THỐNG KÊ ỨNG DỤNG

TRONG KINH TẾ VÀ KINH DOANH

Anderson Sweeney Williams

Slides by
John Loucks
St. Edward’s University

Chương 4
Giới thiệu về Xác suất
 Phép thử, quy tắc đếm,
và cách tính xác suất
 Biến cố và xác suất của biến cố
 Các quan hệ cơ bản của xác suất

 Xác suất có điều kiện

 Định lý Bayes

1
 Sự không chắc chắn

Các nhà quản trị thường đưa ra các quyết định dựa
trên các phân tích về sự không chắc chắn như sau

Khả năng doanh thu sẽ giảm nếu chúng ta

tăng giá bán là bao nhiêu?

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

Xác suất là một con số đo lường khả năng một biến

cố (sự kiện) có thể xảy ra.

Xác suất luôn có giá trị từ 0 đến 1.

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.

2
 Xác suất là con số đo lường khả năng xảy ra

Chiều tăng khả năng xảy ra

0 0,5 1
Xác suất:

Khả năng xảy ra Biến cố hầu

Biến cố rất
hoặc không xảy ra như chắc
ít khi
của biến cố chắn sẽ
xảy ra.
là như nhau. xảy ra

Phép thử thống kê

Trong thống kê, thuật ngữ phép thử rất khác với
phép thử/thí nghiệm của khoa học vật lý.

Trong phép thử thống kê, xác suất quyết định các
kết quả.

Ngay cả khi phép thử được lặp lại một cách chính
xác, một kết quả hoàn toàn khác có thể xảy ra.

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

phép thử ngẫu nhiên.

3
 Phép thử và không gian mẫu

Phép thử là quá trình tạo ra những kết quả mà tập

hợp các kết quả này đã được xác định trước đó.

Không gian mẫu của một phép thử là tập hợp tất cả
các kết quả có thể xảy ra của phép thử đó.

Kết quả của một phép thử được gọi là điểm mẫu.

Phép thử và không gian mẫu

Phép thử Các kết quả có thể xảy ra

Tung đồng xu Ngửa, sấp
Kiểm tra sản phẩm Có lỗi, không có lỗi
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

4
 Phép thử và không gian mẫu

 Ví dụ: Các khoản đầu tư của Bradley

Bradley đầu tư vào hai cổ phiếu, Markley Oil
và Collins Mining. Bradley xác định các khả năng có
thể xảy ra với hai khoản đầu tư này sau ba tháng như
sau:

Lãi và lỗ của các khoản đầu tư

sau 3 tháng (1000 USD)
Markley Oil Collins Mining
10 8
5 -2
0
-20

Quy tắc đếm/nhân cho phép thử nhiều bước

 Nếu một phép thử gồm một chuỗi k bước, trong đó

bước 1 có n1 kết quả có khả năng xảy ra, bước 2 có n2
kết quả có khả năng xảy ra, và tiếp tục như thế. Khi đó,
tổng số kết quả có thể xảy ra của phép thử là: n1.n2 . . .nk

 Dạng biểu diễn thích hợp cho phép thử nhiều bước là
biểu đồ hình cây.

10

5
 Quy tắc đếm/nhân
 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)

11

Chỉnh hợp (không lặp)

 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}.

12

6
 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}.

13

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…...?

14

7
 Tổ hợp
 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}.

15

Quy tắc cộng

 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)

16

8
 Phân biệt quy tắc nhân và quy tắc cộng

NL Bán TP Thành phẩm

M1 M2
{A, B, C} (n1 = 3) {D, E} (n2 = 2) n = 3x2 = 6

Nguyên liệu Thành phẩm

M1
{A, B, C} (n1 = 3)
Nguyên liệu Thành phẩm
M2
{D, E} (n2 = 2) n = 3+2 = 5

17

Các ví dụ
 Ví dụ 1: Có bao nhiêu cách lấy ra 3 chữ số khác nhau mà
tổng là một số chẵn, từ tập hợp: {0,1,2,3,4,5,6,7,8,9}

 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
một khác nhau riêng số 5 có thể xuất hiện nhiều lần.

 Ví dụ 3: Có 5 sách Toán lớp 10, 4 sách Lý lớp 11 và 3

sách Hóa lớp 12. Chia 12 cuốn sách này cho 9 học sinh,
mỗi học sinh được 1 cuốn. Hỏi có tất cả bao nhiêu
cách chia?

