Chuong 4 - Giới Thiệu Về Xác Suất

THỐNG KÊ ỨNG DỤNG
TRONG KINH TẾ VÀ KINH DOANH
Anderson Sweeney Williams

Slide được soạn bởi
John Loucks
St. Edward’s University
© 2011 Cengage Learning. All Rights Reserved. May not be scanned, copied
Slide
1
or duplicated, or posted to a publicly accessible website, in whole or in part.
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
Slide
2
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 là bao nhiêu nếu

chúng ta tăng giá?
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?
Slide
3
Xác suất
Xác suất là một con số đo lường khả năng một biến

cố (event) sẽ 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.
Slide
4
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
Slide
5
Phép thử thống kê
Trong thống kê, thuật ngữ phép thử rất khác với
phép thử 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.
Slide
6
Phép thử ngẫu nhiên: Phép thử có ít nhất hai kết quả có
thể có và không biết được kết quả nào sẽ xảy ra gọi là
phép thử ngẫu nhiên.
Thảy một con xúc xắc ta không biết chắc mặt số nào sẽ
xuất hiện
Gieo một đồng xu ta không biết chắc mặt sấp hay mặt
ngửa sẽ xuất hiện
Kiểm tra một sản phẩm xem nó là chính phẩm hay thứ phẩm
Slide
7
Phép thử và không gian mẫu
Phép thử là quá trình tạo ra những kết quả mà tập

hợp 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.
Không gian mẫu của phép thử thảy một con xúc xắc
là: S = {1,2,3,4,5,6}
Slide
8
Mỗi kết quả của một phép thử được gọi là điểm mẫu.
(An experimental outcome is also called a sample
point).
Mỗi điểm mẫu cũng chính là một phần tử của không

gian mẫu
Slide
9
Các kết quả có thể xảy ra

Phép thử
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
Slide
10
 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
Slide
11
Quy tắc đếm, Tổ hợp, Chỉnh hợp
Việc đếm những kết quả có thể xảy ra của một
phép thử là một trong những bước quan trọng để
tính xác suất:
1. Quy tắc đếm cho phép thử nhiều bước.
2. Tổ hợp
3. Chỉnh hợp
Slide
12
Quy tắc đếm 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 (tree diagram).
Slide
13
Quy tắc đếm cho phép thử nhiều bước
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 = (4)(2) = 8
Slide
14
Biểu đồ hình cây

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
Slide
15
Quy tắc đếm bằng tổ hợp
 Số tổ hợp khi lấy cùng lúc n phần tử từ tập
hợp N phần tử
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.
 N N!
CnN   
 n  n !(N  n )!
Trong đó: N! = N(N - 1)(N - 2) . . . (2)(1)

n! = n(n - 1)(n - 2) . . . (2)(1)
0! = 1
Slide
16
Quy tắc đếm bằng tổ hợp
Ví dụ minh họa, tổng biên tập một tờ nhật báo vừa
nhận 8 bài báo để duyệt đăng. Ông ta quyết định có
thể chọn 3 bài để đăng trong tờ nhật báo. Có bao
nhiêu cách để chọn 3 bài này.
8 8 8!
C 3     56
 3 3!(8  3)!
Slide
17
Ví dụ minh họa, trong một nhóm học tập có 7 nữ và 5 nam.
Có bao nhiêu cách chọn 3 nữ và 2 nam để thành một đội.
7
C
Có 3 chọn 3 trong số 7 nữ ; có C52 cách chọn hai trong s ố
5 nam. Finally, by the fundamental counting rule, the
total number of different ways is:
7 7!
5 5!
C .C    350
3! 7  3 ! 2!5  2 !
3 2
Thực hiện bằng Excel:

=COMBIN(3,7)*COMBIN(2,5)
Slide
18
Quy tắc đếm cho chỉnh hợp
 Số chỉnh hợp khi lấy cùng lúc n phần tử
từ tập hợp N phần tử
Cách đếm thứ ba để đếm số kết quả phép thử khi lấy n
phần tử từ tập hợp N phần tử trong đó thứ tự được chọn của
các phần tử là quan trọng. Cũng là n phần tử nhưng thứ tự
khác nhau thì xem như là kết quả khác nhau.
 N N!
PnN  n !  
 n  (N  n )!
Trong đó: N! = N(N - 1)(N - 2) . . . (2)(1)

n! = n(n - 1)(n - 2) . . . (2)(1)
0! = 1
Slide
19
Quy tắc đếm cho chỉnh hợp
Có bao nhiên cách chọn 2 trong số 5 sản phẩm để
kiểm tra chất lượng trong đó thứ tự được chọn của sản
phẩm là quan trọng
Chúng ta dán nhãn cho các sản phẩm lần lượt là A, B, C, D và E, thì
chỉnh hợp là:
AB, BA, AC,CA, AD,DA, AE, EA, BC, CB, BD, DB, BE, EB, CD,
DC, CE, EC, DE, ED
Hay 5!
5
P 2   20
(5  2)!
Slide
20
Cách tính xác suất
 Yêu cầu cơ bản khi tính xác suất
1. Xác suất tính được của một kết quả cuả phép thử
bất kỳ nào cũng chỉ có thể nhận giá trị từ 0 đến 1.
0 < P(Ei) < 1 với mọi i
Trong đó:
Ei là kết quả của phép thử thứ i
và P(Ei) là xác suất của kết quả Ei
Slide
21
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
Slide
22
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
Slide
23
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 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
Slide
24
 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
Số ngày
bóng được thuê
0 4
1 6
2 18
3 10
4 2
Slide
25
Dữ liệu trên cho thấy có 4 trong số 40 ngày

