Chuong 1

Bài giảng xác suất
Chương 1: Biến cố và xác suất của biến cố
Trần Mạnh Cường
Ngày 23 tháng 9 năm 2021
Trần Mạnh Cường Bài giảng xác suất

Phép thử ngẫu nhiên, không gian mẫu
• Phép thử ngẫu nhiên. Hành động mà kết quả không dự báo
trước được.

trước được.
• Không gian mẫu. Là tập hợp tất cả các kết quả có thể của
phép thử ngẫu nhiên ký hiệu là Ω.

trước được.
phép thử ngẫu nhiên ký hiệu là Ω.Mỗi phần tử ω ∈ Ω được gọi là
một kết quả có thể hay một biến cố sơ cấp.
I Đi ra đường và quan sát giới tính của người đầu tiên gặp,

trước được.
Ω = {Nam, Nữ}.
I Gieo hai đồng xu,

trước được.
Ω = {Nam, Nữ}.
I Gieo hai đồng xu, Ω = {SS, NN, SN, NS}.
I Gieo ba con xúc xắc,

trước được.
Ω = {Nam, Nữ}.
Ω = {(a, b, c) : a, b, c ∈ {1, 2, 3, 4, 5, 6}}.
I Gieo một đồng xu cho tới khi xuất hiện mặt sấp,

trước được.
Ω = {Nam, Nữ}.
Ω = {(a, b, c) : a, b, c ∈ {1, 2, 3, 4, 5, 6}}.
I Gieo một đồng xu cho tới khi xuất hiện mặt sấp,
Ω = {S, NS, NNS, NNNS,...}.
I Quan sát hướng đi của một cơn bão ngoài biển Đông (đơn vị
đo là độ trong đó 0o là bão hướng lên cực bắc và tăng theo
chiều ngược chiều quay của kim đồng hồ), Ω = [0, 360).
Biến cố
• Cách hiểu thông thường: Một biến cố là một sự kiện mà việc
xảy ra nó phụ thuộc vào kết quả của phép thử ngẫu nhiên.

Biến cố
• Cách hiểu thông thường: Một biến cố là một sự kiện mà việc
xảy ra nó phụ thuộc vào kết quả của phép thử ngẫu nhiên.Thường
dùng các chữ cái A, B, C,.... để chỉ biến cố.
• Kết quả thuận lợi. Một kết quả ω ∈ Ω được gọi là kết quả
thuận lợi cho biến cố A nếu khi kết quả của phép thử là ω thì A
xảy ra.
• Ví dụ 1. Quan sát giới tính của hai đứa con của một gia đình,
Ω = {TT , GG , TG , GT }.
I A là biến cố hai đứa cùng giới, A = {TT , GG },
I B là biến cố hai đứa khác giới, B = {TG , GT },
I C là biến cố cả hai là trai C = {TT },
I D là biến cố đứa đầu là trai đứa sau là gái D = {TG }.
• Nhận xét: Mỗi biến cố A tương ứng với một tập con A của Ω
bao gồm các kết quả thuận lợi cho A.
• Biến cố không thể tương ứng với tập ∅, biến cố chắc chắn tương
ứng với Ω.
Các phép toán và quan hệ giữa các biến cố
1. Phép hợp. Hợp của n biến cố A1 , ..., An là một
biến cố ký hiệu A1 ∪ · · · ∪ An xảy ra khi có ít nhất
một trong n biến cố xảy ra. Trong Ví dụ 1
A ∪ D = {TT , GG , TG }.
2. Phép giao. Giao của n biến cố A1 , ..., An là
một biến cố ký hiệu A1 ∩ · · · ∩ An hoặc
A1 A2 · · · An xảy ra khi cả n biến cố xảy ra. Trong
Ví dụ 1 A ∩ C = {TT }.
3. Biến cố đối. Biến cố đối của biến cố A ký hiệu

là Ā xảy ra khi và chỉ khi A không xảy ra. Trong
Ví dụ 1 Ā = B.
4. Biến cố kéo theo. Biến cố A được gọi là kéo

theo biến cố B nếu A xảy ra thì B xảy ra. Theo
nghĩa tập hợp A kéo theo B nghĩa là A ⊂ B.
Trong Ví dụ 1 C kéo theo A.
Các phép toán, quan hệ giữa các biến cố
5. Biến cố xung khắc. Hai biến cố A, B được
gọi là xung khắc nếu chúng không thể xảy ra
đồng thời. Theo nghĩa tập hợp, A và B xung
khắc tức là A ∩ B = ∅.
Ví dụ 2. Ba xạ thủ a, b, c cùng bắn vào bia. Gọi A, B, C tương
ứng là các biến cố anh A, anh B, anh C bắn trúng.
I Cả ba đều bắn trượt.

