Chuong1 XSTK

Xác suất Thống kê
Chương 1: Không gian xác suất
P. T. Hồng
TLU
Ngày 8 tháng 9 năm 2022
P. T. Hồng (TLU) Xác suất Thống kê Ngày 8 tháng 9 năm 2022 1 / 52

Nội dung
1 Không gian mẫu và biến cố
2 Phép toán trên biến cố
3 Mô hình xác suất của phép thử
4 Định nghĩa xác suất
5 Xác suất điều kiện
6 Một số quy tắc tính xác suất

1. Không gian mẫu và biến cố

Phép thử và không gian mẫu
Phép thử (Experiment): một chuỗi hoạt động mà kết quả không chắc
chắn.
Không gian mẫu (Sample space): tập hợp tất cả các kết quả có thể
có của phép thử. Ký hiệu Ω
Ví dụ: Tung con xúc xắc 6 mặt và quan sát số chấm ở mặt trên.
Ω = {1, 2, 3, 4, 5, 6}

Biến cố sơ cấp và biến cố
Biến cố sơ cấp: một phần tử của không gian mẫu.
Biến cố (event): một tập con của không gian mẫu.
Ta nói biến cố A xảy ra khi một biến cố sơ cấp trong A xảy ra.
Ký hiệu: A,B,C,...
Biến cố không thể: ∅
Biến cố chắc chắn: Ω
Ví dụ: Tung con xúc xắc 6 mặt và quan sát số chấm ở mặt trên.
Ω = {1, 2, 3, 4, 5, 6}
Biến cố A: Số chấm xuất hiện là số chẵn
A = {2, 4, 6}

Ví dụ
Tung một con xúc xắc 4 mặt lần lượt hai lần.
1 Mô tả không gian mẫu
2 Mô tả biến cố:
A: Tổng số chấm lớn hơn 5.

B: Lần đầu tung được 3 chấm

Ví dụ
Đường dây điện thoại ngầm nối một tổng đài với một trạm dài 1 km bị
đứt. Quan sát khoảng cách từ tổng đài tới vị trí dây đứt.
1 Mô tả không gian mẫu
2 Mô tả biến cố A: Vị trí dây đứt cách tổng đài không quá 100m.

Phép toán trên biến cố
⋆ A ∪ B = {ω|ω ∈ A hoặc ω ∈ B} được gọi là
biến cố hợp (tổng, union) của A và B.
A ∪ B xảy ra khi A xảy ra hoặc B xảy ra. B
⋆ A ∩ B = {ω|ω ∈ A và ω ∈ B} được gọi là biến

cố giao (tích, intersection) của A và B
A ∩ B xảy ra khi A và B cùng xảy ra. B
Khi A ∩ B = ∅, ta nói A, B là hai biến cố xung
khắc (exclusive). A

Phép toán trên biến cố
⋆ A\B = {ω|ω ∈ A nhưng ω ∈ / B} được gọi là
biến cố hiệu(difference) của A và B.
A\B xảy ra khi A xảy ra nhưng B không xảy ra. B
⋆ Ā = {ω|ω ∈ / A} được gọi là biến cố đối

(complement) của A.
Ā xảy ra khi A không xảy ra.
Ā
A

Hợp và giao của nhiều biến cố
Cho A1 , A2 , . . . , An là những biến cố
1 Hợp của A1 , A2 , . . . , An , ký hiệu A1 ∪ A2 ∪ · · · ∪ An hay
A1 + A2 + · · · + An là biến cố xảy ra khi ít nhất một trong số các
biến cố Ai xảy ra, i = 1, n
2 Giao của A1 , A2 , . . . , An , ký hiệu A1 ∩ A2 ∩ · · · ∩ An hay
A1 A2 . . . An là biến cố xảy ra khi tất cả các biến cố Ai , i = 1, n cùng
xảy ra.

Hợp và giao của nhiều biến cố
Cho A1 , A2 , . . . , An là những biến cố
1 Hợp của A1 , A2 , . . . , An , ký hiệu A1 ∪ A2 ∪ · · · ∪ An hay
A1 + A2 + · · · + An là biến cố xảy ra khi ít nhất một trong số các
biến cố Ai xảy ra, i = 1, n
2 Giao của A1 , A2 , . . . , An , ký hiệu A1 ∩ A2 ∩ · · · ∩ An hay
A1 A2 . . . An là biến cố xảy ra khi tất cả các biến cố Ai , i = 1, n cùng
xảy ra.
Các biến cố A1 , A2 , . . . , An được gọi là đôi một xung khắc (mutually
exclusive,) nếu với mọi i = j, Ai , Aj xung khắc.

