chữ số hàng đơn vị chỉ có n1 = 3 cách chọn. Tuy
nhiên, chữ số hàng ngàn phải khác không, nên chúng ta sẽ phân chữ số hàng đơn vị
thành 2 trường hợp: 0 và khác 0. Nếu chữ số hàng đơn vị là 0 (i.e, n1 = 1 ), chữ số hàng
ngàn có n2 = 5 cách chọn, chữ số hàng trăm có n3 = 4 , chữ số hàng chục có n4 = 3 cách
chọn có n1n2 n3 n4 = (1)(5)(4)(3) = 96 số chẳn. Nếu chữ số hàng đơn vị khác không (ie,
n1 = 2 ), chữ số hàng ngàn có n2 = 4 cách chọn, chữ số hàng trăm có n3 = 4 , chữ số hàng
chục có n4 = 3 cách chọn có n1n2 n3 n4 = (2)(4)(4)(3) = 96 số chẵn

Vì hai trường hợp xung khắc lẫn nhau, do đó sô các số chẵn có 4 chữ số có thể thành lập
là 60 + 96 = 156 số.

Definition 1.7. Một chỉnh hợp là một sự sắp xếp có thứ tự của tất cả hoặc một phần của
một tập các phần tử.
 Một chỉnh hợp chập r của n phần từ là một sự sắp xếp có thứ tự r phần tử được chọn từ
n phần tử đã cho.

Một chỉnh hợp chập n của n phần tử được gọi là một hoán vị của n phần tử

Xem xét 3 ký tự a, b, và c. Tất cả các hoán vị có thể có là abc, acb, bac, bca, cab, và cba
 có 6 cách sắp xếp khác nhau. Dùng Theorem 1.2 đạt được kết quả mà không cần phải
liệt kê. Có n1 = 3 cách cho vị trí thứ nhất, n2 = 2 cho vị trí thứ hai, n3 = 1 cho vị trí cuối
cùng  (3)(2)(1) = 6 hoán vị.

Trường hợp tổng quát, n vật thể khác nhau có thể sắp xếp theo n(n − 1)(n − 2)...(3)(2)(1)
cách. Tích n(n − 1)(n − 2)...(3)(2)(1) được ký hiệu là n ! ( đọc là n giai thừa). Quy ước: 1! =
1; 0! = 1

Theorem 1.3. Số hoán vị của n phần tử là n!

Số hoán vị của 4 ký tự a, b, c và d là 4!=24

Theorem 1.4. Số chỉnh hợp chập r của n phần tử là

n!
nPr =
(n − r )!

Example 1.17. Trong một năm, ba giải thưởng (nghiên cứu, giảng dạy, và phục vụ) sẽ
được trao cho một lớp gồm 25 sinh viên của khoa thống kê. Nếu mỗi sinh viên chỉ nhận
nhiều nhất một giải thưởng, hỏi có bao nhiêu cách để trao 3 giải thưởng này?

Solution. Vì các giải thưởng là phân biệt nên đây là bài toán chỉnh hợp. Tổng số điểm
mẫu là

25! 25!
25 P3 = = = (25)(24)(23) = 13,800
(25 − 3)! 22!

Example 1.18. Một chủ tịch và một thủ quỹ được chọn từ một câu lạc bộ sinh viên gồm
50 người. Hỏi có bao nhiêu cách chọn có thể có nếu

(a) Không có sự hạn chế nào

(b) A chỉ có thể được bầu làm chủ tịch

(c) B và C cùng đậu hoặc cùng rớt

(d) D và E không được cùng đậu

Solution.

(a) Tổng số cách chọn, nếu không có sự hạn chế nào,

 50! 50!
50 P 2 = = = (50)(49) = 2450
(50 − 2)! 48!