I Cả ba đều bắn trượt.G = ĀB̄ C̄ .

I Có đúng một người bắn trúng.

I Có đúng một người bắn trúng. H = AB̄ C̄ ∪ ĀB C̄ ∪ ĀB̄C .

I Có ít nhất một người bắn trượt.

I Có ít nhất một người bắn trượt. K = Ā ∪ B̄ ∪ C̄ .

I Có ít nhất hai người bắn trúng.

I Có ít nhất hai người bắn trúng. L = AB ∪ AC ∪ BC .

Chú ý: Ta có quy tắc De Morgan sau:

Chú ý: Ta có quy tắc De Morgan sau:
I Phần bù của một hợp bằng giao của các phần bù.
A1 ∪ A2 ∪ · · · ∪ An = Ā1 ∩ Ā2 ∩ · · · ∩ Ān .
I Phần bù của một giao bằng hợp của các phần bù.
A1 ∩ A2 ∩ · · · ∩ An = Ā1 ∪ Ā2 ∪ · · · ∪ Ān .
Xác suất của biến cố
Cách hiểu thông thường: Xác suất của biến cố A là một số ký
hiệu P(A) ∈ [0, 1] để đo khả năng xảy ra biến cố A.

Có các định nghĩa sau về xác suất của biến cố:
• Định nghĩa xác suất dạng cổ điển. Cho một phép thử C và
một biến cố A. Giả sử rằng:
1. Số kết quả có thể hữu hạn, |Ω| < ∞,
2. Các kết quả có thể đồng khả năng (khả năng xuất hiện như
nhau).
Khi đó,
Số kết quả thuận lợi cho A |A|

P(A) = = .
Số kết quả có thể |Ω|

Có các định nghĩa sau về xác suất của biến cố:
• Định nghĩa xác suất dạng cổ điển. Cho một phép thử C và
một biến cố A. Giả sử rằng:
1. Số kết quả có thể hữu hạn, |Ω| < ∞,
2. Các kết quả có thể đồng khả năng (khả năng xuất hiện như
nhau).
Khi đó,
Số kết quả thuận lợi cho A |A|

P(A) = = .
Số kết quả có thể |Ω|
Ví dụ 3. n người (trong đó có hai người quen nhau là a, b) ngồi

ngẫu nhiên vào một chiếc bàn có n chỗ. Tính xác suất để a, b ngồi
cạnh nhau trong hai trường hợp bàn dài và bàn tròn.
Ví dụ 4. Một nhóm có 6 sinh viên. Mỗi người độc lập với nhau
chọn ngẫu nhiên một trong 3 môn học tự chọn a, b, c. Tính xác
suất:
I Cả 6 người cùng học một môn.

suất:
I Môn a có 4 sinh viên đăng ký học, môn b có hai sinh viên
đăng ký học.

suất:
đăng ký học.
I Một môn có 4 sinh viên đăng ký học, một môn có 2 sinh viên
đăng ký học.

suất:
đăng ký học.
I Một môn có 4 sinh viên đăng ký học, một môn có 2 sinh viên
đăng ký học.
• Định nghĩa xác suất bằng tần suất. Cho một phép thử C và
một biến cố A. Thực hiện phép thử C n lần độc lập, trong các điều
k
kiện như nhau, gọi k là số lần xuất hiện biến cố A. Tỷ số được
n
gọi là tần suất xuất hiện biến cố A. Chứng minh được rằng tồn tại
giới hạn
k
lim =: P(A)
n→∞ n
được gọi là xác suất xuất hiện biến cố A.
Trong thực tế, vì không thể thực hiện vô hạn phép thử nên ta lấy
k
P(A) ≈ khi n "đủ lớn".
n
Ví dụ, khi khám mắt cho 5000 sinh viên thấy có 1200 em bị cận
thị thì tỷ lệ sinh viên bị cận thị được xấp xỉ bằng 1200/5000=0.24.
• Định nghĩa xác suất bằng hệ tiên đề. Với mỗi biến cố A (tập
con A) trong một lớp các tập con A của Ω ta gán cho nó một xác
suất P(A) thỏa mãn các điều kiện sau:
1. 0 ≤ P(A) ≤ 1.
2. P(Ω) = 1.
3. Với mọi dãy biến cố (An ) đôi một rời nhau tức Ai Aj = ∅ nếu
i 6= j thì
n
X
P(∪ni=1 Ai ) = P(Ai ), n = 1, 2, ..., ∞.
i=1
P(A) được gọi là xác suất của biến cố A.

