Professional Documents
Culture Documents
1
Nội dung
2
Không gian mẫu và biến cố
Trong thực tế, các hiện tượng được chia thành 2
loại: hiện tượng tất nhiên và hiện tượng ngẫu nhiên.
Phép thử: là một khái niệm cơ bản không định
nghĩa. Có thể mô tả khái niêm này như sau:
Khi quan sát một hiện tượng hay làm một thí
nghiệm và chú ý đến kết quả của hiện tượng hay
thí nghiệm đó, ta nói đã làm một phép thử.
4
Không gian mẫu và biến cố
Ví dụ 1.
a) Quan sát tình trạng hoạt động của một máy, là ta
làm một phép thử. Việc máy chạy tốt hay hỏng hóc
là hai biến cố .
b) Tung một đồng xu là một phép thử. Mặt sấp xuất
hiện hay mặt ngửa xuất hiện là hai biến cố.
c) Từ một lô sản phẩm gồm chính phẩm và thứ
phẩm lấy ngẫu nhiên 1 sản phẩm. Việc lấy sản phẩm
là phép thử, còn việc lấy được chính phẩm hay phế
phẩm là các biến cố.
5
Không gian mẫu và biến cố
7
Không gian mẫu và biến cố
Giải. Ta có:
A D, X , X , D, D, X , D, D, D
B D, D, D
C D, X , X , D, D, X .
12
Ví dụ 7.
Chọn ngẫu nhiên 1 sinh viên trong lớp học. Ta gọi
các biến cố sau đây:
A: “Sinh viên được chọn giỏi Tiếng Anh”,
B: “Sinh viên được chọn giỏi Toán”.
Hãy xác định biến cố: A+B; AB.
Giải: A+B: “Sinh viên được chọn giỏi ít nhất 1 môn
Tiếng Anh hoặc Toán”.
Giải. C A B A B.
14
Ví dụ 8.
Kiểm tra 5 bóng đèn trong một lô bóng đèn. Gọi Ai:
“Bóng đèn thứ i tốt” (i=1,2,3,4,5). Gọi B: “Cả 5 bóng
đèn đều tốt”.
Hãy biểu diễn B qua các biến cố Ai.
5
Giải. B Ai A1. A2 . A3 . A4 . A5
i 1
Không gian mẫu và biến cố
Các (hai) biến cố đồng khả năng là các (hai) biến cố
mà khả năng xảy ra là như nhau trong một phép thử.
19
Ví dụ 11.
Do đó,
kA 1900 190
P( A) 0,467.
4060 4060 406
20
Ví dụ 12.
Một hộp có 7 chính phẩm và 3 phế phẩm.
3. Lấy ngẫu nhiên (có hoàn lại) lần lượt từng sản
phẩm ra 2 sản phẩm. Tính xác suất lấy được 2 phế
phẩm.
21
Ví dụ 12.
Do đó,
kA 3
P( A) .
10 10
22
Ví dụ 11.
Biến cố C: “Lấy ngẫu nhiên lần lượt từng sản phẩm (có
hoàn lại) trong hộp 10 sản phầm được 2 phế phẩm”. Số
biến cố đồng khả năng với biên cố B là 3.3=9, nên kC=9.
Do đó,
kC 9
P(C ) .
100 100
24
Định nghĩa xác suất (theo thống kê)
Giả sử ta thực hiện n lần một phép thử, biến cố A
xuất hiện k=kn lần. Ta gọi
25
Định nghĩa xác suất (theo thống kê)
Ví dụ: Hai nhà thống kê nổi tiếng Buffon và Pearson đã tiến hành thí
nghiệm tung một đồng xu một cách vô tư nhất và thu được kết quả theo
bảng sau:
Người làm thí nghiệm Số lần tung Số lần mặt sấp Tần suất
Buffon 4040 2048 0.5069
Khi số phép thử tăng lên vô hạn, ta hy vọng tần suất dần đến 0.5. Số này
được lấy làm xác suất của biến cố xuất hiện mặt sấp khi tung đồng xu
một lần.
Nói chung, tần suất thay đổi từ loạt thử này sang loạt thử khác. Tuy nhiên
khi n tăng tần suất đó ổn định, nó dường như dao động quanh một số p
nào đó. Số cố định p đó được xem là xác suất của biến cố A.
