Chương 4

Giới thiệu về Xác suất

 Phép thử, quy tắc đếm,
và cách tính xác suất
TOÁN ỨNG DỤNG  Biến cố và xác suất của biến cố
CHO THIẾT KẾ  Các quan hệ cơ bản của xác suất

 Xác suất có điều kiện

 Định lý Bayes

1 2

Sự không chắc chắn Xác suất

Các nhà quản trị thường đưa ra các quyết định dựa Xác suất là một con số đo lường khả năng một biến
trên các phân tích về sự không chắc chắn như sau cố (sự kiện) có thể xảy ra.
Khả năng doanh thu sẽ giảm nếu chúng ta
tăng giá bán là bao nhiêu? Xác suất luôn có giá trị từ 0 đến 1.

Khả năng một dây chuyền lắp ráp mới sẽ làm

tăng năng suất lao động là bao nhiêu?
Cơ hội để một khoản đầu tư có thể sinh lợi
là bao nhiêu?
Xác suất càng gần 0 thì biến cố càng ít có khả năng
xảy ra.
Xác suất gần 1 hàm ý rằng biến cố gần như chắc
chắn sẽ xảy ra.

3 4

1
 Xác suất là con số đo lường khả năng xảy ra Phép thử thống kê

Chiều tăng khả năng xảy ra Trong thống kê, thuật ngữ phép thử rất khác với
phép thử/thí nghiệm của khoa học vật lý.
0 0,5 1
Xác suất:
Trong phép thử thống kê, xác suất quyết định các
Khả năng xảy ra Biến cố hầu kết quả.
Biến cố rất
hoặc không xảy ra như chắc
ít khi Ngay cả khi phép thử được lặp lại một cách chính
của biến cố chắn sẽ
xảy ra. xác, một kết quả hoàn toàn khác có thể xảy ra.
là như nhau. xảy ra

Vì lý do này, phép thử thống kê đôi khi được gọi là

phép thử ngẫu nhiên.

5 6

Phép thử và không gian mẫu Phép thử và không gian mẫu

Phép thử là quá trình tạo ra những kết quả mà tập Phép thử Các kết quả có thể xảy ra
hợp các kết quả này đã được xác định trước đó.
Tung đồng xu Ngửa, sấp
Kiểm tra sản phẩm Có lỗi, không có lỗi
Không gian mẫu của một phép thử là tập hợp tất cả
các kết quả có thể xảy ra của phép thử đó. Gọi điện tiếp thị SP Bán được, không bán được
Tung một con xúc xắc 1, 2, 3, 4, 5, 6
Chơi một trận đá bóng Thắng, thua, hòa
Kết quả của một phép thử được gọi là điểm mẫu.

7 8

2
 Phép thử và không gian mẫu Quy tắc đếm/nhân cho phép thử nhiều bước
 Ví dụ: Các khoản đầu tư của Bradley
 Nếu một phép thử gồm một chuỗi k bước, trong đó
Bradley đầu tư vào hai cổ phiếu, Markley Oil
bước 1 có n1 kết quả có khả năng xảy ra, bước 2 có n2
và Collins Mining. Bradley xác định các khả năng có
thể xảy ra với hai khoản đầu tư này sau ba tháng như kết quả có khả năng xảy ra, và tiếp tục như thế. Khi đó,
sau: tổng số kết quả có thể xảy ra của phép thử là: n1.n2 . . .nk

Lãi và lỗ của các khoản đầu tư  Dạng biểu diễn thích hợp cho phép thử nhiều bước là
sau 3 tháng (1000 USD)
biểu đồ hình cây.
Markley Oil Collins Mining
10 8
5 -2
0
-20

9 10

Quy tắc đếm/nhân Chỉnh hợp (không lặp)

 Giả sử một công việc bao gồm k bước công việc
(k giai đoạn), trong đó:
Giai đoạn 1 có n1 cách thực hiện.
Giai đoạn 2 có n2 cách thực hiện.
………
Giai đoạn k có nk cách thực hiện.
Khi đó tổng số cách thực hiện toàn bộ công việc là:
n = n1.n2…nk (cách)
 Là một nhóm gồm k phần tử khác nhau được
lấy không hoàn lại từ n phần tử đã cho và
sắp xếp theo một thứ tự nào đó. (Tất cả các phần tử đôi
một khác nhau trong chỉnh hợp - không lặp)
Số chỉnh hợp:
 Ví dụ: Có bao nhiêu con số hàng ngàn mà các chữ số
đôi một khác nhau, được lập nên từ tập hợp:
{1, 2, 3, 4, 5, 6}.