Một số quy tắc đơn giản tính xác suất
1. P(Ω) = 1, P(∅) = 0.

1. P(Ω) = 1, P(∅) = 0.
2. Xác suất của biến cố đối P(Ā) = 1 − P(A).

1. P(Ω) = 1, P(∅) = 0.
3. Quy tắc cộng:
I Nếu A, B là hai biến cố xung khắc thì
P(A ∪ B) = P(A) + P(B).

1. P(Ω) = 1, P(∅) = 0.
P(A ∪ B) = P(A) + P(B).
I Nếu A, B bất kỳ P(A ∪ B) = P(A) + P(B) − P(AB).

1. P(Ω) = 1, P(∅) = 0.
P(A ∪ B) = P(A) + P(B).
I Nếu A, B, C là các biến cố bất kỳ
P(A∪B∪C ) = P(A)+P(B)+P(C )−P(AB)−P(AC )−P(BC )+P(ABC ).

1. P(Ω) = 1, P(∅) = 0.
P(A ∪ B) = P(A) + P(B).
I Tổng quát
n
X n
X n
X
P(∪ni Ai ) = P(Ai )− P(Ai Aj )− P(Ai Aj Ak +...+P(A1 · · · An ))
i=1 i<j i<j<k

1. P(Ω) = 1, P(∅) = 0.
P(A ∪ B) = P(A) + P(B).
I Tổng quát
n
X n
X n
X
P(∪ni Ai ) = P(Ai )− P(Ai Aj )− P(Ai Aj Ak +...+P(A1 · · · An ))
i=1 i<j i<j<k
4. Quy tắc nhân: Nếu A1 , A2 , ..., An độc lập thì

P(A1 A2 · · · An ) = P(A1 )P(A2 ) · · · P(An )
Ví dụ
Ví dụ 5. Có n người trong đó có 3 người quen nhau là a, b, c. Họ
ngồi ngẫu nhiên vào một chiếc bàn dài có n chỗ. Tính xác suất để
trong 3 người quen nhau không có ai ngồi cạnh nhau.

Ví dụ
I H="Không ai trong 3 người ngồi cạnh nhau", H̄="Ít nhất 2
trong 3 người ngồi cạnh nhau"="a cạnh b" hoặc "b cạnh c"
hoặc "c cạnh a"=C ∪ A ∪ B.

Ví dụ
I P(H̄) = P(A ∪ B ∪ C ) = 3P(A) − 3P(AB).

Ví dụ
I P(H̄) = P(A ∪ B ∪ C ) = 3P(A) − 3P(AB).
I P(A) = 2/n, P(AB) = (n − 2) × 2 × 1 × (n − 3)!/n!

Ví dụ
I P(H̄) = P(A ∪ B ∪ C ) = 3P(A) − 3P(AB).
I P(A) = 2/n, P(AB) = (n − 2) × 2 × 1 × (n − 3)!/n!
I P(H) = 1 − P(H̄).
Ví dụ 6. Một nhóm gồm 5 người bạn mỗi người độc lập với nhau
chọn một trong 3 nhà cung cấp dịch vụ mạng a, b, c để dùng.
Tính xác suất để mỗi mạng đều có ít nhất một trong 5 người dùng.

Ví dụ
I P(H̄) = P(A ∪ B ∪ C ) = 3P(A) − 3P(AB).
I P(A) = 2/n, P(AB) = (n − 2) × 2 × 1 × (n − 3)!/n!
I P(H) = 1 − P(H̄).
Ví dụ 6. Một nhóm gồm 5 người bạn mỗi người độc lập với nhau
chọn một trong 3 nhà cung cấp dịch vụ mạng a, b, c để dùng.
Tính xác suất để mỗi mạng đều có ít nhất một trong 5 người dùng.
Ví dụ 7. Có 28% nam giới Mỹ hút thuốc, 7% hút xì gà và 5% hút
cả hai loại. Tính tỷ lệ nam giới Mỹ không hút lá cũng không hút xì
gà.
Xác suất có điều kiện
• Xác suất của biến cố A tính trong điều
kiện biến cố B đã xảy ra ký hiệu P(A|B)
gọi là xác suất của A với điều kiện B.
P(AB)
P(A|B) = với P(B) > 0.
P(B)
• Quy tắc nhân:
P(AB) = P(B)P(A|B) = P(A)P(B|A).
Tổng quát hơn,
P(A1 A2 · · · An ) = P(A1 )P(A2 |A1 )P(A3 |A1 A2 ) · · · P(An |A1 A2 ...An−1 ).