Ví dụ

2. Mô hình xác suất của phép thử

Mô hình xác suất
Mô hình xác suất gồm hai thành phần
Không gian mẫu
Quy luật xác suất gán cho mỗi biến cố A một số đo P (A) cho biết
khả năng xảy ra biến cố đó. Quy luật xác suất này cần thoả mãn một
số điều kiện
1 Không âm (Nonnegativity): P (A) ≥ 0
2 Cộng tính (Additivity): Nếu A1 , A2 , ... là dãy biến cố đôi một xung khắc
P (A1 ∪ A2 ∪ . . . ) = P (A1 ) + P (A2 ) + . . .
3 Chuẩn hoá (Normalization): P (Ω) = 1.

Tính chất của P
1 P (∅) = 0
2 P (Ā) = 1 − P (A) ( Quy tắc phần bù)
3 A ⊂ B ⇒ P (A) ≤ P (B)
4 P (A ∪ B) = P (A) + P (B) − P (A ∩ B) ( Quy tắc cộng)
5 P (A ∪ B) ≤ P (A) + P (B)
6 P (A ∪ B ∪ C) = P (A) + P (B Ā) + P (C ĀB̄),
Chứng minh

3. Định nghĩa xác suất

Định nghĩa cổ điển
Định nghĩa cổ điển dựa trên giả định các biến cố sơ cấp là đồng khả năng.
Trường hợp rời rạc: Xét một không gian mẫu Ω bao gồm n kết quả đồng
khả năng, khi đó xác suất của biến cố A là
số biến cố sơ cấp thuộc A |A|

P (A) = =
n |Ω|

Định nghĩa cổ điển dựa trên giả định các biến cố sơ cấp là đồng khả năng.
Trường hợp rời rạc: Xét một không gian mẫu Ω bao gồm n kết quả đồng
khả năng, khi đó xác suất của biến cố A là
số biến cố sơ cấp thuộc A |A|

P (A) = =
n |Ω|
Ví dụ: Tung con xúc xắc 6 mặt cân đối và quan sát số chấm ở mặt trên.
Biến cố A: Số chấm xuất hiện là số chẵn
3
A = {2, 4, 6}, P (A) = = 0.5
6

Ví dụ: Tung một con xúc xắc 4 mặt lần lượt hai lần. Xét các biến cố
C: Số chấm lần tung thứ nhất lớn hơn số chấm lần tung thứ hai
D: Số chấm lần tung thứ hai là số lẻ.
Tính P (A), P (B), P (C), P (D).

Lời giải: |Ω| =

Ví dụ: Tung một con xúc xắc 4 mặt lần lượt hai lần. Xét các biến cố
C: Số chấm lần tung thứ nhất lớn hơn số chấm lần tung thứ hai
D: Số chấm lần tung thứ hai là số lẻ.
Tính P (A), P (B), P (C), P (D).

Lời giải: |Ω| = 16,
A = {(2, 4), (3, 3), (3, 4), (4, 2), (4, 3), (4, 4)}, |A| = 5 ⇒ P (A) = 6/16 = 3/18.

Trường hợp liên tục: Xét một không gian mẫu Ω bao gồm vô hạn kết
quả đồng khả năng được biểu diễn bởi một miền hình học H, khi đó xác
suất của biến cố A là
độ đo của A
P (A) =
độ đo của H
trong đó độ đo của một miền có thể là độ dài/diện tích/thể tích của miền
đó (định nghĩa hình học).

Trường hợp liên tục: Xét một không gian mẫu Ω bao gồm vô hạn kết
quả đồng khả năng được biểu diễn bởi một miền hình học H, khi đó xác
suất của biến cố A là
độ đo của A
P (A) =
độ đo của H
trong đó độ đo của một miền có thể là độ dài/diện tích/thể tích của miền
đó (định nghĩa hình học).
Ví dụ: Đường dây điện thoại ngầm nối một tổng đài với một trạm dài 1
km bị đứt. Mô tả biến cố A: Vị trí dây đứt cách tổng đài không quá 100m.
0.1
P (A) = = 0.1.
1

Ví dụ: Romeo và Juliet hẹn gặp nhau tại một địa điểm vào một giờ đã định nhưng họ
có thể đến muộn cùng lắm là 1 giờ. Họ cũng hẹn với nhau rằng người nào đến trước sẽ
đợi 15 phút thì sẽ rời đi nếu người kia chưa đến. .Giả sử các cặp thời gian trễ hẹn của
hai người là đồng khả năng. Tính xác suất hai người gặp nhau.
Lời giải: Xác suất gặp nhau
S(M ) 1
= 1 − S(2 tam giác) = 1 − 2. (3/4)2 = 7/16
S(hình vuông) 2

Định nghĩa thống kê
Định nghĩa
Thực hiện một phép thử nhiều lần trong các điều kiện giống nhau và quan
m
sát số lần xảy ra biến cố A, tỷ số trong đó
n
n là số lần thực hiện phép thử
m là số lần xảy ra biến cố A.
được gọi là tần suất (tần số tương đối) xuất hiện của biến cố A. Khi n đủ
m
lớn thì tỷ số tiến tới một giá trị xác định, giá trị này được gọi là xác
n
suất của biến cố A.