11 12

3
 Hoán vị
 Là số cách sắp xếp thứ tự của một nhóm gồm n phần tử
khác nhau = Chỉnh hợp chập n của n phần tử
Số hoán vị:
 Ví dụ 1: Có bao nhiêu con số hàng ngàn mà các chữ số
đôi một khác nhau, được lập nên từ tập hợp:
{1, 2, 3, 4}.
 Ví dụ 2: Có bao nhiêu con số hàng trăm ngàn mà các chữ
số đôi một khác nhau, được lập nên từ tập hợp:
{0, 1, 2, 3, 4, 5}.
Chỉnh hợp lặp
 Là một nhóm gồm k phần tử khác nhau được
lấy có hoàn lại từ n phần tử đã cho và
sắp theo một thứ tự nào đó.
(Các phần tử có thể giống nhau trong chỉnh hợp lặp)
Số chỉnh hợp lặp:
 Ví dụ 1: Có bao nhiêu con số hàng ngàn được lập nên
từ tập hợp:
{1, 2, 3, 4, 5, 6}.
 Ví dụ 2: Tìm tất cả các số di động có dạng: 098…...?

13 14

Tổ hợp Quy tắc cộng

 Là một nhóm gồm k phần tử khác nhau được
lấy không hoàn lại từ n phần tử đã cho và
không kể thứ tự.
(Tất cả các phần tử đôi một khác nhau trong tổ hợp)
Số tổ hợp:
 Ví dụ: Tìm số các tập hợp con có 4 phần tử được lập
nên từ tập hợp: {1, 2, 3, 4, 5, 6}.
 Giả sử một công việc được chia thành k trường hợp
để thực hiện, trong đó:
Trường hợp 1 có n1 cách thực hiện xong công việc.
Trường hợp 2 có n2 cách thực hiện xong công việc.
………
Trường hợp k có nk cách thực hiện xong công việc.
Khi đó tổng số cách khác nhau để thực hiện xong
công việc là:
n = n1 + n2 + … + nk (cách)

15 16

4
 Phân biệt quy tắc nhân và quy tắc cộng Các ví dụ

NL Bán TP Thành phẩm  Ví dụ 1: Có bao nhiêu cách lấy ra 3 chữ số khác nhau mà
M1 M2 tổng là một số chẵn, từ tập hợp: {0,1,2,3,4,5,6,7,8,9}
{A, B, C} (n1 = 3) {D, E} (n2 = 2) n = 3x2 = 6
 Ví dụ 2: Từ tập hợp: {0,1,2,3,4,5,6,7,8,9}. Có thể lập được
bao nhiêu con số hàng trăm ngàn, trong đó các số đôi
Nguyên liệu Thành phẩm một khác nhau riêng số 5 có thể xuất hiện nhiều lần.
M1
{A, B, C} (n1 = 3)  Ví dụ 3: Có 5 sách Toán lớp 10, 4 sách Lý lớp 11 và 3
Nguyên liệu Thành phẩm sách Hóa lớp 12. Chia 12 cuốn sách này cho 9 học sinh,
M2 mỗi học sinh được 1 cuốn. Hỏi có tất cả bao nhiêu
{D, E} (n2 = 2) n = 3+2 = 5 cách chia?

17 18

Quy tắc đếm cho phép thử nhiều bước Biểu đồ hình cây

 Ví dụ: Các khoản đầu tư của Bradley  Ví dụ: Các khoản đầu tư của Bradley
Các khoản đầu tư của Bradley có thể xem như là Markley Oil Collins Mining Các kết quả
một phép thử 2 bước. Nó liên quan đến 2 loại cổ (Bước 1) (Bước 2) của phép thử
phiếu, mỗi cổ phiếu có một số kết quả đầu ra Lãi 8 (10, 8) Lãi $18,000
(10, -2) Lãi $8,000
Markley Oil: n1 = 4 Lãi 10 Lỗ 2
Lãi 8 (5, 8) Lãi $13,000
Collins Mining: n2 = 2
Lỗ 2 (5, -2) Lãi $3,000
Tổng số kết quả có Lãi 5
Lãi 8
thể có của phép thử: n1n2 = 4x2 = 8 (0, 8) Lãi $8,000
Hòa vốn
(0, -2) Lỗ $2,000
Lỗ 20 Lỗ 2
Lãi 8 (-20, 8) Lỗ $12,000
Lỗ 2 (-20, -2) Lỗ $22,000

19 20

5
 Quy tắc đếm bằng tổ hợp Quy tắc đếm cho chỉnh hợp

 Số tổ hợp khi lấy cùng lúc n phần tử
từ tập hợp N phần tử, và không kể thứ tự.
Một quy tắc đếm thứ hai cho phép chúng ta đếm
số kết quả có khả năng xảy ra của một phép thử khi
chọn n phần tử từ một tập hợp gồm N phần tử.
 Số chỉnh hợp khi lấy cùng lúc n phần tử
từ tập hợp N phần tử, và quan tâm đến thứ tự.
Cách đếm thứ ba để đếm số kết quả thí nghiệm khi
lấy n phần tử từ tập hợp N phần tử và thứ tự lựa
chọn là quan trọng.