Xác suất có điều kiện
• Xác suất của biến cố A tính trong điều
kiện biến cố B đã xảy ra ký hiệu P(A|B)
gọi là xác suất của A với điều kiện B.
P(AB)
P(A|B) = với P(B) > 0.
P(B)
• Quy tắc nhân:
P(AB) = P(B)P(A|B) = P(A)P(B|A).
Tổng quát hơn,
P(A1 A2 · · · An ) = P(A1 )P(A2 |A1 )P(A3 |A1 A2 ) · · · P(An |A1 A2 ...An−1 ).
Ví dụ 8. Một bữa tiệc có 3 người đàn ông tới dự, khi đi mỗi người
mang theo một chiếc mũ. Lúc về do đã say nên mỗi người chọn
ngẫu nhiên một chiếc mũ. Xác suất để cả ba người lấy nhầm mũ là
bao nhiêu?
Ví dụ
Ví dụ 9. Một nhà có 2 đứa con. Tính xác suất để cả hai đứa là
con trai biết rằng có ít nhất một con trai.

Ví dụ
con trai biết rằng có ít nhất một con trai.1/3

Ví dụ
Ví dụ 10. Khi ta đến thăm một gia đình có 2 đứa con thì thấy 1
cậu con trai ra mở cửa. Xác suất để đứa kia cũng là con trai bằng
bao nhiêu?

Ví dụ
bao nhiêu?
I Không gian mẫu
Ω = T ∗ G , TG ∗ , T ∗ T , TT ∗ , G ∗ T , GT ∗ , G ∗ G , GG ∗ trong đó
dấu "*" chỉ đứa trẻ ra mở cửa.

Ví dụ
bao nhiêu?
I Không gian mẫu
I Ta cần tính xác suất xảy ra biến cố {T ∗ T , TT ∗ } biết rằng
biến cố {T ∗ G , T ∗ T , TT ∗ , GT ∗ } đã xảy ra.

Ví dụ
bao nhiêu?
I Không gian mẫu
I Vậy xác suất cần tìm là 1/2.

Ví dụ
bao nhiêu?
I Không gian mẫu
I Vậy xác suất cần tìm là 1/2.
Ví dụ 11. Một chùm chìa khóa có 7 chiếc trong đó có 2 chiếc mở
được cửa. Lấy ngẫu nhiên từng chiếc để mở cửa, nếu không được
thì loại ra, cho tới khi mở được cửa thì dừng. Xác suất để số lần
thử không quá 3 bằng bao nhiêu?
Ví dụ
Ví dụ 12. Trong phòng có 3 người a, b, c mỗi người đội một chiếc
mũ màu đỏ hoặc xanh. Giả sử mỗi người chỉ nhìn thấy màu của
mũ người khác mà không biết mũ của mình màu gì. Xem như 3
người cùng một đội, ta yêu cầu họ chọn ra một người để đoán xem
mũ của anh ta màu gì. Trước khi họ bước vào phòng họ có thể
thống nhất với nhau một chiến lược nào đó. Liệu có chiến lược nào
để xác suất họ thắng lớn hơn 1/2? (Họ có thể chọn 2 hoặc cả 3
người đoán nhưng khi đó họ chỉ thắng nếu tất cả đoán đúng)
I Rất khó có một chiến lược để xác suất thắng lớn hơn 0.5 vì
với mỗi chiến lược thì phải có người đầu tiên đoán và xác suất
đúng của anh ta đã là 1/2?

Ví dụ
I Chiến lược?

Ví dụ
I Chiến lược?Họ thống nhất với nhau trong 3 người nếu ai nhìn
thấy hai người kia đội mũ cùng màu sẽ đoán và đoán màu còn
lại.

Ví dụ
lại.
I Tính xác suất?