Ví dụ: Thực hiện việc tung đồng xu 10, 100, 10000 lần thấy có 6, 47,
5067 lần xuất hiện mặt sấp thì tần số tương đối của biến cố S lần lượt là
6/10 = 0.6, 47/100 = 0.47, 5067/10000 = 0.5067.
Khi số phép thử nhiều lên ta thấy tần số tương đối của biến cố S tiến tới
giá trị 0.5. Và ta định nghĩa xác suất P (S) = 0.5.

Ví dụ: Thực hiện việc tung đồng xu 10, 100, 10000 lần thấy có 6, 47,
5067 lần xuất hiện mặt sấp thì tần số tương đối của biến cố S lần lượt là
6/10 = 0.6, 47/100 = 0.47, 5067/10000 = 0.5067.
Khi số phép thử nhiều lên ta thấy tần số tương đối của biến cố S tiến tới
giá trị 0.5. Và ta định nghĩa xác suất P (S) = 0.5.
Xác suất của một biến cố được tính xấp xỉ bằng tần suất của biến cố đó
khi thực hiện số phép thử đủ lớn.

Định nghĩa bằng hệ tiên đề
Ta gọi P là xác suất trên không gian mẫu Ω nếu nó thoả mãn 3 tính chất:
không âm, cộng tính, chuẩn hoá. Khi đó Ω cùng với P được gọi là một
không gian xác suất (probability space).

4. Xác suất điều kiện

Xác suất điều kiện
Ví dụ: Xét phép thử tung lần lượt hai con xúc xắc 6 mặt cân đối. Xác
suất của sự kiện lần đầu tung được 6 chấm là bao nhiêu biết rằng tổng số
chấm của hai lần tung là 10?

Ví dụ: Xét phép thử tung lần lượt hai con xúc xắc 6 mặt cân đối. Xác
suất của sự kiện lần đầu tung được 6 chấm là bao nhiêu biết rằng tổng số
chấm của hai lần tung là 10?
Định nghĩa
Xác suất của biến cố A được tính với điều kiện biến cố B đã xảy ra gọi là
xác suất điều kiện (conditional probability) của A đối với B. Ký hiệu
P (A|B) (đọc là: xác suất của A trên B hoặc xác suất của A với điều kiện
B).

Ví dụ: Trong một hộp có chứa 35 quả cầu trong đó có 10 quả cầu trắng
có vạch, 15 quả cầu trắng có chấm, 6 quả cầu xanh có vạch, 4 quả cầu
xanh có chấm. Lấy ngẫu nhiên một quả cầu, tìm xác suất để quả cầu lấy
ra có màu trắng biết nó có chấm.


Lời giải: Gọi T là biến cố "Quả cầu lấy ra màu trắng",
C là biến cố "Quả cầu lấy ra có chấm".
Ta cần tính xác suất P (T |C).

Ta thấy có tất cả 19 quả cầu có chấm trong đó có 15 quả cầu trắng. Do
đó P (T |C) = 15/19 = 0.789.

Ta thấy có tất cả 19 quả cầu có chấm trong đó có 15 quả cầu trắng. Do
đó P (T |C) = 15/19 = 0.789.
15/35 P (T ∩ C)
Ta cũng thấy P (T |C) = 15/19 = = .
19/35 P (C)

Định nghĩa
1 Xác suất điều kiện của A biết B (P (B) > 0) đã xảy ra được xác định
như sau:
P (A ∩ B)
P (A|B) =
P (B)
2 Xác suất điều kiện của B biết A (P (A) > 0) đã xảy ra được xác định
như sau:
P (A ∩ B)
P (B|A) =
P (A)

Định nghĩa
1 Xác suất điều kiện của A biết B (P (B) > 0) đã xảy ra được xác định
như sau:
P (A ∩ B)
P (A|B) =
P (B)
2 Xác suất điều kiện của B biết A (P (A) > 0) đã xảy ra được xác định
như sau:
P (A ∩ B)
P (B|A) =
P (A)
Nhận xét: Cố định biến cố B, xác suất điều kiện P (A|B) thoả mãn 3 tính
chất không âm, cộng tính, chuẩn hoá. (Kiểm tra!)