18

9
 Quy tắc đếm cho phép thử nhiều bước
 Ví dụ: Các khoản đầu tư của Bradley
Các khoản đầu tư của Bradley có thể xem như là
một phép thử 2 bước. Nó liên quan đến 2 loại cổ
phiếu, mỗi cổ phiếu có một số kết quả đầu ra

Markley Oil: n1 = 4
Collins Mining: n2 = 2
Tổng số kết quả có
thể có của phép thử: n1n2 = 4x2 = 8

19

Biểu đồ hình cây

 Ví dụ: Các khoản đầu tư của Bradley

Markley Oil Collins Mining Các kết quả
(Bước 1) (Bước 2) của phép thử
Lãi 8 (10, 8) Lãi $18,000
(10, -2) Lãi $8,000
Lãi 10 Lỗ 2
Lãi 8 (5, 8) Lãi $13,000

Lỗ 2 (5, -2) Lãi $3,000

Lãi 5
Lãi 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

20

10
 Quy tắc đếm bằng tổ 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.

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

n! = n(n - 1)(n - 2) . . . (2)(1)
0! = 1

21

Quy tắc đếm cho chỉnh hợp

 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)
0! = 1

22

11
 Quy tắc cộng

 Một công việc được chia thành k trường hợp để thực

hiện, trường hợp 1 có n1 cách thực hiện, trường hợp
2 có n2 cách thực hiện, và tiếp tục như thế. Khi đó,
tổng số cách khác nhau để thực hiện xong công việc
là: n1 + n2 + . . . + nk

 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

Quy tắc đếm (nhân và cộng)

 Ta có 2 trường hợp:
• TH 1: Phải lấy 2 chữ số lẻ trong 5 chữ số lẻ và 1 chữ
số chẵn trong 5 chữ số chẵn, có cách.
• Hoặc TH 2: Phải lấy 3 chữ số chẵn trong 5 chữ số
chẵn, có cách.
Tóm lại, ta có: 50 + 10 = 60 cách thực hiện.

24

12
 Cách tính xác suất

 Yêu cầu cơ bản khi tính xác suất

1. Xác suất tính được của một kết quả phép thử bất
kỳ đều phải nhận giá trị từ 0 đến 1.

0 < P(Ei) < 1, với mọi i

Trong đó:
Ei là kết quả thứ i của phép thử
và P(Ei) là xác suất của kết quả Ei

25

Cách tính xác suất

 Yêu cầu cơ bản khi tính xác suất

2. Tổng xác suất của tất cả các kết quả có thể có của
phép thử phải bằng 1.

P(E1) + P(E2) + . . . + P(En) = 1

Trong đó:
n là số kết quả có thể có của phép thử

26

13
 Cách tính xác suất

Phương pháp cổ điển

Xác suất được tính dựa trên giả định rằng các kết quả
có thể có của phép thử là đồng khả năng

Phương pháp tần suất

Xác suất được tính dựa trên kết quả các phép thử hoặc
dữ liệu trong quá khứ

Phương pháp phán đoán

Xác suất được tính dựa trên sự phán đoán/chủ quan

27

Phương pháp cổ điển

 Ví dụ: Tung một con xúc xắc

Nếu một phép thử có n kết quả có khả năng xảy
ra, thì theo phương pháp cổ điển, xác suất xảy ra
từng kết quả là 1/n.

Phép thử: Tung một con xúc xắc

Không gian mẫu: S = {1, 2, 3, 4, 5, 6}
Xác suất: Mỗi điểm mẫu có khả năng xảy
ra là 1/6

28

14
 Phương pháp tần suất

 Ví dụ: Cửa hàng cho thuê dụng cụ Lucas

Cửa hàng Lucas muốn tính xác suất của số máy đánh
bóng xe mà họ cho thuê mỗi ngày. Dữ liệu lưu trữ của
văn phòng về tình hình cho thuê của 40 ngày trước đó
được thể hiện thành bảng tần số như sau:
Số máy đánh
bóng được thuê Số ngày
0 4
1 6
2 18
3 10
4 2

29

Phương pháp tần suất

 Ví dụ: Cửa hàng cho thuê dụng cụ Lucas

Mỗi xác suất được tính bằng cách chia tần số (số
ngày ứng với từng trường hợp theo số máy cho
thuê) cho tổng số ngày.

Số máy đánh
bóng được thuê Số ngày Xác suất
0 4 0,10
1 6 0,15
2 18 0,45 4/40
3 10 0,25
4 2 0,05
40 1,00

30

15
 Phương pháp phán đoán/chủ quan

 Khi các điều kiện kinh tế hoặc các tình huống thay đổi
nhanh chóng khiến cho việc tính xác suất chỉ dựa vào
dữ liệu quá khứ là không phù hợp.