Ví dụ
lại.
I Tính xác suất?p=3/4.
I Giải thích mâu thuẫn.
Tính độc lập
• Hai biến cố A, B là độc lập nếu biết thông tin về B không làm
thay đổi xác suất xuất hiện A nghĩa là P(A|B) = P(A). Tuy nhiên,
định nghĩa này không tốt vì P(A|B) không xác định khi P(B) = 0
và không đối xứng với A, B.

Tính độc lập
• Định nghĩa
I Hai biến cố A, B độc lập nếu P(AB) = P(A)P(B).

Tính độc lập
• Định nghĩa
I Các biến cố A1 , A2 , · · · , An độc lập nếu với mọi tập chỉ số
J ⊂ {1, 2, ..., n} ta có
[ Y
P( Aj ) = P(Aj ).
j∈J j∈J

Tính độc lập
• Định nghĩa
I Các biến cố A1 , A2 , · · · , An độc lập nếu với mọi tập chỉ số
J ⊂ {1, 2, ..., n} ta có
[ Y
P( Aj ) = P(Aj ).
j∈J j∈J
• Chú ý: Nếu P(B) > 0 thì A, B độc lập với nhau khi và chỉ khi
P(A|B) = P(A). Nếu A, B độc lập thì các cặp Ā và B, A và B̄, Ā
và B̄ cũng độc lập với nhau
Ví dụ
Ví dụ 13. Cho Ω = {1, 2, 3, 4} với P{i} = 1/4 với i=1, 2, 3, 4.
Đặt A = {1, 4}, B = {2, 4}, C = {3, 4}. Kiểm tra được A, B, C
độc lập từng đôi nhưng 3 biến cố A, B, C không độc lập với nhau.

Ví dụ
Ví dụ 14. Giả sử có r người, người thứ i có $ ni . Tại mỗi thời điểm
chọn ra hai người chơi, người thắng sẽ nhận được $1 từ người
thua. Ai hết tiền sẽ bị loại ra ngoài, cuộc chơi tiếp tục cho tới khi
chỉ còn 1 người. Tính xác suất thắng của người thứ i.

Ví dụ
I Giả sử có n người mỗi người có $1. Khi đó xác suất thắng của
mọi người là như nhau và bằng 1/n.

Ví dụ
I Chia n người thành r nhóm trong đó nhóm i có ni người. Xác
suất để người thắng thuộc nhóm i là ni /n.

Ví dụ
I Chia n người thành r nhóm trong đó nhóm i có ni người. Xác
suất để người thắng thuộc nhóm i là ni /n.
Ví dụ 15. Trong một chương trình truyền hình một nhà toán học
nói với MC rằng nếu trong phòng có 23 người thì xác suất có ít
nhất 2 người cùng ngày sinh nhật lớn hơn 0.5. MC này không tin
và đã hỏi 500 khán giả bên dưới xem có ai cùng ngày sinh 23/11
với ông ta không nhưng không có ai giơ tay. Giải thích?
Công thức xác suất đầy đủ và công thức Bayes
Định nghĩa: Hệ các biến cố C1 ,
C2 ,...,Cn được gọi là hệ đầy đủ các biến
cố nếu:
1. S
Hợp là biến cố chắc chắn,
n
i=1 Ci = Ω.
2. Hai biến cố bất kỳ xung khắc,
Ci Cj = ∅ nếu i 6= j.

cố nếu:
1. S
n
i=1 Ci = Ω.
• Nếu A là biến cố bất kỳ thì ta có công thức xác suất đầy đủ
n
X
P(A) = P(C1 )P(A|C1 ) + · · · + P(Cn )P(A|Cn ) = P(Ci )P(A|Ci ).
i=1

cố nếu:
1. S
n
i=1 Ci = Ω.
• Nếu A là biến cố bất kỳ thì ta có công thức xác suất đầy đủ
n
X
P(A) = P(C1 )P(A|C1 ) + · · · + P(Cn )P(A|Cn ) = P(Ci )P(A|Ci ).
i=1
và công thức Bayes

P(Ck A) P(Ck )P(A|Ck )
P(Ck |A) = = .
P(A) P(C1 )P(A|C1 ) + ... + P(Cn )P(A|Cn )

• Các xác suất P(C1 ), · · · P(Cn ) được gọi là các xác suất tiên
nghiệm còn các xác suất P(C1 |A), · · · , P(Cn |A) được gọi là các
xác suất hậu nghiệm.