Ví dụ: Thực hiện phép thử tung một đồng xu lần lượt 3 lần, A = số mặt sấp nhiều hơn
số mặt ngửa, B = lần đầu tung được mặt sấp. Tính P (A|B).
Lời giải: :
A = {SSN, SN S, N SS, SSS}, B = {SN N, SN S, SSN, SSS}.
P (AB)
P (A|B) = =
P (B)

Ví dụ: Thực hiện phép thử tung một đồng xu lần lượt 3 lần, A = số mặt sấp nhiều hơn
số mặt ngửa, B = lần đầu tung được mặt sấp. Tính P (A|B).
Lời giải: :
A = {SSN, SN S, N SS, SSS}, B = {SN N, SN S, SSN, SSS}.
P (AB)
P (A|B) = = 3/4
P (B)

Ví dụ: Tung một xúc xắc 4 mặt cân đối lần lượt hai lần, Ak = số chấm tối đa là k,
B = số chẫm tối thiểu là 2. Tính P (Ak |B), k = 1, 2, 3, 4
Lời giải:
B = {(2, 2), (2, 3), (2, 4), ..., (4, 2), ..., (4, 4)}, A3 B = {(2, 2), (2, 3), (3, 2)}.
P (A3 B)
⇒ P (A3 |B) = = 3/9 = 1/3
P (B)

Ví dụ
Hai nhóm C và N tiến hành thiết kế 1 sản phẩm mới. Kinh nghiệm cho biết
(a) Xác suất nhóm C thành công là 2/3
(b) Xác suất nhóm N thành công là 1/2
(c) Xác suất có ít nhất nhóm thành công là 3/4
Giả sử chỉ có 1 trong hai nhóm thành công, tính xác suất nhóm thành công là nhóm N .

Ví dụ
Hai nhóm C và N tiến hành thiết kế 1 sản phẩm mới. Kinh nghiệm cho biết
(a) Xác suất nhóm C thành công là 2/3
(b) Xác suất nhóm N thành công là 1/2
(c) Xác suất có ít nhất nhóm thành công là 3/4
Giả sử chỉ có 1 trong hai nhóm thành công, tính xác suất nhóm thành công là nhóm N .
Lời giải:
C = {Nhóm C thành công}, N = {Nhóm N thành công}. Ta cần tính
P (N |N C̄ + N̄ C). Theo gt,
P (ít nhất 1 nhóm thành công) = P (N C̄ + N̄ C + N C) = 3/4
P ( nhóm N thành công) = P (N C̄ + N C) = 2/3
P ( nhóm C thành công) = P (N̄ C + N C) = 1/2
Suy ra P (N̄ C) = 3/4 − 2/3 = , P (N C̄) = 3/4 − 1/2 =
P (N C̄) P (N C̄)
P (N |N C̄ + N̄ C) = =
P (N C̄ + N̄ C) P (N C̄) + P (N̄ C)

Công thức nhân
Hai cách tính P (AB)
P (A ∩ B) = P (A|B)P (B)
= P (B|A)P (A)

Công thức nhân
Hai cách tính P (AB)
P (A ∩ B) = P (A|B)P (B)
= P (B|A)P (A)
Công thức nhân tổng quát
P (∩ni=1 Ai ) = P (A1 )P (A2 |A1 )P (A3 |A1 A2 ) . . . P (An |A1 A2 . . . An−1 )
Ví dụ: Rút 3 cây bài không hoàn lại từ bộ bài tú lơ khơ. Tính xác suất cả
ba cây bài lấy được không có chất Cơ. (Tính xs bằng đn cổ điển hoặc
dùng công thức nhân)

Ví dụ: Khi một chiếc máy bay bay vào 1 vùng trời nhất định, radar chắc chắn sẽ phát
hiện được và sẽ báo động với xác suất 0.99. Radar cũng có thể không phát hiện ra máy
bay nhưng vẫn báo động (báo động giả) với xác suất 0.1. Giả sử với một lần quan sát,
xác suất xuất hiện máy bay trên vùng trời là 0.05. Tính xác suất của biến cố không có
máy bay xuất hiện và radar có báo động (giả).

Lời giải:
M = {Xuất hiện máy bay bay vào vùng trời}, B = {Rada báo động}.
Giả thiết: P (B|M ) =

Lời giải:
Giả thiết: P (B|M ) = 0.99, P (B|M̄ ) = 0.1, , P (M ) = 0.05.
Cần tính: P (M̄ B).

Lời giải:
Giả thiết: P (B|M ) = 0.99, P (B|M̄ ) = 0.1, , P (M ) = 0.05.
Cần tính: P (M̄ B).
P (M̄ B) = P (B|M̄ )P (M̄ ) = 0.1 × 0.95 = 0.095

Bài toán Molty Hall

5. Công thức đầy đủ và công thức Bayes

Công thức xác suất đầy đủ
Định nghĩa
Hệ biến cố {A1 , A2 . . . . , An } được gọi là hệ biến cố đầy đủ nếu chúng đôi
một xung khắc và hợp của chúng là biến cố chắc chắn, tức là
1 A1 ∪ A2 ∪ · · · ∪ An = Ω và
2 Ai ∩ Aj = ∅ ∀i ̸= j
(Công thức xác suất đầy đủ)

Cho {A1 , A2 . . . . , An } là hệ biến cố đầy đủ và H là một biến cố thì
n
X
P (H) = P (H|Ai )P (Ai )
i=1
= P (H|A1 )P (A1 ) + P (H|A2 )P (A2 ) + · · · + P (H|An )P (An )