(b) Vì A chỉ có thể được bầu làm chủ tịch nên có 2 trường hợp xảy ra:

(i) A làm chủ tịch, ta có 49 kết cục

(ii) Chủ tịch và thư ký được chọn từ 49 người còn lại  số cách chọn trong
trường hợp này là 49 P 2 = (49)(48) = 2352

Do đó, tổng số cách chọn là 49 + 2352 = 2401

(c) Số cách chọn khi B và C đều đậu là 2

Số cách chọn khi cả B và C đều không được chọn là 48P2 = 2256

Do đó, tổng số cách chọn là 2 + 2256 = 2258

(d) Khi D được chọn nhưng E không được chọn: số cách chọn là (2)(48) = 96

Khi E được chọn nhưng D không được chọn: số cách chọn là (2)(48) = 96

Khi cả D và E đều không được chọn: số cách chọn là 48P2 = 2256

Do đó, tổng số cách chọn là (2)(96) + 2256 = 2448

Theorem 1.7. Số cách chia một tập hợp gồm n phần tử thành r tập hợp con, trong đó
tập con thứ nhất có n1 phần tử, tập con thứ 2 có n2 phần tử,…., tập con cuối cùng (thứ
r) có nr phần tử là

 n  n!
 = với n1 + n2 + ... + nr = n
 n1 , n2 ,..., nr n
 1 2! n !...nr !

Example 1.20. Có bao nhiêu cách chia 7 sinh viên để ở trong 3 phòng (gồm 1 phòng 3
người và 2 phòng 2 người) trong thời gian hội nghị?

Solution:

 7  7!
 = = 210
 3, 2, 2  3!2!2!

Trong nhiều bài toán, chúng ta quan tâm đến số cách chọn r phần tử từ n phần tử mà
không xét đến thứ tự. Một cách chọn như thế được gọi là một tổ hợp chập r của n phần
tử. Một tổ hợp chập r của n phần tử chia n phần tử thành 2 nhóm: nhóm thứ nhất gồm r
 phần tử, nhóm thứ hai gồm (n-r) phần tử. Số tổ hợp chập r của n phần tử được ký hiệu là
 n  n
  , thông thường được viết gọn là  
 r , n − r  r 

Theorem 1.8. Số tổ hợp chập r của n phần tử là

n n!
 =
 r  r !( n − r )!

Example 1.21. Một thanh niên yêu cầu mẹ chọn 5 cuốn sách từ bộ sưu tập của anh, gồm
10 cuốn tiểu thuyết và 5 cuốn truyện tranh. Hỏi mẹ anh có bao nhiêu cách đề chọn 3
cuốn tiểu thuyết và 2 cuốn truyện tranh?

Solutio.: Số cách chọn 3 cuốn tiểu thuyết từ 10 cuốn là

 10  10!
 = = 120
 3  3!(10 − 3)!

Số cách chọn 2 cuốn truyện tranh từ 5 cuốn là

 5  5!
 = = 10
 2  2!3!

Áp dụng quy tắc nhân Theorem 1.1 với n1 = 120 và n2 = 10 , ta có: (120)(10) = 1200 cách

1.4 Xác suất của biến cố (Probability of an Event)

Trong suốt chương này, chúng ta xem xét các thí nghiệm mà không gian mẫu của nó
chứa hữu hạn các phần tử. Khả năng xuất hiện của một biến cố được đánh giá bởi một số
thực nhận giá trị từ 0 cho đến 1, gọi là xác suất của biến cố. Tổng các xác suất của các
điểm mẫu là 1. Xác suất của biến cố chắc chắn xảy ra là 1. Tương tự, xác suất của biến
cố rỗng là 0.

Definition 1.8. Xác suất của biến cố A, ký hiệu là P( A) , là tổng xác suất của tất cả các
điểm mẫu (sample point) chứa trong A. Do đó,

0 ≤ P ( A) ≤ 1, P(∅) = 0 và P ( S ) = 1

Hơn nữa, nếu A1 , A2 , A3 ,.... là một dãy các biến cố xung khắc, thì

P ( A1 U A2 U A3 ,....) = P( A1 ) + P ( A2 ) + P ( A3 )....

Example 1.23. Một con xúc xắc được tung hai lần. Tính xác suất mặt ngửa (head) xuất
hiện ít nhất một lần?