 Chúng ta có thể dùng bất kỳ dữ liệu nào, kể cả kinh

nghiệm và trực giác, nhưng giá trị của xác suất nên thể
hiện được mức độ tin tưởng của chúng ta vào khả năng
kết quả phép thử có thể xảy ra.
 Xác suất tốt nhất thường được tính bằng cách kết hợp
giữa phương pháp cổ điển, phương pháp tần suất với
phương pháp phán đoán.

31

Phương pháp phán đoán

 Ví dụ: Các khoản đầu tư của Bradley

Một nhà phân tích đưa ra các mức xác suất sau đây:

Kết quả phép thử Tiền lãi/lỗ Probability

(10, 8) Lãi $18.000 0,20
(10, -2) Lãi $8.000 0,08
(5, 8) Lãi $13.000 0,16
(5, -2) Lãi $3.000 0,26
(0, 8) Lãi $8.000 0,10
(0, -2) Lỗ $2.000 0,12
(-20, 8) Lỗ $12.000 0,02
(-20, -2) Lỗ $22.000 0,06

32

16
 Biến cố và xác suất của biến cố

Biến cố là tập hợp các điểm mẫu.

Xác suất của một biến cố bằng tổng xác suất của các
điểm mẫu thuộc biến cố đó.

Nếu chúng ta xác định được tất cả các điểm mẫu của
một phép thử và xác suất tương ứng của từng điểm
mẫu, chúng ta luôn tính được xác suất của các biến cố.

33

Biến cố và xác suất của biến cố

 Ví dụ: Các khoản đầu tư của Bradley

Biến cố M = Khoản đầu tư vào Markley Oil có lãi

M = {(10, 8), (10, -2), (5, 8), (5, -2)}
P(M) = P(10, 8) + P(10, -2) + P(5, 8) + P(5, -2)
= 0,20 + 0,08 + 0,16 + 0,26
= 0,70

34

17
 Biến cố và xác suất của biến cố

 Ví dụ: Các khoản đầu tư của Bradley

Biến cố C = Khoản đầu tư vào Collins Mining có lãi

C = {(10, 8), (5, 8), (0, 8), (-20, 8)}
P(C) = P(10, 8) + P(5, 8) + P(0, 8) + P(-20, 8)
= 0,20 + 0,16 + 0,10 + 0,02
= 0,48

35

Một số quan hệ xác suất cơ bản

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
suất của tất cả các điểm mẫu.

Phần bù của một biến cố

Phép hội/hợp hai biến cố

Phép giao hai biến cố

Các biến cố xung khắc từng đôi

36

18
 Phần bù của một biến cố

Phần bù của biến cố A là biến cố bao gồm tất cả các điểm

mẫu thuộc không gian mẫu nhưng không thuộc A.

Phần bù của biến cố A ký hiệu là Ac.

Không gian
Biến cố A Ac mẫu S

Biểu đồ
Venn

37

Phép hội hai biến cố

Hội/hợp của hai biến cố A và B là biến cố chứa tất cả

các điểm mẫu thuộc A hoặc thuộc B hoặc cả hai.

Hội của hai biến cố A và B ký hiệu là A B

Không gian
Biến cố Biến cố mẫu S
A B

38

19
 Phép hội hai biến cố

 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
M C = Khoản đầu tư vào Markley Oil có lãi
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)}
P(M C) = P(10, 8) + P(10, -2) + P(5, 8) + P(5, -2)
+ P(0, 8) + P(-20, 8)
= 0,20 + 0,08 + 0,16 + 0,26 + 0,10 + 0,02
= 0,82

39

Phép giao của hai biến cố

Giao của hai biến cố A và B là tập hợp tất cả các điểm

mẫu thuộc cả A và B.

Giao của biến cố A và B được ký hiệu là A 

Không gian
Biến cố Biến cố mẫu S
A B

Phần giao của A và B

40

20
 Phép giao của hai biến cố

 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
M C = Khoản đầu tư vào Markley Oil
và Collins Mining cùng có lãi
M C = {(10, 8), (5, 8)}
P(M C) = P(10, 8) + P(5, 8)
= 0,20 + 0,16
= 0,36

41

Quy tắc cộng xác suất

Quy tắc cộng xác suất cho phép tính xác suất xảy ra biến
cố A, hoặc biến cố B, hoặc cả hai biến cố A và B.