Công thức xác suất đầy đủ
Chứng minh:
Do A1 , A2 . . . . , An đôi một xung khắc nên H ∩ A1 , H ∩ A2 , . . . , H ∩ An
cũng đôi một xung khắc, mặt khác
H = H ∩ Ω = (H ∩ A1 ) + (H ∩ A2 ) + · · · + (H ∩ An )
Do đó

P (H) = P (H ∩ A1 ) + (H ∩ A2 ) + · · · + (H ∩ An )
= P (H ∩ A1 ) + P (H ∩ A2 ) + · · · + P (H ∩ An )
= P (H|A1 )P (A1 ) + P (H|A2 )P (A2 ) + · · · + P (H|An )P (An )

Ví dụ
Ví dụ: Trong điều tra về thị trường hay xã hội học có những câu hỏi tế nhị. Với những
câu hỏi như vậy một số người không trả lời hoặc trả lời không trung thực. Để tránh tình
trạng này người ta dùng phương pháp: Ghép một câu hỏi tế nhị với một câu hỏi bình
thường. Người được hỏi sẽ tung một đồng xu, nếu xuất hiện mặt ngửa thì trả lời câu hỏi
này còn xuất hiện mặt sấp thì trả lời câu hỏi kia. Người được hỏi biết rằng người ta
không biết mình trả lời câu hỏi nào nên mạnh dạn trả lời đúng. Căn cứ vào xác suất của
câu hỏi bình thường người ta sẽ tính ra xác suất liên quan tới câu hỏi tế nhị.
Chẳng hạn với cặp câu hỏi:
1 Số cuối cùng trong chứng minh thư của bạn là số lẻ?
2 Bạn đã có hơn một người yêu trước khi lập gia đình?

Ví dụ
Người được hỏi sẽ tung một đồng xu nếu xuất hiện mặt ngửa thì trả lời câu hỏi đầu, nếu
không thì trả lời câu sau. Người ta thấy có 32% câu trả lời là đúng. Tính tỷ lệ số người
trả lời câu sau trả lời đúng.
Lời giải: Gọi Ai là biến cố "người được hỏi trả lời câu hỏi i", i = 1, 2.
T là biến cố "người được hỏi trả lời đúng".
Ta có P (T ) = 0.32, P (A1 ) = P (A2 ) = 0.5, ngoài ra P (T |A1 ) = 0.5. Ta cần tính
P (T |A2 ).
Do A1 , A2 lập thành hệ biến cố đầy đủ, theo công thức xác suất đầy đủ ta có
P (T ) =P (T |A1 )P (A1 ) + P (T |A2 )P (A2 ) (1)

= 0.5 × 0.5 + P (T |A2 ) × 0.5 = 0.32 (2)
Vậy P (T |A2 ) = (0.32 − 0.25)/0.5 = 0.14.

(1)
Công thức Bayes
Cho {A1 , A2 , . . . , An } là hệ biến cố đầy đủ và H là một biến cố thì với
i = 1, n
P (H|Ai )P (Ai )
P (Ai |H) =
P (H)
P (H|Ai )P (Ai )
=
P (H|A1 )P (A1 ) + P (H|A2 )P (A2 ) + · · · + P (H|An )P (An )
(1)
English minister Thomas Bayes (1702–1761)
Công thức Bayes
Chứng minh
Theo quy tắc nhân P (H|Ai )P (Ai ) = P (Ai |H)P (H) nên
P (H|Ai )P (Ai )
P (Ai |H) =
P (H)
Mặt khác theo công thức xác suất đầy đủ

P (H) = P (H|A1 )P (A1 ) + P (H|A2 )P (A2 ) + · · · + P (H|An )P (An ).
Nên ta cũng có
P (H|Ai )P (Ai )
P (Ai |H) =
P (H|A1 )P (A1 ) + P (H|A2 )P (A2 ) + · · · + P (H|An )P (An )

Ví dụ
Một chương trình máy tình gồm 2 module. Module 1 có thể có lỗi với xác suất 0.2.
Module 2 phức tạp hơn và có xác suất có lỗi là 0.4, đồng thời độc lập với module 1. Lỗi
chỉ xuất hiện ở module 1, 2 có thể gây ra việc chương trình bị sập với xác suất 0.5 và
0.8 tương ứng. Nếu cả hai module xảy ra lỗi thì xác suất này là 0.9. Giả sử rằng chương
trình bị sập, xác suất xảy ra lỗi ở cả hai module là bao nhiêu?

Ví dụ
Lời giải: Ký hiệu biến cố:
A1 = {Module1 xảy ra lỗi}, A2 = {Module2 xảy ra lỗi}, S = {CT bị sập}.
Ta cần tính

Ví dụ
Ta cần tính P (A1 A2 |S).