Solution. Không gian mẫu của thí nghiệm là S = {HH , HT , TH , TT }

Nếu con xúc xắc cân bằng, mỗi kết cục có khả năng xuất hiện như nhau. Do đó, xác suất
của mỗi điểm mẫu luôn là ω  4ω = 1ω = ¼. Nếu A là biến cố có ít nhất 1 mặt ngửa
1 1 1 3
xuất hiện thì A = {HH , HT , TH } và P( A) = + + =
4 4 4 4

Example 1.24. Một con xúc xắc được thiết kế sao cho khả năng xuất hiện số chẵn gấp 2
lần khả năng xuất số lẻ. Nếu E là biến cố được 1 số nhỏ hơn 4 khi tung một con xúc xắc,
tính P(E)

Solution. Không gian mẫu là S = {1, 2,3, 4,5, 6} . Đặt ω là xác suất của mỗi số lẻ 2ω là
xác suất của mỗi số chẵn. Vì tổng các xác suất là 1 nên 9ω = 1  ω = 1/9. Vì xác suất
1 2 1 4
của mỗi số lẻ là 1/9; của mỗi số chẳn là 2/9, do đó E = {1, 2,3} và P( E ) = + + = .
9 9 9 9

Example 1.25. Trong Example, A là biến cố xuất hiện mặt chẳn, B là biến cố xuất hiện
mặt có số chia hết cho 3. Tính P( A U B) và P( A I B) .

Solution. A = {2, 4, 6} và B = {3, 6}  A U B = {2,3, 4, 6} và A I B = {6}

2 1 2 2 7 2
 P( A U B) = + + + = và P( A I B) =
9 9 9 9 9 9

Nếu không gian mẫu của thí nghiệm có N phần tử, mỗi phần tử có khả năng xuất hiện
như nhau, khi đó xác suất xuất hiện của mỗi phần tử là 1/N. Xác suất của biến cố A chứa
n trong N điểm mẫu là tỷ số giữa số phần tử của A và số phần tử của không gian mẫu S.

Theorem 1.9. Nếu không gian mẫu của thí nghiệm gồm N kết cục đồng khả năng, và
biến cố A chứa n kết cục trong N kết cục của không gian mẫu, thì xác suất của biến cố A
n
là P( A) = .
N

Example 1.26. Một lớp thống kê cho kỹ sư gồm 25 sinh viên kỹ thuật công nghiệp, 10
sv cơ học, 10 sv điện tử và 8 sinh viên cơ khí. Nếu một người được chọn ngẫu nhiên để
trả lời câu hỏi của giảng viên, tính xác suất sinh viên được chọn là

a) là một sinh viên kỹ thuật công nghiệp

b) là một sinh viên cơ khí hoặc điện tử

Solution.

Ký hiệu I, M, E và C là biến cố sinh viên được chọn có chuyên ngành là công nghiệp, cơ
học, điện tử, cơ khí. Tổng số sinh viên của lớp là 53, khả năng được chọn của mỗi sinh
viên là như nhau.
 a) Vì có 25 trong số 53 sinh viên có chuyên ngành là kỹ thuật công nghiệp, do đó xác
25
suất một sinh viên kỹ thuật công nghiệp được chọn là P( I ) =
53

b) Vì có 18 trong số 53 sinh viên có chuyên ngành cơ khí hoặc điện tử, nên

18
P (C U E ) =
53

Example 1.27. Trong tay người đánh bài có 5 lá bài, tính xác suất 5 lá bài gồm 2 con xì
và 3 con J.

 4 4!
Solution. Số cách chọn 2 con xì từ 4 là   = =6
 2  2!2!

 4 4!
Số cách chọn 3 con J tử 4 là   = =4
 3  3!1!

Theo quy tắc nhân Theorem 1.1, có n = (6)(4) = 24 trường hợp trong tay có 2 con xì và 3
 52  52!
con J. Số trường hợp trong tay có 5 lá bài là   = = 2,598,960
 5  5!47!