26
Định nghĩa xác suất (theo thống kê)
27
Ví dụ.
28
Các tính chất của xác suất
Với mọi không gian xác suất (không gian
mẫu) , ta có:
1. P() 0;
2. P() 1;
3. 0 P( A) 1, A ;
4. A B P( A) P( B).
29
Công thức cộng xác suất
Giả sử A, B là 2 biến cố bất kỳ của một phép thử.
Khi đó, ta có
P( A B) P( A) P( B) P( A B) . (1)
P( A B) P( A) P( B) . (2)
P A 1 P( A) . (3)
30
Công thức cộng xác suất
31
Ví dụ 18.
Một hộp có 10 bi trong đó có 4 bi đỏ. Lấy ngẫu nhiên 3
bi từ hộp. Tính xác suất để lấy được ít nhất 1 bi đỏ.
Giải. Gọi A: “lấy 3 bi có ít nhất 1 bi đỏ” và Ai: “lấy 3 bi
có i bi đỏ”, i = 1, 2, 3.
Các biến cố Ai từng đôi xung khắc với nhau và A =
A1+A2 +A3 nên
P A P A1 +A 2 A 3 P A1 P A 2 P A 3
C41C62 C42C61 C43C60
3 3 3 0,8333.
C10 C10 C10
32
Công thức cộng xác suất
Ví dụ 16: Tung đồng thời 2 đồng xu đồng chất. Tính
xác suất của biến cố có ít nhất một mặt sấp.
Vì không kể thứ tự mặt sấp hay mặt ngửa của 2 đồng xu nên
không gian các biến cố sơ cấp là:
P(AB)
P A | B .
P(B)
P( AB) 3 /10 3
P( B | A) .
P( A) 7 /10 7 35
Xác suất có điều kiện
Biến cố A|B “ Gọi được sinh viên thi điểm giỏi môn
Toán là nữ”
P( AB) 4 / 50 2
P( A | B) . 37
P( B) 10 / 50 5
Xác suất có điều kiện
Giải: Gọi:
B “Lần thứ nhất lấy được bi đỏ”
A “Lần thứ hai lấy được bi xanh”
38
Ví dụ 19.
Từ hộp này, lấy ngẫu nhiên lần lượt ra 2 bi,
mỗi lần lấy 1 bi, lấy không hoàn lại, 2 bi đỏ cũng
như 2 bi xanh là khác nhau, nên không gian các
biến cố sơ cấp (không gian mẫu) là:
D1 X 1 , D1 X 2 , D2 X 1 , D2 X 2 , D1D2 , D2 D1 ,
X 1 D1 , X 1D2 , X 2 D1 , X 2 D2 , X 1 X 2 , X 2 X 1
39
Ví dụ 19.
B D1 X1 , D1 X 2 , D2 X 1 , D2 X 2 , D1D2 , D2 D1 , B có 6
6
phần tử nên P( B) .
12
40
Công thức nhân xác suất
Suy ra
P( A1 A2 ) 7
P( A2 A1 ) .
P( A1 ) 9
43
Ví dụ 20:
A1A2B3 “Lấy lần 1 cũng như lấy lần 2 được chính
phẩm và lần 3 được phế phẩm nên
C81.C71 .C21 8.7.2
P( A1 A2 B3 ) 1 1 1 .
C10 .C9 .C8 10.9.8
P( A1 A2 B3 ) 2
Suy ra P( B3 A1 A2 ) .
P( A1 A2 ) 8
Ta có P(A1A2B3) = P(A1)P(A2|A1)P(B3|A1A2)
= (8/10)(7/9)(2/8) = 7/45.
44
Công thức nhân xác suất
Ví dụ 21: Một sản phẩm xuất xưởng phải qua 3
lần kiểm tra. Xác suất để một phế phẩm bị loại ở
lần kiểm tra đầu là 0,8; nếu lần kiểm tra đầu
không bị loại thì xác suất nó bị loại ở lần kiểm tra
thứ hai là 0,9; tương tự nếu lần thứ hai cũng
không bị loại thì xác suất nó bị loại ở lần kiểm tra
thứ ba là 0,95. Tính xác suất để một phế phẩm bị
loại khi kiểm tra.
45
Ví dụ 21.