Trong đó: N! = N(N - 1)(N - 2) . . . (2)(1)

n! = n(n - 1)(n - 2) . . . (2)(1) Trong đó: N! = N(N - 1)(N - 2) . . . (2)(1)
0! = 1 n! = n(n - 1)(n - 2) . . . (2)(1)
0! = 1

21 22

Quy tắc cộng Quy tắc đếm (nhân và cộng)

 Một công việc được chia thành k trường hợp để thực  Ta có 2 trường hợp:
hiện, trường hợp 1 có n1 cách thực hiện, trường hợp • TH 1: Phải lấy 2 chữ số lẻ trong 5 chữ số lẻ và 1 chữ
2 có n2 cách thực hiện, và tiếp tục như thế. Khi đó, số chẵn trong 5 chữ số chẵn, có cách.
tổng số cách khác nhau để thực hiện xong công việc • Hoặc TH 2: Phải lấy 3 chữ số chẵn trong 5 chữ số
là: n1 + n2 + . . . + nk chẵn, có cách.
Tóm lại, ta có: 50 + 10 = 60 cách thực hiện.
 Ví dụ: Từ 10 chữ số 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, có bao
nhiêu cách lấy 3 chữ số khác nhau để tổng của chúng
là một số chẵn?

23 24

6
 Cách tính xác suất Cách tính xác suất

 Yêu cầu cơ bản khi tính xác suất  Yêu cầu cơ bản khi tính xác suất

1. Xác suất tính được của một kết quả phép thử bất 2. Tổng xác suất của tất cả các kết quả có thể có của
kỳ đều phải nhận giá trị từ 0 đến 1. phép thử phải bằng 1.

0 < P(Ei) < 1, với mọi i P(E1) + P(E2) + . . . + P(En) = 1

Trong đó: Trong đó:

Ei là kết quả thứ i của phép thử n là số kết quả có thể có của phép thử
và P(Ei) là xác suất của kết quả Ei

25 26

Cách tính xác suất Phương pháp cổ điển

 Ví dụ: Tung một con xúc xắc

Phương pháp cổ điển
Nếu một phép thử có n kết quả có khả năng xảy
Xác suất được tính dựa trên giả định rằng các kết quả ra, thì theo phương pháp cổ điển, xác suất xảy ra
có thể có của phép thử là đồng khả năng từng kết quả là 1/n.

Phương pháp tần suất Phép thử: Tung một con xúc xắc
Xác suất được tính dựa trên kết quả các phép thử hoặc Không gian mẫu: S = {1, 2, 3, 4, 5, 6}
dữ liệu trong quá khứ Xác suất: Mỗi điểm mẫu có khả năng xảy
ra là 1/6
Phương pháp phán đoán
Xác suất được tính dựa trên sự phán đoán/chủ quan

27 28

7
 Phương pháp tần suất Phương pháp tần suất

 Ví dụ: Cửa hàng cho thuê dụng cụ Lucas  Ví dụ: Cửa hàng cho thuê dụng cụ Lucas
Cửa hàng Lucas muốn tính xác suất của số máy đánh Mỗi xác suất được tính bằng cách chia tần số (số
bóng xe mà họ cho thuê mỗi ngày. Dữ liệu lưu trữ của ngày ứng với từng trường hợp theo số máy cho
văn phòng về tình hình cho thuê của 40 ngày trước đó thuê) cho tổng số ngày.
được thể hiện thành bảng tần số như sau:
Số máy đánh
Số máy đánh bóng được thuê Số ngày Xác suất
bóng được thuê Số ngày 0 4 0,10
0 4 1 6 0,15
1 6 2 18 0,45 4/40
2 18 3 10 0,25
3 10 4 2 0,05
4 2 40 1,00