Do đó, xác suất của biến cố C trong tay có 2 con xì và 3 con J là

24
P (C ) = = 0.9 × 10−5
2,598,960

1.5 Additive Rules

Theorem 1.10. Nếu A và B là hai biến cố, thì P( A U B) = P ( A) + P ( B ) − P( A I B)

Corollary 1.1. Nếu A và B là xung khắc, thì P( A U B) = P ( A) + P ( B )

Corollary 1.1. Nếu A1 , A2 ,..., An xung khắc, thì

P ( A1 U A2 U ... U An ) = P ( A1 ) + P ( A2 ) + ... + P ( An )

Tập hợp các biến cố { A1 , A2 ,..., An } của không gian mẫu S được gọi là phân hoạch của S
nếu A1 , A2 ,..., An xung khắc và A1 U A2 U ... U An = S .

Corollary 1.3. Nếu A1 , A2 ,..., An là phân hoạch của không gian mẫu S, thì

P ( A1 U A2 U ... U An ) = P ( A1 ) + P ( A2 ) + ... + P ( An ) = P ( S ) = 1

Theorem 1.11. Cho 3 biến cố A, B, C, ta có:

P ( A U B U C ) = P ( A) + P( B ) + P (C )
− P( A I B ) − P ( A I C ) − P ( B I C ) + P( A I B I C )
Example 1.28. John vừa mới tốt nghiệp ngành kỹ thuật công nghiệp. Sau khi được
phỏng vấn ở 2 công ty, cậu ấy ước lượng xác suất đậu ở công ty A là 0.8, xác suất đậu ở
công ty B là 0.6, và xác suất đậu ở cả hai công ty là 0.5. Tính xác suất anh ấy đậu ít nhất
ở một công ty.

Solution: Dùng công thức cộng, ta có:

P ( A U B) = P ( A) + P ( B ) − P( A I B ) = 0.8 + 0.6 − 0.5 = 0.9

Example 1.29. Tung đồng thời hai con xúc xắc. Tính xác suất tổng hai mặt của hai con
xúc xắc là 7 hoặc 11.

Solution. Đặt A là biến cố tổng là 7

B là biến cố tổng là 11

Tổng là 7 xuất hiện trong 6 điểm mẫu trong số 36 điểm mẫu của không gian mẫu.

Tổng là 11 xuất hiện tron 2 điểm mẫu.

6 1 2 1
Vì các điểm mẫu đồng khả năng nên P( A) = = ; P( B) = =
36 6 36 18

A và B xung khắc, vì tổng là 7 và 11 không đồng thời xảy ra trong cùng một lần tung

1 1 2
 P( A U B) = P( A) + P( B) = + =
6 18 9

Kết quả này cũng đạt được bằng cách tính các điểm mẫu nằm trong biến cố A U B , là 8,
n 8 2
do đó P( A U B) = = =
N 36 9

Example 1.30. Nếu 0.09, 0.15, 0.21, và 0.23 tương ứng là xác suất một người mua xe
mới chọn màu xanh lá cây, trắng, đỏ hoặc xanh da trời. Tính xác suất người mua chọn
mua xe một trong bốn màu trên ?

Solution. Đặt G, W, R và B tương ứng là biến cố người mua chọn mua xe màu xanh lá
cây, trắng, đỏ hoặc xanh da trời.Vì các biến cố này xung khắc nên
P (G ∪ W ∪ R ∪ B ) = P (G ) + P(W ) + P ( R ) + P ( B)
= 0.09 + 0.15 + 0.21 + 0.23 = 0.68

Theorem 1.11. Nếu A và A’ là các biến cố đối lập, thì P( A) + P( A ') = 1

Example 1.31. Nếu xác suất một xưởng cơ khí ô tô phục vụ 3, 4, 5, 6, 7, 8 xe hoặc hơn
trong 1 ngày là 0.12, 0.19, 0.28, 0.24, 0.10 và 0.07. Tinh xác suất xưởng phục vụ ít nhất
5 xe trong một ngày.