Ví dụ
Theo ct nhân, P (A1 A2 |S) = P (S|A1 A 2 )P (A1 A2 )
P (S)

Ví dụ
P (S)
Location of errors Probability of a crash

P {AB̄} = 0.12 P {C | AB̄} = 0.5
P {B Ā} = 0.32 P {C | B B̄} = 0.8
P {A ∩ B} = 0.08 P {C | A ∩ B} = 0.9
P {A ∪ B} = 0.48 P {C | A ∪ B} = 0
Theo ct xs đầy đủ:
P (S) = P (S|A1 Ā2 )P (A1 Ā2 ) + P (S|A2 Ā1 )P (A2 Ā1 ) + P (S|A1 A2 )P (A1 A2 ) =
Vậy
P (A1 A2 |S) =

Ví dụ
P (S)
Location of errors Probability of a crash

P {AB̄} = 0.12 P {C | AB̄} = 0.5
P {B Ā} = 0.32 P {C | B B̄} = 0.8
P {A ∩ B} = 0.08 P {C | A ∩ B} = 0.9
P {A ∪ B} = 0.48 P {C | A ∪ B} = 0
Theo ct xs đầy đủ:
P (S) = P (S|A1 Ā2 )P (A1 Ā2 ) + P (S|A2 Ā1 )P (A2 Ā1 ) + P (S|A1 A2 )P (A1 A2 ) =
Vậy
P (A1 A2 |S) = 0.1856

6. Tính độc lập

Hai biến cố độc lập
Định nghĩa
Hai biến cố A và B được gọi là độc lập nếu và chỉ nếu sự xảy ra hay không
của biến cố này không ảnh hưởng đến xác suất xảy ra của biến cố kia và
ngược lại, tức là P (A|B) = P (A) (hoặc tương đương P (B|A) = P (B)).
A và B độc lập ⇔ P (A ∩ B) = P (A)P (B)

Ví dụ: Xét phép thử tung lần lượt hai con xúc xắc 6 mặt. Gọi các biến cố:
A: Lần tung thứ nhất được 1 chấm, B: Lần tung thứ hai được 6 chấm, C
Tổng số chấm hai lần tung là 8.
1. A, B có độc lập không?
2. A, C có độc lập không?
BT: Chứng minh nếu A, B độc lập thì A, B̄ cũng độc lập.

Định nghĩa
Các biến cố A1 , A2 , . . . , An được gọi là độc lập (toàn thể)nếu
P (Ai1 Ai2 . . . Aik ) = P (Ai1 )P (Ai2 ) . . . P (Aik ), ∀ 1 ≤ i1 < ... < ik ≤ n
Các biến cố A1 , A2 , . . . , An được gọi là độc lập từng đôi nếu hai biến cố
bất kì trong đó là độc lập.
Nhận xét: hệ biến cố độc lập -> hệ biến cố độc lập từng đôi, nhưng ngươc
lại không đúng.

Quy tắc nhân cho hai biến cố độc lập
Ví dụ: Bán vé vượt ngưỡng (over booking) là việc các hãng hàng không
bán số vé lớn hơn số chỗ ngồi trên máy bay để giảm thất thoát lợi nhuận
khi thực tế thường có một số khách hàng bỏ chuyến vì những lí do khác
nhau.
Một hãng hành không bán ra 7 vé cho chuyến bay có 6 ghế ngồi. Xác suất
một khách hàng không bỏ chuyến là p = 0.9. Giả sử rằng việc bỏ chuyến
của các khách hàng là độc lập lẫn nhau. Tính xác suất chuyến bay vượt
ngưỡng .

Ví dụ: Một cơ quan có 3 ô tô hoạt động độc lập, trong một ngày xác suất mỗi
ô tô bị hỏng tương ứng là 0.01, 0.02, 0.03. Tìm xác suất để trong một ngày có
đúng hai ô tô bị hỏng.

Ví dụ: Một cơ quan có 3 ô tô hoạt động độc lập, trong một ngày xác suất mỗi
ô tô bị hỏng tương ứng là 0.01, 0.02, 0.03. Tìm xác suất để trong một ngày có
đúng hai ô tô bị hỏng.
Lời giải: Gọi Ai là biến cố "ô tô thứ i bị hỏng trong ngày", i = 1, 2, 3.
Biến cố trong một ngày có đúng hai ô tô bị hỏng là
A = (A1 A2 A3 ) ∪ (A1 A2 A3 ) ∪ (A1 A2 A3 )
Do A1 , A2 , A3 độc lập nên

P (A) = P (A1 A2 A3 ) ∪ (A1 A2 A3 ) ∪ (A1 A2 A3 )
= P (A1 A2 A3 ) + P (A1 A2 A3 ) + P (A1 A2 A3 )
= P (A1 )P (A2 )P (A3 ) + P (A1 )P (A2 )P (A3 )+
P (A1 )P (A2 )P (A3 )
= 0.99 × 0.02 × 0.03 + 0.01 × 0.98 × 0.03+
0.01 × 0.02 × 0.97
= 0.0011

Biến cố độc lập
Cho một mạch điện gồm 4 linh kiện như hình sau, trong đó xác suất hỏng
của từng linh kiện trong một khoảng thời gian nào đó tương ứng là 0,2;
0,1; 0,05 và 0,02. Tìm xác suất để mạng hoạt động tốt trong khoảng thòi
gian đó, với giả thiết là các linh kiện làm việc độc lập với nhau và các dây
luôn tốt.