29 30

Phương pháp phán đoán/chủ quan Phương pháp phán đoán

 Ví dụ: Các khoản đầu tư của Bradley

 Khi các điều kiện kinh tế hoặc các tình huống thay đổi
nhanh chóng khiến cho việc tính xác suất chỉ dựa vào Một nhà phân tích đưa ra các mức xác suất sau đây:
dữ liệu quá khứ là không phù hợp.
Kết quả phép thử Tiền lãi/lỗ Probability
 Chúng ta có thể dùng bất kỳ dữ liệu nào, kể cả kinh (10, 8) Lãi $18.000 0,20
nghiệm và trực giác, nhưng giá trị của xác suất nên thể (10, -2) Lãi $8.000 0,08
hiện được mức độ tin tưởng của chúng ta vào khả năng (5, 8) Lãi $13.000 0,16
kết quả phép thử có thể xảy ra. (5, -2) Lãi $3.000 0,26
 Xác suất tốt nhất thường được tính bằng cách kết hợp (0, 8) Lãi $8.000 0,10
giữa phương pháp cổ điển, phương pháp tần suất với (0, -2) Lỗ $2.000 0,12
phương pháp phán đoán. (-20, 8) Lỗ $12.000 0,02
(-20, -2) Lỗ $22.000 0,06

31 32

8
 Biến cố và xác suất của biến cố Biến cố và xác suất của biến cố

 Ví dụ: Các khoản đầu tư của Bradley

Biến cố là tập hợp các điểm mẫu.
Biến cố M = Khoản đầu tư vào Markley Oil có lãi
Xác suất của một biến cố bằng tổng xác suất của các
M = {(10, 8), (10, -2), (5, 8), (5, -2)}
điểm mẫu thuộc biến cố đó.
P(M) = P(10, 8) + P(10, -2) + P(5, 8) + P(5, -2)
Nếu chúng ta xác định được tất cả các điểm mẫu của = 0,20 + 0,08 + 0,16 + 0,26
một phép thử và xác suất tương ứng của từng điểm = 0,70
mẫu, chúng ta luôn tính được xác suất của các biến cố.

33 34

Biến cố và xác suất của biến cố Một số quan hệ xác suất cơ bản

 Ví dụ: Các khoản đầu tư của Bradley Có một vài quan hệ xác suất cơ bản có thể được dùng
để tính xác suất của biến cố mà không đòi hỏi biết xác
Biến cố C = Khoản đầu tư vào Collins Mining có lãi suất của tất cả các điểm mẫu.
C = {(10, 8), (5, 8), (0, 8), (-20, 8)}
P(C) = P(10, 8) + P(5, 8) + P(0, 8) + P(-20, 8) Phần bù của một biến cố
= 0,20 + 0,16 + 0,10 + 0,02
Phép hội/hợp hai biến cố
= 0,48

Phép giao hai biến cố

Các biến cố xung khắc từng đôi

35 36

9
 Phần bù của một biến cố Phép hội hai biến cố

Phần bù của biến cố A là biến cố bao gồm tất cả các điểm Hội/hợp của hai biến cố A và B là biến cố chứa tất cả
mẫu thuộc không gian mẫu nhưng không thuộc A. các điểm mẫu thuộc A hoặc thuộc B hoặc cả hai.

Phần bù của biến cố A ký hiệu là Ac. Hội của hai biến cố A và B ký hiệu là A B

Không gian Không gian

Biến cố A Ac mẫu S Biến cố Biến cố mẫu S
A B
Biểu đồ
Venn

37 38

Phép hội hai biến cố Phép giao của hai biến cố

 Ví dụ: Các khoản đầu tư của Bradley

Giao của hai biến cố A và B là tập hợp tất cả các điểm
Biến cố M = Khoản đầu tư vào Markley Oil có lãi mẫu thuộc cả A và B.
Biến cố C = Khoản đầu tư vào Collins Mining có lãi
M C = Khoản đầu tư vào Markley Oil có lãi Giao của biến cố A và B được ký hiệu là A 
hoặc khoản đầu tư vào Collins Mining có lãi
(hoặc cả hai)
M C = {(10, 8), (10, -2), (5, 8), (5, -2), (0, 8), (-20, 8)} Không gian
P(M C) = P(10, 8) + P(10, -2) + P(5, 8) + P(5, -2) Biến cố Biến cố mẫu S
+ P(0, 8) + P(-20, 8) A B
= 0,20 + 0,08 + 0,16 + 0,26 + 0,10 + 0,02
= 0,82 Phần giao của A và B

39 40

10
 Phép giao của hai biến cố Quy tắc cộng xác suất

 Ví dụ: Các khoản đầu tư của Bradley

Quy tắc cộng xác suất cho phép tính xác suất xảy ra biến
Biến cố M = Khoản đầu tư vào Markley Oil có lãi cố A, hoặc biến cố B, hoặc cả hai biến cố A và B.
Biến cố C = Khoản đầu tư vào Collins Mining có lãi
Công thức của quy tắc cộng xác suất:
M C = Khoản đầu tư vào Markley Oil
và Collins Mining cùng có lãi P(A B) = P(A) + P(B) - P(A  B
M C = {(10, 8), (5, 8)}
P(M C) = P(10, 8) + P(5, 8)
= 0,20 + 0,16
= 0,36