Solution. Đặt E là biến cố có tối thiểu 5 xe được phục vụ

 P ( E ) = 1 − P ( E ') với E’ là biến cố có ít hơn 5 xe được phục vụ.

Vì P( E ') = 0.12 + 0.19 = 0.31 theo Theorem 1.12 ta có P( E ) = 1 − 0.31 = 0.69

1.6 Conditional Probability

Definition 1.9. Xác suất có điều kiện của biến cố B, cho trước biến cố A, ký hiệu là P(B|
P( A I B)
A) được định nghĩa là P( B | A) = với P( A) > 0 .
P( A)

Example 1.33. Xác suất một chiếc xe khởi hành đúng giờ là P( D) = 0.83 , xác suất nó
đến nơi đúng giờ là P( A) = 0.82 , và xác suất chiếc xe khởi hành và đến nơi đều đúng giờ
là P( D I A) = 0.78 . Tính xác suất chiếc xe

(a) Đến nơi đúng giờ biết rằng nó khởi hành đúng giờ.

(b) Khởi hành đúng giờ biết rằng nó đến nơi đúng giờ

Solution:

(a) Xác suất chiếc xe đến nơi đúng giờ biết rằng nó khởi hành đúng giờ là

P ( D I A) 0.78
P( A | D) = = = 0.94
P( D) 0.83

(b) Xác suất chiếc xe khởi hành đúng giờ biết rằng nó đến nơi đúng giờ là

P ( D I A) 0.78
P ( D | A) = = = 0.95
P ( A) 0.82

Trong Example 1.33, P( A | D) ≠ P( A)  sự xuất hiện của biến cố D ảnh hưởng đến biến
cố A. Tuy nhiên, chúng ta sẽ xem xét tình huống các biến cố A và B thỏa P ( A | B) = P ( A)
. Nói cách khác, sự xuất hiện của biến cố B không ảnh hưởng đến sự xuất hiện của biến
cố A, hay sự xuất hiện của A độc lập với sự xuất hiện của B. Ví dụ, xét thí nghiệm rút
liên tiếp có hoàn lại 2 lá bài từ một bộ bài thương (bài Tây 52 lá). A là biến cố lần thứ
nhất được con xì, B là biến cố lần thứ hai được con bích.

Vì lá bài rút ra lần thứ nhất được hoàn lại nên không gian mẫu của cả lần thứ nhất và lần
thứ hai đều chứa 4 con xì và 13 con bích.

13 1 13 1
Vì vậy, P( B | A) = = và P ( B) = =
52 4 52 4

 P ( B | A) = P ( B )

Independent Events

Definition 1.10. Hai biến cố A và B độc lập nếu và chỉ nếu

 P ( B | A) = P ( B) hoặc P ( A | B ) = P ( A)

Ngược lại, A và B không độc lập

1.7 Multiplicative Rules (Quy tắc nhân)

Theorem 1.13. Nếu trong một thí nghiệm 2 biến cố A và B đồng thởi xảy ra, thì

P ( A ∩ B ) = P ( A).P ( B | A) nếu P ( A) > 0

Vì các biến cố A ∩ B và B ∩ A tương đương, theo Theorem 1.13 ta cũng có thể viết

P ( A ∩ B ) = P ( B ∩ A) = P ( B ) P ( A | B )

Example 1.35. Giả sử chúng ta có một hộp cầu chì chứa 20 cái cầu chì, trong đó có 5 cái
hỏng (defective). Nếu chọn ngẫu nhiên không hoàn lại từ hộp 2 cái cầu chì. Tính xác
suất cả 2 cái được chọn đều hỏng.

Solution. Đặt A là biến cố cái cầu chì thứ nhất hỏng

B là biến cố cái cầu chì thứ hai hỏng

 A ∩ B là biến cố mà A xảy ra, và B xảy ra sau khi biến cố A đã xảy ra

5 1 4
P ( A) = = ; P ( B | A) =
20 4 19

1 4 1
 P( A ∩ B) = P( A) P( B | A) = × =
4 19 19

Example 1.36. Một hộp có 4 bóng xanh và 3 bóng đen, hộp thứ 2 chứa 3 bóng trắng và
5 bóng đen. Một bóng được chọn từ hộp thứ nhất và bỏ vào hộp thứ hai (không biết
màu). Tính xác suất bây giờ chọn được một bóng màu xanh từ hộp thứ hai.