Biến cố độc lập
Ví dụ: Một mạng máy tính nối hai node A và B với những nốt trung gian C, D, E, F
như trong hình sau
Trên hình vẽ các số đo pij là xác suất có kết nối giữa hai node i và j. Gỉả sử rằng việc
có kết nối giữa các cặp node là độc lập với nhau. Tính xác suất có kết nối giữa A và B.

Định nghĩa
Hai biến cố A và B được gọi là độc lập có điều kiện đối với C nếu
P (AB|C) = P (A|C)P (B|C).
Nhận xét: độc lập không kép theo độc lập có điều kiện, ngược lại độc lập
có điều kiện không kéo theo độc lập.

7. Ứng dụng

Xác định độ tin cậy
Ví dụ: Xác định độ tin cậy của hệ thống sau
biết các thành phần hoạt động tốt với xác suất 0.92 và độc lập với nhau.

Xác định độ tin cậy
Ví dụ: Xác định độ tin cậy của hệ thống sau
biết các thành phần hoạt động tốt với xác suất 0.92 và độc lập với nhau.
Lời giải: Gọi biến cố: A,B,C,D,E tương ứng với thiết bị A,B,C,D,E hoạt độngt tốt.
1. Gọi F là biến cố cả A, B hoạt động, xác suất: P (F ) = P (AB) = P (A)P (B) =?
2. Thay thế cụm D,E bởi G, G hoạt động tốt với xác suất P (D ∪ E) =?
3. Gọi H là biến cố Liên kết C và G hoạt động tốt, xs
P (H) = P (C ∩ G) =?
4. Hệ thống không hoạt động khi cả F, H ko hoạt động, xác suất
P (F̄ H̄) =?
Vậy xác suất hệ thống hoạt động là: ?

Bài tập lớn: Phân loại Bayes ngây thơ
Đọc: 9.3: The Naive Bayes Classifier, trang 317 tài liệu
Probability & Statistics with Applications to Computing, Alex Tsun, 2020

Tổng kết chương
1 Không gian mẫu 5 Định nghĩa xác suất: cổ điển,

thống kê, ...
2 Biến cố, Biến cố sơ cấp
6 Xác suất điều kiện
3 Phép toán: hợp, giao, hiệu,
phần bù
7 Biến cố độc lập
8 Công thức: cộng, nhân, phần
4 Mô hình xác suất
bù, đầy đủ, Bayes

Chuong1 XSTK

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

Chuong1 XSTK

Uploaded by

Copyright:

Available Formats

Xác suất Thống kê

Chương 1: Không gian xác suất

Ngày 8 tháng 9 năm 2022

P. T. Hồng (TLU) Xác suất Thống kê Ngày 8 tháng 9 năm 2022 1 / 52

P. T. Hồng (TLU) Xác suất Thống kê Ngày 8 tháng 9 năm 2022 2 / 52

P. T. Hồng (TLU) Xác suất Thống kê Ngày 8 tháng 9 năm 2022 3 / 52

P. T. Hồng (TLU) Xác suất Thống kê Ngày 8 tháng 9 năm 2022 4 / 52

Biến cố A: Số chấm xuất hiện là số chẵn

P. T. Hồng (TLU) Xác suất Thống kê Ngày 8 tháng 9 năm 2022 5 / 52

A: Tổng số chấm lớn hơn 5.

P. T. Hồng (TLU) Xác suất Thống kê Ngày 8 tháng 9 năm 2022 6 / 52

P. T. Hồng (TLU) Xác suất Thống kê Ngày 8 tháng 9 năm 2022 7 / 52

⋆ A ∩ B = {ω|ω ∈ A và ω ∈ B} được gọi là biến

P. T. Hồng (TLU) Xác suất Thống kê Ngày 8 tháng 9 năm 2022 8 / 52

⋆ Ā = {ω|ω ∈ / A} được gọi là biến cố đối

P. T. Hồng (TLU) Xác suất Thống kê Ngày 8 tháng 9 năm 2022 9 / 52

P. T. Hồng (TLU) Xác suất Thống kê Ngày 8 tháng 9 năm 2022 10 / 52

P. T. Hồng (TLU) Xác suất Thống kê Ngày 8 tháng 9 năm 2022 10 / 52

P. T. Hồng (TLU) Xác suất Thống kê Ngày 8 tháng 9 năm 2022 11 / 52

P. T. Hồng (TLU) Xác suất Thống kê Ngày 8 tháng 9 năm 2022 12 / 52

P (A1 ∪ A2 ∪ . . . ) = P (A1 ) + P (A2 ) + . . .