Công thức của quy tắc cộng xác suất:

P(A B) = P(A) + P(B) - P(A  B

42

21
 Quy tắc cộng xác suất

 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
M C = Khoản đầu tư vào Markley Oil có lãi
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)
= 0,70 + 0,48 - 0,36
= 0,82
(Kết quả này giống với kết quả đã tính trước đó
bằng định nghĩa xác suất.)

43

Các biến cố xung khắc

Hai biến cố được gọi là xung khắc nếu chúng

không có chung bất kỳ điểm mẫu nào.

Hai biến cố là xung khắc nếu khi một biến cố này xảy ra
thì biến cố còn lại không thể xảy ra.

Không gian
Biến cố Biến cố mẫu S
A B

44

22
 Biến cố xung khắc

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)

Không cần phải thêm

số hạng “- P(A  B”

45

Xác suất có điều kiện

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 :

46

23
 Xác suất có điều kiện

 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
= Xác suất khoản đầu tư vào Collins
Mining có lãi với điều kiện khoản đầu
tư vào Markley Oil có lãi
Biết rằng: P(M C) = 0,36; P(M) = 0,70

Vì vậy:

47

Quy tắc nhân xác suất

Quy tắc nhân dùng để tính xác suất của phần giao
của hai biến cố.

Công thức của quy tắc nhân xác suất:

P(A B) = P(B).P(A|B) = P(A).P(B|A)

48

24
 Quy tắc nhân xác suất

 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
M C = Khoản đầu tư vào Markley Oil có lãi
và khoản đầu tư vào Collins Mining có lãi
Biết rằng: P(M) = 0,70; P(C|M) = 0,5143
Vì vậy: P(M  C) = P(M).P(C|M)
= (0,70)(0,5143)
= 0,36
(Kết quả này giống với kết quả tính được bằng định
nghĩa xác suất của biến cố.)

49

Bảng phân phối đồng thời

Collins Mining Tổng

Markley Oil Có lãi (C) Không có lãi (Cc) cộng

Có lãi (M) 0,36 0,34 0,70

Không có lãi (Mc) 0,12 0,18 0,30

Tổng cộng 0,48 0,52 1

Xác suất đồng thời

(xuất hiện trong
Xác suất biên
phần thân của bảng)
(xuất hiện trong phần lề
của bảng)

50

25
 Biến cố độc lập

Nếu xác suất của biến cố A không đổi bởi sự hiện hữu
của biến cố B, chúng ta nói hai biến cố A và B
là độc lập.

Hai biến cố A và B là độc lập nếu:

P(A|B) = P(A) hoặc P(B|A) = P(B)

51

Quy tắc nhân với các biến cố độc lập

Quy tắc nhân cũng có thể được sử dụng để kiểm tra sự

độc lập của hai biến cố.

Công thức nhân của hai biến cố độc lập:

P(A B) = P(A).P(B)

A, B độc lập  AC, B độc lập

 A, BC độc lập  AC, BC độc lập

52

26
 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

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

27
 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

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

28
 Các xác suất tiên nghiệm

 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

57

Thông tin mới

 Ví dụ: L. S. Clothiers
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?

58

29
 Xác suất có điều kiện

 Ví dụ: L. S. Clothiers
Những thông tin quá khứ về sự đề xuất của Ủy ban kế
hoạch và phán quyết của chính quyền địa phương như
sau:
P(B|A1) = 0,2 P(B|A2) = 0,9

Vì vậy: P(BC|A1) = 0,8 P(BC|A2) = 0,1

59

Biểu đồ hình cây

 Ví dụ: L. S. Clothiers

Chính quyền Ủy ban Kết quả

địa phương Kế hoạch phép thử

P(B|A1) = 0,2
P(A1  B) = 0,14
P(A1) = 0,7
c
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

60

30
 Định lý Bayes

 Để tìm xác suất hậu nghiệm của biến cố Ai biết rằng biến
bố B đã xảy ra, chúng ta áp dụng Định lý Bayes.

 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

Công thức xác suất đầy đủ

 Công thức xác suất đầy đủ áp dụng được khi các biến
cố là xung khắc và hợp của chúng là toàn bộ không
gian mẫu, tức là:

62

31
 Xác suất hậu nghiệm

 Ví dụ: L. S. Clothiers
Biết rằng Ủy ban Kế hoạch đã đề xuất bác bỏ dự án,
chúng ta cập nhật các xác suất tiên nghiệm như
sau:

= 0,34

63

Xác suất hậu nghiệm

 Ví dụ: L. S. Clothiers
Nếu Ủy ban Kế hoạch đã đề xuất bác bỏ dự án của L.S.
Clothiers, thì xác suất hậu nghiệm của việc chính
quyền địa phương sẽ chấp thuận dự án là 0,34; so với
xác suất tiên nghiệm là 0,70.