Ví dụ 16. Trong kỳ thi trắc nghiệm, một thí sinh hoặc biết câu trả
lời với xác suất p hoặc chọn ngẫu nhiên một trong m đáp án. Xác
suất trả lời đúng của sinh viên đó là bao nhiêu?

Ví dụ 17. Một nhà máy sản xuất ra các sản phẩm với tỷ lệ chính
phẩm là 95%. Trước khi bán ra thị trường các sản phẩm phải qua
một hệ thống kiểm tra. Do không hoàn hảo nên hệ thống nhầm
chính phẩm thành phế phẩm với xác suất 3% và nhầm phế phẩm
thành chính phẩm với xác suất 1%. Tính tỷ lệ chính phẩm ngoài
thị trường.

Ví dụ 17. Một nhà máy sản xuất ra các sản phẩm với tỷ lệ chính
phẩm là 95%. Trước khi bán ra thị trường các sản phẩm phải qua
một hệ thống kiểm tra. Do không hoàn hảo nên hệ thống nhầm
chính phẩm thành phế phẩm với xác suất 3% và nhầm phế phẩm
thành chính phẩm với xác suất 1%. Tính tỷ lệ chính phẩm ngoài
thị trường.
Ví dụ 18. Có 3 phong bì mỗi phong bì chứa một số tiền khác
nhau. Có thuật toán nào để lấy được phong bì có chứa nhiều tiền
nhất với xác suất p > 0.5 biết rằng có thể mở nhiều phong bì
nhưng khi đã mở và không lấy thì không được quay lại.
Sơ đồ hình cây (Tree Diagram)
• Sơ đồ hình cây là một cách trực quan để tính xác suất. Mỗi cây
bắt đầu từ gốc với các nhánh là các trường hợp có thể xảy ra với
trọng số chính là xác suất xuất hiện trường hợp đó.

Ví dụ 19. Một túi chứa 3
quả cầu đen, 5 quả cầu
trắng. An lấy ngẫu nhiên 1
quả, trả lại túi trộn đều rồi
tiếp tục lấy ngẫu nhiên
một quả khác.

một quả khác.
I Tính xác suất lấy được hai quả màu đen.
I Tính xác suất quả thứ hai màu đen.

một quả khác.
Ví dụ 20. Giả sử tỷ lệ mắc một loại bệnh hiểm nghèo X của Việt
Nam là 1:10.000. Bạn đi xét nghiệm thấy kết quả cho dương tính.
Khả năng bạn thực sự bị mắc bệnh này là bao nhiêu nếu biết rằng
khả năng đúng của xét nghiệm là 98%.
một quả khác.
Ví dụ 20. Giả sử tỷ lệ mắc một loại bệnh hiểm nghèo X của Việt
Nam là 1:10.000. Bạn đi xét nghiệm thấy kết quả cho dương tính.
Khả năng bạn thực sự bị mắc bệnh này là bao nhiêu nếu biết rằng
khả năng đúng của xét nghiệm là 98%. (Kết quả: 0.004876592)
Công thức Bernoulli
• Cho phép thử C và biến cố A với P(A) = p. Thực hiện phép thử
C n lần một cách độc lập trong các điều kiện hoàn toàn như nhau
(dãy phép thử Bernoulli). Khi đó, số lần xuất hiện biến cố A có thể
là 0, 1, ..., n. Gọi pk là xác suất có đúng k lần xuất hiện biến cố A
trong n lần thực hiện phép thử. Công thức Bernoulli cho biết
pk = Cnk p k (1 − p)n−k , k = 0, 1, ..., n.
• Số m ∈ {0, 1, 2, ..., n} được gọi là số có khả năng nhất nếu hay

xảy ra nhất là trong n phép thử có m lần xuất hiện biến cố A, tức
là pm = max0≤k≤n pk .
• Cách tìm số có khả năng nhất.
1. Tính p0 , p1 , ...., pn từ đó có m.