Giải. Gọi A: “phế phẩm bị loại qua 3 lần kiểm tra”
và Ai: “phế phẩm bị loại ở lần kiểm tra thứ i”.
P( A) P A1 A1 A2 A1 A2 A3
P( A1 ) P A1 A2 P A1 A2 A3
P( A ) P A P A | A P A P A | A P A | A A
1 1 2 1 1 2 1 3 1 2
46
Ví dụ 21.
Ta có A1 A2 A2 , nên P A3 | A1 A2 P A3 | A2 0,95
và P A2 | A1 1 P A2 | A1 1 0,9 0,1.
P( A) P( A1 ) P A1 P A2 | A1 P A1 P A2 | A1 P A3 | A1 A2
0,8 0, 2 0,9 0, 2 0,1 0,95
0,999.
47
Hai biến cố độc lập
P(AB) P(A).P(B)
48
Hai biến cố độc lập
Nhận xét. 1. Việc kiểm tra tính độc lập bằng định
nghĩa trong nhiều bài toán là khó. Do đó, người ta
thường dựa vào thực tế để thừa nhận nó.
Do đó,
P( A) P( A1 A2 A3 A2 A1 A3 A3 A2 A1 )
P( A1 A2 A3 ) P( A2 A1 A3 ) P ( A3 A2 A1 )
0,1 0,8 0,85 0,2 0,9 0,85 0,15 0,8 0,9 0,329.
P( B) P( A1 A2 A3 A1 A3 A2 A2 A3 A1 A1 A2 A3 )
P( A1 A2 A3 ) P( A1 A3 A2 ) P ( A2 A3 A1 ) P ( A1 A2 A3 )
0,1 0,2 0,85 0,1 0,15 0,8 0,2 0,15 0,9
0,1 0,2 0,15 0,059.
52
Công thức xác suất đầy đủ và Bayes
Ai A j , i j,
A1 A2 ... A n .
53
Công thức xác suất đầy đủ và Bayes
Ví dụ 25: Trộn lẫn hai bao lúa vào nhau rồi từ đó
bốc ra 1 hạt lúa. Gọi
A1: “Hạt lúa được chọn là của bao thứ nhất”,
A2: “Hạt lúa được chọn là của bao thứ hai”.
Khi đó, hệ {A1, A2} đầy đủ.
54
Công thức xác suất đầy đủ và Bayes
B
A1B A 2B A n1B A nB
A1 A2 A n1 An
n
n n
B B. B Ai BAi P( B) P( B. Ai )
i 1 i 1
55
i 1
Công thức xác suất đầy đủ và Bayes
Trong phép thử, cho hệ đầy đủ các biến cố A i i1,...,n
và B là một biến cố bất kỳ trong phép thử. Khi đó
n
P(B) P(A i )P(B | A i ) (1)
i1
P A i .P B | A i
P(A i | B) (2)
P B
57
Ví dụ 26.
P( A2 ) P( A | A2 ) 0, 25 0,02
P( A2 | A) 0,16;
P( A) 0,03
P( A3 ) P( A | A3 ) 0, 4 0,01
P( A3 | A) 0,13.
P( A) 0,03
P(A1|A) lớn nhất nên nhiều khả năng nhất chọn
được phế phẩm thuộc lô sản phẩm thứ nhất.
60
Công thức xác suất đầy đủ và Bayes
61
Ví dụ 27.
P( A1 ) P( A | A1 ) 0,2 0,9
2. P( A1 | A) 0,21.
P( A) 0,82
62
Ví dụ 28.
63
Ví dụ 28.
1) Gọi Ai là biến cố bình chọn ra là bình loại i, F là
biến cố bi chọn ra là bi trắng.
Chú ý rằng ở đây có 2 phép thử: Phép thử chọn
bình và phép thử chọn bi. Khi đó, A1, A2, A3 lần
lượt là các biến cố độc lập với phép thử chọn
bình; F là biến cố chọn bi.
Do A1, A2, A3 là họ đầy đủ nên ta có
P( F ) P( A1 ) P( F | A1 ) P( A2 ) P( F | A2 ) P( A3 ) P( F | A3 )
2 3 1 3 2 4
0,52.
5 5 5 5 5 7
64
Ví dụ 28.
Ta có
P( A3 ) P( F | A3 )
P( A3 | F )
P( F )
2 / 5 4 / 7 16
.
0,52 35
65