3 Chuẩn hoá (Normalization): P (Ω) = 1.

P. T. Hồng (TLU) Xác suất Thống kê Ngày 8 tháng 9 năm 2022 13 / 52

4 P (A ∪ B) = P (A) + P (B) − P (A ∩ B) ( Quy tắc cộng)

6 P (A ∪ B ∪ C) = P (A) + P (B Ā) + P (C ĀB̄),

P. T. Hồng (TLU) Xác suất Thống kê Ngày 8 tháng 9 năm 2022 14 / 52

P. T. Hồng (TLU) Xác suất Thống kê Ngày 8 tháng 9 năm 2022 15 / 52

số biến cố sơ cấp thuộc A |A|

P. T. Hồng (TLU) Xác suất Thống kê Ngày 8 tháng 9 năm 2022 16 / 52

số biến cố sơ cấp thuộc A |A|

P. T. Hồng (TLU) Xác suất Thống kê Ngày 8 tháng 9 năm 2022 16 / 52

Tính P (A), P (B), P (C), P (D).

P. T. Hồng (TLU) Xác suất Thống kê Ngày 8 tháng 9 năm 2022 17 / 52

Tính P (A), P (B), P (C), P (D).

P. T. Hồng (TLU) Xác suất Thống kê Ngày 8 tháng 9 năm 2022 17 / 52

P. T. Hồng (TLU) Xác suất Thống kê Ngày 8 tháng 9 năm 2022 18 / 52

P. T. Hồng (TLU) Xác suất Thống kê Ngày 8 tháng 9 năm 2022 18 / 52

P. T. Hồng (TLU) Xác suất Thống kê Ngày 8 tháng 9 năm 2022 19 / 52

P. T. Hồng (TLU) Xác suất Thống kê Ngày 8 tháng 9 năm 2022 20 / 52

P. T. Hồng (TLU) Xác suất Thống kê Ngày 8 tháng 9 năm 2022 21 / 52

P. T. Hồng (TLU) Xác suất Thống kê Ngày 8 tháng 9 năm 2022 21 / 52

P. T. Hồng (TLU) Xác suất Thống kê Ngày 8 tháng 9 năm 2022 22 / 52

P. T. Hồng (TLU) Xác suất Thống kê Ngày 8 tháng 9 năm 2022 23 / 52

P. T. Hồng (TLU) Xác suất Thống kê Ngày 8 tháng 9 năm 2022 24 / 52

P. T. Hồng (TLU) Xác suất Thống kê Ngày 8 tháng 9 năm 2022 24 / 52

P. T. Hồng (TLU) Xác suất Thống kê Ngày 8 tháng 9 năm 2022 25 / 52

P. T. Hồng (TLU) Xác suất Thống kê Ngày 8 tháng 9 năm 2022 25 / 52

P. T. Hồng (TLU) Xác suất Thống kê Ngày 8 tháng 9 năm 2022 25 / 52

P. T. Hồng (TLU) Xác suất Thống kê Ngày 8 tháng 9 năm 2022 25 / 52

P. T. Hồng (TLU) Xác suất Thống kê Ngày 8 tháng 9 năm 2022 25 / 52

P. T. Hồng (TLU) Xác suất Thống kê Ngày 8 tháng 9 năm 2022 26 / 52

P. T. Hồng (TLU) Xác suất Thống kê Ngày 8 tháng 9 năm 2022 26 / 52

P. T. Hồng (TLU) Xác suất Thống kê Ngày 8 tháng 9 năm 2022 27 / 52

P. T. Hồng (TLU) Xác suất Thống kê Ngày 8 tháng 9 năm 2022 27 / 52

P. T. Hồng (TLU) Xác suất Thống kê Ngày 8 tháng 9 năm 2022 28 / 52

P. T. Hồng (TLU) Xác suất Thống kê Ngày 8 tháng 9 năm 2022 29 / 52

P. T. Hồng (TLU) Xác suất Thống kê Ngày 8 tháng 9 năm 2022 29 / 52

P. T. Hồng (TLU) Xác suất Thống kê Ngày 8 tháng 9 năm 2022 30 / 52

Công thức nhân tổng quát

P (∩ni=1 Ai ) = P (A1 )P (A2 |A1 )P (A3 |A1 A2 ) . . . P (An |A1 A2 . . . An−1 )

P. T. Hồng (TLU) Xác suất Thống kê Ngày 8 tháng 9 năm 2022 30 / 52

P. T. Hồng (TLU) Xác suất Thống kê Ngày 8 tháng 9 năm 2022 31 / 52

P. T. Hồng (TLU) Xác suất Thống kê Ngày 8 tháng 9 năm 2022 31 / 52