41 42

Quy tắc cộng xác suất Các biến cố xung khắc

 Ví dụ: Các khoản đầu tư của Bradley

Hai biến cố được gọi là xung khắc nếu chúng
Biến cố M = Khoản đầu tư vào Markley Oil có lãi không có chung bất kỳ điểm mẫu nào.
Biến cố C = Khoản đầu tư vào Collins Mining có lãi
Hai biến cố là xung khắc nếu khi một biến cố này xảy ra
M C = Khoản đầu tư vào Markley Oil có lãi
thì biến cố còn lại không thể xảy ra.
hoặc khoản đầu tư vào Collins Mining có lãi
Biết rằng: P(M) = 0,70; P(C) = 0,48; P(M C) = 0,36
Vì vậy: P(M  C) = P(M) + P(C) - P(M  C) Không gian
= 0,70 + 0,48 - 0,36 Biến cố Biến cố mẫu S
= 0,82 A B
(Kết quả này giống với kết quả đã tính trước đó
bằng định nghĩa xác suất.)

43 44

11
 Biến cố xung khắc Xác suất có điều kiện

Nếu hai biến cố A và B xung khắc thì P(A  B = 0.
Quy tắc cộng với hai biến cố xung khắc là:
P(A B) = P(A) + P(B)
Xác suất của một biến cố khi cho trước thông tin rằng
một biến cố khác đã xảy ra gọi là xác suất có điều kiện.
Xác suất của A với điều kiện B được ký hiệu là P(A|B).

Công thức xác suất có điều kiện :

Không cần phải thêm

số hạng “- P(A  B”

45 46

Xác suất có điều kiện Quy tắc nhân xác suất

 Ví dụ: Các khoản đầu tư của Bradley

Quy tắc nhân dùng để tính xác suất của phần giao
Biến cố M = Khoản đầu tư vào Markley Oil có lãi của hai biến cố.
Biến cố C = Khoản đầu tư vào Collins Mining có lãi
Công thức của quy tắc nhân xác suất:
= Xác suất khoản đầu tư vào Collins
Mining có lãi với điều kiện khoản đầu P(A B) = P(B).P(A|B) = P(A).P(B|A)
tư vào Markley Oil có lãi
Biết rằng: P(M C) = 0,36; P(M) = 0,70

Vì vậy:

47 48

12
 Quy tắc nhân xác suất Bảng phân phối đồng thời

 Ví dụ: Các khoản đầu tư của Bradley Tổng

Collins Mining
Biến cố M = Khoản đầu tư vào Markley Oil có lãi Markley Oil Có lãi (C) Không có lãi (Cc) cộng
Biến cố C = Khoản đầu tư vào Collins Mining có lãi
Có lãi (M) 0,36 0,34 0,70
M C = Khoản đầu tư vào Markley Oil có lãi
Không có lãi (Mc) 0,12 0,18 0,30
và khoản đầu tư vào Collins Mining có lãi
Biết rằng: P(M) = 0,70; P(C|M) = 0,5143 Tổng cộng 0,48 0,52 1
Vì vậy: P(M  C) = P(M).P(C|M)
= (0,70)(0,5143) Xác suất đồng thời
= 0,36 (xuất hiện trong
Xác suất biên
phần thân của bảng)
(Kết quả này giống với kết quả tính được bằng định (xuất hiện trong phần lề
nghĩa xác suất của biến cố.) của bảng)

49 50

Biến cố độc lập Quy tắc nhân với các biến cố độc lập

Nếu xác suất của biến cố A không đổi bởi sự hiện hữu Quy tắc nhân cũng có thể được sử dụng để kiểm tra sự
của biến cố B, chúng ta nói hai biến cố A và B độc lập của hai biến cố.
là độc lập.
Công thức nhân của hai biến cố độc lập:
Hai biến cố A và B là độc lập nếu:
P(A B) = P(A).P(B)
P(A|B) = P(A) hoặc P(B|A) = P(B)