Công thức Bernoulli
• Cho phép thử C và biến cố A với P(A) = p. Thực hiện phép thử
C n lần một cách độc lập trong các điều kiện hoàn toàn như nhau
(dãy phép thử Bernoulli). Khi đó, số lần xuất hiện biến cố A có thể
là 0, 1, ..., n. Gọi pk là xác suất có đúng k lần xuất hiện biến cố A
trong n lần thực hiện phép thử. Công thức Bernoulli cho biết
pk = Cnk p k (1 − p)n−k , k = 0, 1, ..., n.
• Số m ∈ {0, 1, 2, ..., n} được gọi là số có khả năng nhất nếu hay

xảy ra nhất là trong n phép thử có m lần xuất hiện biến cố A, tức
là pm = max0≤k≤n pk .
• Cách tìm số có khả năng nhất.
1. Tính p0 , p1 , ...., pn từ đó có m.
2. Nếu np + p 6∈ N thì m = [np + p] còn nếu np + p ∈ N thì m
có thể là np + p − 1 hoặc np + p.

Chuong 1

Uploaded by

Document Information

Original Title

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

Chuong 1

Uploaded by

Copyright:

Available Formats

Bài giảng xác suất

Chương 1: Biến cố và xác suất của biến cố

Trần Mạnh Cường

Ngày 23 tháng 9 năm 2021

Trần Mạnh Cường Bài giảng xác suất

Trần Mạnh Cường Bài giảng xác suất

Trần Mạnh Cường Bài giảng xác suất

Trần Mạnh Cường Bài giảng xác suất

Trần Mạnh Cường Bài giảng xác suất

Trần Mạnh Cường Bài giảng xác suất

Trần Mạnh Cường Bài giảng xác suất

Trần Mạnh Cường Bài giảng xác suất

3. Biến cố đối. Biến cố đối của biến cố A ký hiệu

4. Biến cố kéo theo. Biến cố A được gọi là kéo

Trần Mạnh Cường Bài giảng xác suất

Trần Mạnh Cường Bài giảng xác suất

Trần Mạnh Cường Bài giảng xác suất

Trần Mạnh Cường Bài giảng xác suất

Trần Mạnh Cường Bài giảng xác suất

Trần Mạnh Cường Bài giảng xác suất

Trần Mạnh Cường Bài giảng xác suất

Trần Mạnh Cường Bài giảng xác suất

Trần Mạnh Cường Bài giảng xác suất

Trần Mạnh Cường Bài giảng xác suất

Số kết quả thuận lợi cho A |A|

Trần Mạnh Cường Bài giảng xác suất

Số kết quả thuận lợi cho A |A|

Ví dụ 3. n người (trong đó có hai người quen nhau là a, b) ngồi

Trần Mạnh Cường Bài giảng xác suất

Trần Mạnh Cường Bài giảng xác suất

Trần Mạnh Cường Bài giảng xác suất

P(A) được gọi là xác suất của biến cố A.

Trần Mạnh Cường Bài giảng xác suất

Trần Mạnh Cường Bài giảng xác suất

Trần Mạnh Cường Bài giảng xác suất

Trần Mạnh Cường Bài giảng xác suất

Trần Mạnh Cường Bài giảng xác suất

Trần Mạnh Cường Bài giảng xác suất

4. Quy tắc nhân: Nếu A1 , A2 , ..., An độc lập thì

Trần Mạnh Cường Bài giảng xác suất

Trần Mạnh Cường Bài giảng xác suất

Trần Mạnh Cường Bài giảng xác suất

Trần Mạnh Cường Bài giảng xác suất

Trần Mạnh Cường Bài giảng xác suất

P(AB) = P(B)P(A|B) = P(A)P(B|A).

Tổng quát hơn,

P(A1 A2 · · · An ) = P(A1 )P(A2 |A1 )P(A3 |A1 A2 ) · · · P(An |A1 A2 ...An−1 ).

Trần Mạnh Cường Bài giảng xác suất

P(AB) = P(B)P(A|B) = P(A)P(B|A).

Tổng quát hơn,

P(A1 A2 · · · An ) = P(A1 )P(A2 |A1 )P(A3 |A1 A2 ) · · · P(An |A1 A2 ...An−1 ).

Trần Mạnh Cường Bài giảng xác suất

Trần Mạnh Cường Bài giảng xác suất

Trần Mạnh Cường Bài giảng xác suất

Trần Mạnh Cường Bài giảng xác suất

Trần Mạnh Cường Bài giảng xác suất

Trần Mạnh Cường Bài giảng xác suất

Trần Mạnh Cường Bài giảng xác suất

Trần Mạnh Cường Bài giảng xác suất

Trần Mạnh Cường Bài giảng xác suất

Trần Mạnh Cường Bài giảng xác suất

Trần Mạnh Cường Bài giảng xác suất

Trần Mạnh Cường Bài giảng xác suất