Solution: Đặt B1 , B2 tương ứng là biến cố bóng được chọn từ hộp 1, hộp 2 màu xanh

W1 , W2 tương ứng là biến cố bóng được chọn từ hộp 1, hộp 2 màu trắng

 chúng ta quan tâm đến hội của 2 biến cố xung khắc B1 ∩ B2 và W1 ∩ B2

(các khả năng có thể xảy ra và xác suất của chúng được minh họa trong Figure 1.8)
 P (( B1 ∩ B2 ) ∪ (W1 ∩ B2 )) = P ( B1 ∩ B2 ) + P (W1 ∩ B2 )
= P ( B1 ) P ( B2 | B1 ) + P (W1 ) P ( B2 | W1 )
 3  6   4  5  38
=    +    =
 7  9   7  9  63

Nếu, trong Example 1.35, cầu chì thứ nhất được hoàn lại (replace) và các cầu chì bị xáo
trộn trước khi chọn cầu chì thứ hai thì xác suất chọn cầu chì thứ hai hổng vẫn là ¼; tức là
P(B/A)=P(B) và các biến cố A và B độc lập. Nếu điều này xảy ra., chúng ta có thể thay
thế P(B) cho P(B/A) trong Theorem 1.13.

Theorem 1.14. Hai biến cố A và B độc lập khi và chỉ khi P( A ∩ B) = P( A).P( B)

Do đó, để tính xác suất để hai biến cố độc lập đồng thời xảy ra, chúng ta chỉ cần nhân
xác suất của hai biến cố thành phần.

Example 1.38. Một hệ thống điện chứa 4 thiết bị như được mô tả trong Figure 1.9. Hệ
thống hoạt động nếu thiết bị A và B hoạt động và C hoặc D hoạt động. Độ tin cậy (xác
suất hoạt động) của mỗi thiết bị được cho trong Figure 1.9. Tính xác suất

(a) Toàn bộ hệ thống hoạt động

(b) Thiết bị C không hoạt động, biết rằng cả hệ thống hoạt động

Giả sử rằng bốn thiết bị hoạt động độc lập.

Solution.

(a) Xác suất toàn bộ hệ thống hoạt động là

P ( A I B I (C U D)) = P ( A) P ( B ) P (C U D)
= P ( A) P ( B )[1 − P (C 'I D ')]
= P ( A) P ( B )[1 − P (C ') P ( D ')]
= (0.9)(0.9)[1 − (1 − 0.8)(1 − 0.8)]
= 0.7776

(b) Xác suất thiết bị C không hoạt động, biết rằng cả hệ thống hoạt động là

P (system work but C not work)

P (C not work) =
P (system work)
P ( A ∩ B ∩ C '∩ D) (0.9)(0.9)(1 − 0.8)(0.8)
= = = 0.1667
P (system work) 0.7776

Theorem 1.15.

Nếu, trong một thí nghiệm, các biến cố A1 , A2 ,..., Ak có thể xảy ra, thì

P ( A1 ∩ A2 ∩ ... ∩ Ak ) = P ( A1 ) P ( A2 | A1 ) P ( A3 | A1 A2 )...P ( Ak | A1 A2 ... Ak −1 )

Nếu các biến cố A1 , A2 ,..., Ak độc lập thì

P ( A1 ∩ A2 ∩ ... ∩ Ak ) = P ( A1 ) P ( A2 ) P ( A3 )...P( Ak )

Example 1.39. Rút liên tiếp không hoàn lại 3 lá bài từ bộ bài Tây. Tính xác suất của biến
cố A1 I A2 I A3 , với A1 là biến cố lần 1 rút được con xì đỏ, A2 là biến cố lần 2 rút được
con 10 hoặc J, A3 là biến cố lần 3 rút được con bài lớn hơn 3 nhưng nhỏ hơn 7.