A, B độc lập  AC, B độc lập

 A, BC độc lập  AC, BC độc lập

51 52

13
 Quy tắc nhân với các biến cố độc lập
 Ví dụ: Các khoản đầu tư của Bradley
Biến cố M = Khoản đầu tư vào Markley Oil có lãi
Biến cố C = Khoản đầu tư vào Collins Mining có lãi
Các biến cố M và C có độc lập hay không?
Liệu P(M  C) = P(M).P(C) hay không?
Biết rằng: P(M  C) = 0,36; P(M) = 0,70; P(C) = 0,48
Ta có: P(M).P(C) = (0,70)(0,48) = 0,34
, không bằng 0,36
Vì vậy: M và C không phải là hai biến cố độc lập.
53
Định lý Bayes
 Chúng ta thường bắt đầu các phân tích xác suất với
các xác suất tiên nghiệm.
 Sau đó, từ dữ liệu mẫu, từ báo cáo, hay từ kết quả thử
nghiệm sản phẩm, chúng ta có thêm thông tin.
 Với thông tin đã có, chúng ta tính toán cập nhật lại để
được các xác suất hậu nghiệm.
 Định lý Bayes cung cấp công thức để cập nhật lại các
xác suất tiên nghiệm (tính ra các xác suất hậu nghiệm).
Áp dụng
Xác suất Thông tin Xác suất
định lý
tiên nghiệm mới hậu nghiệm
Bayes
55
Độc lập và xung khắc
Đừng nhầm lẫn giữa khái niệm biến cố xung khắc và
biến cố độc lập.
Hai biến cố với xác suất xảy ra khác 0 không thể vừa
xung khắc vừa độc lập.
Nếu một biến cố xung khắc được biết là đã xảy ra,
thì biến cố còn lại không thể xảy ra; vì vậy xác suất
biến cố còn lại xảy ra là bằng 0; (và vì vậy, chúng
không độc lập).
Hai biến cố không xung khắc thì có thể độc lập hoặc
không độc lập.
54
Định lý Bayes
 Ví dụ: L. S. Clothiers
Một trung tâm mua sắm mới sẽ giúp cải thiện sự
cạnh tranh trong khu phố thương mại cho L. S.
Clothiers. Nếu trung tâm mua sắm mới được xây
dựng, người chủ sở hữu của L.S Clothiers cảm thấy
tốt nhất là nên dời đến trung tâm mua sắm mới này.
Nhưng trung tâm mua sắm mới không thể xây
dựng trừ khi có giấy phép từ chính quyền địa
phương. Ủy ban Kế hoạch sẽ trình đề xuất chấp
thuận hay bác bỏ dự án này với chính quyền địa
phương.
56
14
 Các xác suất tiên nghiệm Thông tin mới

 Ví dụ: L. S. Clothiers  Ví dụ: L. S. Clothiers

Gọi:
A1 = Chính quyền địa phương chấp thuận dự án
A2 = Chính quyền địa phương bác bỏ dự án
Sử dụng phương pháp phán đoán, ta có:
P(A1) = 0,7; P(A2) = 0,3
Ủy ban Kế hoạch đề xuất không ủng hộ dự án. Gọi
B là biến cố Ủy ban Kế hoạch đề xuất không ủng hộ
dự án.
Biết rằng biến cố B đã xảy ra, L. S. Clothiers có nên
điều chỉnh lại xác suất mà chính quyền địa phương
sẽ chấp thuận hoặc bác bỏ dự án hay không?

57 58

Xác suất có điều kiện Biểu đồ hình cây

 Ví dụ: L. S. Clothiers  Ví dụ: L. S. Clothiers

Những thông tin quá khứ về sự đề xuất của Ủy ban kế
Chính quyền Ủy ban Kết quả
hoạch và phán quyết của chính quyền địa phương như địa phương Kế hoạch phép thử
sau:
P(B|A1) = 0,2 P(B|A2) = 0,9 P(B|A1) = 0,2
P(A1  B) = 0,14
P(A1) = 0,7
Vì vậy: c
P(BC|A1) = 0,8 P(BC|A2) = 0,1 P(Bc|A1) = 0,8 P(A1  B ) = 0,56

P(B|A2) = 0,9
P(A2  B) = 0,27
P(A2) = 0,3
c
P(Bc|A2) = 0,1 P(A2  B ) = 0,03

59 60

15
 Định lý Bayes Công thức xác suất đầy đủ

 Để tìm xác suất hậu nghiệm của biến cố Ai biết rằng biến  Công thức xác suất đầy đủ áp dụng được khi các biến
bố B đã xảy ra, chúng ta áp dụng Định lý Bayes. cố là xung khắc và hợp của chúng là toàn bộ không
gian mẫu, tức là:

 Định lý Bayes có thể áp dụng được khi các biến cố cần

tính xác suất hậu nghiệm là xung khắc và hợp của chúng
là toàn bộ không gian mẫu.

61 62

Xác suất hậu nghiệm Xác suất hậu nghiệm

 Ví dụ: L. S. Clothiers  Ví dụ: L. S. Clothiers

Biết rằng Ủy ban Kế hoạch đã đề xuất bác bỏ dự án, Nếu Ủy ban Kế hoạch đã đề xuất bác bỏ dự án của L.S.
chúng ta cập nhật các xác suất tiên nghiệm như Clothiers, thì xác suất hậu nghiệm của việc chính
sau: quyền địa phương sẽ chấp thuận dự án là 0,34; so với
xác suất tiên nghiệm là 0,70.