64

32
 Định lý Bayes: Tiếp cận dạng bảng

 Ví dụ: L. S. Clothiers
• Bước 1
Kẻ một bảng gồm ba cột như sau:
Cột 1 - Các biến cố xung khắc ứng với xác suất hậu
nghiệm cần tính.
Cột 2 - Xác suất tiên nghiệm của biến cố.

Cột 3 - Xác suất có điều kiện.

65

Định lý Bayes: Tiếp cận dạng bảng

 Ví dụ: L. S. Clothiers
• Bước 1
(1) (2) (3) (4) (5)
Xác suất Xác suất
Biến cố tiên nghiệm hậu nghiệm
Ai P(Ai) P(B|Ai)
A1 0,7 0,2
A2 0,3 0,9
1,0

66

33
 Định lý Bayes: Tiếp cận dạng bảng

 Ví dụ: L. S. Clothiers
• Bước 2
Kẻ thêm cột thứ tư
Cột 4
Tính xác suất đồng thời của từng biến cố và thông tin
mới B bằng cách dùng quy tắc nhân xác suất.

Nhân xác suất tiên nghiệm ở cột 2 với xác suất có

điều kiện tương ứng ở cột 3.
Nghĩa là, P(Ai IB) = P(Ai).P(B|Ai).

67

Định lý Bayes: Tiếp cận dạng bảng

 Ví dụ: L. S. Clothiers
• Bước 2
(1) (2) (3) (4) (5)
Xác suất Xác suất Xác suất
Biến cố tiên nghiệm có điều kiện đồng thời
Ai P(Ai) P(B|Ai) P(Ai I B)

A1 0,7 0,2 0,14

A2 0,3 0,9 0,27
0,7 x 0,2
1

68

34
 Định lý Bayes: Tiếp cận dạng bảng

 Ví dụ: L. S. Clothiers
• Bước 2 (tiếp theo)
Chúng ta thấy rằng xác suất để chính quyền địa
phương chấp thuận dự án và Ủy ban kế hoạch không
ủng hộ dự án là 0,14.

Xác suất để chính quyền địa phương không bác bỏ

dự án và Ủy ban kế hoạch không ủng hộ dự án là 0,27.

69

Định lý Bayes: Tiếp cận dạng bảng

 Ví dụ: L. S. Clothiers
• Bước 3
Cộng tổng các xác suất đồng thời của cột 4 .Tổng
xác suất của thông tin mới là P(B). Tổng tính được
là 0,14 + 0,27 cho thấy xác suất để Ủy ban Kế hoạch
không ủng hộ dự án là 0,41.

70

35
 Định lý Bayes: Tiếp cận dạng bảng

 Ví dụ: L. S. Clothiers
• Bước 3

(1) (2) (3) (4) (5)

Xác suất Xác suất Xác suất
Biến cố tiên nghiệm có điều kiện đồng thời
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

71

Định lý Bayes: Tiếp cận dạng bảng

 Ví dụ: L. S. Clothiers
• Bước 4
Kẻ cột thứ 5:
Cột 5
Tính các xác suất hậu nghiệm bằng cách dùng mối
quan hệ cơ bản của xác suất có điều kiện.

Xác suất đồng thời P(Ai I B) ở cột 4

và xác suất P(B) là tổng của cột 4.

72

36
 Định lý Bayes: Tiếp cận dạng bảng

 Ví dụ: L. S. Clothiers
• Bước 4

(1) (2) (3) (4) (5)

Xác suất Xác suất Xác suất Xác suất
Biến cố tiên nghiệm có điều kiện đồng thời hậu nghiệm
Ai P(Ai) P(B|Ai) P(Ai I B) P(Ai |B)

A1 0,7 0,2 0,14 0,3415

A2 0,3 0,9 0,27 0,6585
1,0 P(B) = 0,41 1,0000

0,14/0,41

73

Bài tập
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,
riêng số 5 có thể xuất hiện nhiều lần.

Bài 2. Có 5 sách Toán giống nhau, 3 sách Lý giống nhau,

2 sách Hóa giống nhau. Chia 10 sách cho 7 người, mỗi
người 1 quyển. Hỏi có bao nhiêu cách chia?

Bài 3. Phải gieo ít nhất bao nhiêu con xúc xắc ( Gieo
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%.

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.

74

37
 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.

75

Bài tập
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?

76

38
 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 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

39
 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

Kết thúc Chương 4

80

40