2 8 12
Solution. P( A1 ) = , P( A2 | A1 ) = , P ( A3 | A1 A2 ) =
52 51 50

Áp dụng Theorem 1.15, ta được:

  2  8  12  8
P ( A1 ∩ A2 ∩ A3 ) = P ( A1 ) P ( A2 | A1 ) P ( A3 | A1 A2 ) =     =
 53  51  50  5525

Example 1.40. Một đồng xu bị nghiêng có khả năng xuất hiện mặt ngửa (head) gấp đôi
khả năng xuất hiện mặt sấp (tail). Tung đồng xu 3 lần, tính xác suất được 2 mặt sấp, 1
mặt ngửa?

Solution. Không gian mẫu của thí nghiệm gồm 8 phần tử

S = {HHH , HHT , HTH , THH , HTT , THT , TTH , TTT }

Vì khả năng xuất hiện mặt ngửa gấp đôi mặt sấp nên P( H ) = 2 / 3 và P(T ) = 1/ 3

Gọi A là biến cố được 2 mặt ngửa, 1 mặt sấp trong 3 lần tung.

 A = {TTH , THT , HTT }

Áp dụng Theorem 1.15, ta được:

1 1 2 2
P (TTH ) = P (T ) P (T ) P ( H ) = × × =
3 3 3 27

2
Tương tự, P (THT ) = P( HTT ) =
27

Do đó, P( A) = 2 / 27 + 2 / 27 + 2 / 27 = 6 / 27 = 2 / 9

1.8 Bayes' Rule

Theorem 1.16. Nếu các biến cố B1 , B2 ,..., Bk là một phân hoạch của không gian mẫu S
với P( Bi ) ≠ 0 với i = 1, 2,..., k thì với mọi biến cố A của không gian mẫu S,
k k
P ( A) = ∑ P ( Bi ∩ A) = ∑ P ( Bi ) P ( A | Bi )
i =1 i =1
Proof. Xét biểu đồ Venn (Venn diagram) của Figure 1.14. Biến cố A xem như là hội của
các biến cố xung khắc từng đôi B ∩ A1 , B ∩ A2 ,..., B ∩ Ak

A = ( B1 ∩ A) ∪ ( B2 ∩ A) ∪ ... ∪ ( Bk ∩ A)

Dùng Corollary 1.2 của Theorem 1.10 và Theorem 1.13, ta có:

P ( A) = P [ ( B1 ∩ A) ∪ ( B2 ∩ A) ∪ ... ∪ ( Bk ∩ A) ]
= P ( B1 ∩ A) + P( B2 ∩ A) + ... + P( Bk ∩ A)
k
= ∑ P( Bi ∩ A)
i =1
k
= ∑ P( Bi ) P ( A | Bi )
i =1

Example 1.41. Một phân xưởng có ba máy B1 , B2 và B3 tương ứng sản suất 30%, 45%,
và 25% sản lượng. Theo kinh nghiệm trong quá khứ thì có 2%, 3% và 2% sản lượng của
từng máy là khiếm khuyết (defective). Giả sử một sản phẩm được chọn ngẫu nhiên. Tính
xác suất sản phẩm được chọn là khiếm khuyết .

Solution. Đặt A là biến cố sản phẩm là khiếm khuyết

B1 là biến cố sản phẩm được sản xuất bởi máy B1

B2 là biến cố sản phẩm được sản xuất bởi máy B2

B3 là biến cố sản phẩm được sản xuất bởi máy B3

Áp dụng công thức ở trên ta được:

 P ( A) = P( B1 ) P ( A | B1 ) + P ( B2 ) P( A | B2 ) + P ( B3 ) P ( A | B3 )

Xem sơ đồ cây Figure 1.15, ta tìm được xác suất ba nhánh

P ( B1 ) P ( A | B1 ) = (0.3)(0.02) = 0.006
P ( B2 ) P ( A | B2 ) = (0.45)(0.03) = 0.0135
P ( B3 ) P ( A | B3 ) = (0.25)(0.02) = 0.05