= 0,34

63 64

16
 Định lý Bayes: Tiếp cận dạng bảng Định lý Bayes: Tiếp cận dạng bảng

 Ví dụ: L. S. Clothiers  Ví dụ: L. S. Clothiers

• Bước 1 • Bước 1
Kẻ một bảng gồm ba cột như sau:
Cột 1 - Các biến cố xung khắc ứng với xác suất hậu (1) (2) (3) (4) (5)
nghiệm cần tính. Xác suất Xác suất
Biến cố tiên nghiệm hậu nghiệm
Cột 2 - Xác suất tiên nghiệm của biến cố.
Ai P(Ai) P(B|Ai)
Cột 3 - Xác suất có điều kiện.
A1 0,7 0,2
A2 0,3 0,9
1,0

65 66

Định lý Bayes: Tiếp cận dạng bảng Định lý Bayes: Tiếp cận dạng bảng

 Ví dụ: L. S. Clothiers  Ví dụ: L. S. Clothiers

• Bước 2 • Bước 2
Kẻ thêm cột thứ tư
Cột 4 (1) (2) (3) (4) (5)
Xác suất Xác suất Xác suất
Tính xác suất đồng thời của từng biến cố và thông tin
Biến cố tiên nghiệm có điều kiện đồng thời
mới B bằng cách dùng quy tắc nhân xác suất.
Ai P(Ai) P(B|Ai) P(Ai I B)

Nhân xác suất tiên nghiệm ở cột 2 với xác suất có A1 0,7 0,2 0,14
điều kiện tương ứng ở cột 3. A2 0,3 0,9 0,27
0,7 x 0,2
Nghĩa là, P(Ai IB) = P(Ai).P(B|Ai). 1

67 68

17
 Định lý Bayes: Tiếp cận dạng bảng Định lý Bayes: Tiếp cận dạng bảng

 Ví dụ: L. S. Clothiers  Ví dụ: L. S. Clothiers

• Bước 2 (tiếp theo) • Bước 3
Chúng ta thấy rằng xác suất để chính quyền địa
Cộng tổng các xác suất đồng thời của cột 4 .Tổng
phương chấp thuận dự án và Ủy ban kế hoạch không
xác suất của thông tin mới là P(B). Tổng tính được
ủng hộ dự án là 0,14.
là 0,14 + 0,27 cho thấy xác suất để Ủy ban Kế hoạch
Xác suất để chính quyền địa phương không bác bỏ không ủng hộ dự án là 0,41.
dự án và Ủy ban kế hoạch không ủng hộ dự án là 0,27.

69 70

Định lý Bayes: Tiếp cận dạng bảng Định lý Bayes: Tiếp cận dạng bảng

 Ví dụ: L. S. Clothiers  Ví dụ: L. S. Clothiers

• Bước 3 • Bước 4
Kẻ cột thứ 5:
(1) (2) (3) (4) (5)
Cột 5
Xác suất Xác suất Xác suất
Biến cố tiên nghiệm có điều kiện đồng thời
Tính các xác suất hậu nghiệm bằng cách dùng mối
quan hệ cơ bản của xác suất có điều kiện.
Ai P(Ai) P(B|Ai) P(Ai I B)
A1 0,7 0,2 0,14
A2 0,3 0,9 0,27
1,0 P(B) = 0,41 Xác suất đồng thời P(Ai I B) ở cột 4
và xác suất P(B) là tổng của cột 4.

71 72

18
 Định lý Bayes: Tiếp cận dạng bảng Bài tập

 Ví dụ: L. S. Clothiers Bài 1. Từ 10 chữ số 0, 1, …, 9 lập được bao nhiêu số

hàng triệu sao cho mỗi chữ số xuất hiện tối đa 1 lần,
• Bước 4 riêng số 5 có thể xuất hiện nhiều lần.
(1) (2) (3) (4) (5) Bài 2. Có 5 sách Toán giống nhau, 3 sách Lý giống nhau,
Xác suất Xác suất Xác suất Xác suất 2 sách Hóa giống nhau. Chia 10 sách cho 7 người, mỗi
Biến cố tiên nghiệm có điều kiện đồng thời hậu nghiệm người 1 quyển. Hỏi có bao nhiêu cách chia?
Ai P(Ai) P(B|Ai) P(Ai I B) P(Ai |B)
Bài 3. Phải gieo ít nhất bao nhiêu con xúc xắc ( Gieo
A1 0,7 0,2 0,14 0,3415 bao nhiêu lần 1 con xúc xắc) để xác suất có ít nhất 1 con
xuất hiện mặt lục (6 chấm) lớn hơn hay bằng 95%.
A2 0,3 0,9 0,27 0,6585
1,0 P(B) = 0,41 1,0000 Bài 4. Bỏ ngẫu nhiên 3 lá thư vào 3 bao thư. Tính xác
suất để có ít nhất 1 lá thư đến đúng người nhận.
0,14/0,41