 P( A) = 0.006 + 0.0135 + 0.005 = 0.0245

Thay vì yêu cầu tính P(A), giả sử xem xét bài toán tìm các xác suất có điều kiện
P ( Bi / A) trong Example 1.41, các xác suất này thường được gọi là xác suất hậu
nghiệm. Nói cách khác, giả sử sản phẩm được chọn là khiếm khuyết. Xác suất sản
phẩm này được sản xuất bởi máy Bi là bao nhiêu? Câu hỏi loại này có thể được trả lời
bằng cách dùng định lí sau, gọi là Bayes’ rule (công thức Bayes)

Theorem 1.17. (Bayes’ rule) Nếu các biến cố B1 , B2 ,..., Bk là một phân hoạch của không
gian mẫu S với P( Bi ) ≠ 0 với i = 1, 2,..., k thì với mọi biến cố A của không gian mẫu S,
với P( A) ≠ 0 thì

P ( Br ∩ A) P ( Br ) P ( A | Br )
P ( Br | A) = k
= k
với r = 1, 2, …, k
∑ P( B ∩ A) ∑ P( B ) P( A | B )
i =1
i
i =1
i i

Proof. Theo định nghĩa xác suất có điều kiện,

P( Br ∩ A)
P ( Br | A) =
P ( A)

và áp dụng Theorem 1.16 cho mẫu số, ta được:

 P ( Br ∩ A) P ( Br ) P ( A | Br )
P ( Br | A) = k
= k

∑ P( B ∩ A) ∑ P( B ) P( A | B )
i =1
i
i =1
i i

Example 1.41. Tiếp theo Example 1.41, nếu sản phẩm được chọn là khiếm khuyết. Tính
xác suất sản phẩm này được sản xuất bởi máy B3 ?

Solution: Dùng Bayes’ rule ta được

P ( B3 ) P ( A | B3 )
P ( B3 | A) =
P ( B1 ) P ( A | B1 ) + P ( B2 ) P ( A | B2 ) + P ( B3 ) P( A | B3 )

và thay thế các giá trị xác suất trong Example 1.41, ta có:

0.005 0.005 10
P ( B3 / A) = = =
0.006 + 0.0135 + 0.005 0.0245 49

Example 1.43. Một phân xưởng sản xuất có 3 máy cùng sản xuất một loại sản phẩm.
Các máy (plans) 1, 2, 3 được dùng để sản xuất 30%, 20%, 50% tổng sản lượng của phân
xưởng. Tỷ lệ khiếm khuyết (defect rate) của từng phân xưởng là

P ( D | P1 ) = 0.01, P( D | P2 ) = 0.03, P ( D | P3 ) = 0.02

Nếu chọn ngẫu nhiên một sản phẩm của phân xưởng và được sản phẩm khiếm khuyết,
khả năng sản phẩm này do máy nào sản xuất là cao nhất?

Solution.

P ( P1 ) = 0.30, P( P2 ) = 0.20, P ( P3 ) = 0.50

Ta cần tính P( Pj | D) j = 1, 2,3

Áp dụng công thức Bayes trong Theorem 1.17, ta được:

P ( P1 ) P ( D | P1 )
P ( P1 | D) =
P ( P1 ) P ( D | P1 ) + P ( P2 ) P ( D | P2 ) + P ( P3 ) P ( D | P3 )
(0.30)(0.01) 0.003
= = = 0.158
(0.30)(0.01) + (0.20)(0.03) + (0.50)(0.02) 0.019

(0.03)(0.20) (0.02)(0.50)
Tương tự, P( P2 | D) = = 0.316 và P ( P3 | D) = = 0.526
0.019 0.019

Trong 3 xác suất có điều kiện, thì xác suất của máy thứ 3 lớn nhất

 sản phẩm lấy ra có khả năng cao nhất là do máy thứ 3 sản xuất.