73 74

Bài tập Bài tập

Bài 5. Một đoàn tàu có 3 toa tiến vào ga. Tại ga có 5 người
chờ tàu. Giả sử mọi người lên các toa một cách ngẫu
nhiên và độc lập với nhau. Tính xác suất toa nào cũng có
người lên.
Bài 6. Tỉ lệ phế phẩm của 1 máy là 5%. SP trước khi đưa ra
thị trường phải qua KCS. KCS có tỉ lệ sai sót khi kiểm tra
chính phẩm là 2% và khi kiểm tra phế phẩm là 1%. Nếu
SP bị KCS kết luận là phế phẩm thì bị loại.
a) Tìm tỉ lệ sản phẩm bị loại.
b) Mua ngẫu nhiên 1 SP trên thị trường. Tìm xác suất SP
đó là phế phẩm.
c) Chọn ngẫu nhiên 1 SP bị loại. Tìm xác suất SP đó là
chính phẩm.
Bài 7. Biết 1 trong 3 cái hộp A, B, C có đựng tiền. Giả sử
người chơi chọn hộp A. MC biết 1 trong 2 hộp còn lại
không có tiền, giả sử đó là hộp C và MC mở hộp C ra để
người chơi thấy nó không đựng tiền. Hỏi người chơi
vẫn giữ lựa chọn hộp A hay chuyển sang chọn hộp B?
Bài 8. Tương tự bài 7. nhưng giả sử MC cũng không biết
hộp nào đựng tiền và chọn ngẫu nhiên 1 trong 2 hộp B
hay C, giả sử MC chọn hộp C và mở ra thấy hộp C
không có tiền. Hỏi người chơi vẫn giữ lựa chọn hộp A
hay chuyển sang chọn hộp B?

75 76

19
 Bài tập
Bài 9. Có 2 lô hàng, mỗi lô đựng 10 SP. Lô I chứa 3 SP
loại A, lô II chứa 6 SP loại A.
Từ lô I lấy ngẫu nhiên ra 8 SP bỏ sang lô II, rồi từ lô II
lấy ngẫu nhiên ra 1 SP.
a) Tính xác suất SP lấy từ lô II là loại A.
b) Biết rằng SP lấy từ lô II là loại A. Tính XS để trong 8
SP bỏ từ lô I sang lô II có 3 SP loại A.
Bài 10. Với dữ liệu như bài 9. Biết rằng SP lấy từ lô II là
loại A. Hãy xét xem khả năng nhiều nhất SP đó là thuộc
lô nào?
Bài 11. Với dữ liệu như bài 9. Chọn ngẫu nhiên 1 lô rồi
từ lô đó chọn ra 1 SP thì được SP loại A. Tính xác suất
để lấy tiếp 1 SP nữa từ lô ấy cũng được SP loại A.
77
Bài tập
Bài 15. Một nhóm có n người có ngày sinh nhật không
rơi vào ngày 29/02. Hãy tìm n để xác suất có ít nhất 2
người có chung ngày sinh nhật lớn hơn hay bằng 1 – α
(Độ tin cậy).
79
Bài tập
Bài 12. Với dữ liệu như bài 9. Chọn ngẫu nhiên 1 lô rồi
từ lô đó chọn ra 2 SP. Biết rằng lần lấy thứ 2 được SP
loại A, hãy tìm xác suất để lần lấy thứ 1 được SP loại A.
Xét làm 2 trường hợp: lấy không hoàn lại và lấy có hoàn
lại.
Bài 13. Có 2 lô hàng, mỗi lô đựng 10 SP. Lô I chứa 3 SP
loại A, lô II chứa 6 SP loại A.
Từ lô I lấy ngẫu nhiên ra 8 SP bỏ sang lô II, rồi từ lô II
lấy ngẫu nhiên ra 2 SP. Biết rằng lần lấy thứ 1 được SP
loại A, hãy tìm XS để lần lấy thứ 2 được SP loại A. Xét
làm 2 TH: lấy không hoàn lại và lấy có hoàn lại.
Bài 14. Với dữ liệu như bài 13. Biết rằng lần lấy thứ 2
được SP loại A, hãy tìm XS để lần lấy thứ 1 được SP loại
A. Xét làm 2 TH: lấy không hoàn lại và lấy có hoàn lại.
78
Kết thúc Chương 4
80
20