không có máy đánh bóng nào được cho thuê, có 6
trong số 40 ngày có 1 máy đánh bóng được cho
thuê, tương tự …
Xác suất để không có máy đánh bóng nào được
thuê: 4/ 40 =0,10
Xác suất để có 1 máy được thuê: 6/40 = 0,15
Tương tự xem bảng dưới đây:
Slide
26
 Ví dụ minh họa: 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
Số ngày
bóng được thuê 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
Slide
27
 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.
Trong kinh doanh, khi mà phương pháp cổ điển, phương

pháp tần suất có thể áp dụng để tính ra xác suất, nhà quản
trị vẫn muốn biết các thông tin về các xác suất phán đoán.
Tốt nhất thường là sự kết hợp giữa phương pháp cổ điển,
phương pháp tần suất với phương pháp phán đoán.
Slide
28
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
Slide
29
Biến cố và xác suất của biến cố
Biến cố là tập hợp của 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.
Slide
30
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
Khoản đầu tư vào Markley Oil có lãi xảy ra nếu bất

kỳ một trong 4 điểm mẫu (10,8), (10,-2), (5,8), (5,-2)
xuất hiện trong kết quả thực hiện phép thử.
Slide
31
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
Khoản đầu tư vào Collins có lãi xảy ra nếu bất kỳ

một trong 4 điểm mẫu (10,8), (5,8), (0,8), (-20,8) xuất
hiện trong kết quả thực hiện phép thử.
Slide
32
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 (trong trường hợp số điểm mẫu quá lớn, tính
xác suất của từng điểm mẫu khó khăn).
Phần bù của một biến cố (Complement of an Event)
Phép hợp hai biến cố (Union of Two Events)
Phép giao hai biến cố (Intersection of Two Events)
Các biến cố xung khắc từng đôi

(Mutually Exclusive Events)
Slide
33
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 mẫ u S
Biểu đồ
Venn
P(A) + P(Ac) = 1
Slide
34
Phép hợp hai biến cố
Hợp của hai biến cố A và B (Union of A and B) là biến cố

chứa tất cả các điểm mẫu thuộc A hoặc B hoặc cả hai.
Biến cố hợp của hai biến cố A và B ký hiệu là A B
Không gian
Biến cố A Biến cố B mẫ u S
A ⋃ B (the two circles contain all the sample points in event A as

well as all the sample points in event B)
Slide
35
Từ ví dụ trước:
(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
Slide
36
Phép hợp hai biến cố

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
Slide
37
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
Phần giao của A và B (chứa các điểm mẫu thuộc cả A và B)

Slide
38
Phép giao của hai biến cố

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
Slide
39
Quy tắc cộng xác suất (Addition Law)
Dùng để tính xác suất của phép hợp 2 biến cố
Quy tắc cộng xác suất cho phép tính xác suất xảy ra hoặc
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
Slide
40
Quy tắc cộng xác suất

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.)
Slide
41
Công ty phần mềm máy tính:
Nghiên cứu cho thấy 30% số trường hợp nghỉ việc trong vòng 2
năm đầu do không thỏa mãn với mức lương được nhận; 20% không
hài lòng với công việc được giao; 12% là do cả 2 nguyên nhân trên.
Tính xác suất của 1 công nhân nghỉ việc tại công ty vì lý do
không thỏa mãn với mức lương hoặc không hài lòng với công việc
hoặc do cả hai.
Gọi S = Biến cố công nhân nghỉ việc vì mức lương

W = Biến cố công nhân nghỉ việc vì công việc
P(S) = 0,30; P(W) = 0,20 và P (S ∩ W) = 0,12
Từ quy tắc công ta tính được:
P(S U W) = P(S) + P(W) - P (S ∩ W) =0,30 + 0,20 -0,12
=0,38
Kết quả này cho biết xác suất mà một công nhân nghỉ việc tại công
ty vì lý do mức lương hoặc vì lý do công việc được giao.
Slide
42
Các biến cố xung khắc (mutually exclusive events)
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
Slide
43
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”
Slide
44
Ví dụ minh họa, chọn 200 gói cà phê 3 trong 1 và
trọng lượng được ghi nhận như sau:
Trọng lượng Biến cố Số gói Xác suất
Thiếu A 10 0,05
Đủ B 180 0,90
Thừa C 10 0,05
Slide
45
Chọn 1 gói để kiểm tra, các biến cố A, B, C là xung khắc.
Biến cố chọn gói cà phê 3 trong 1 có trọng l ượng thừa
hoặc thiếu so với trọng lượng qui định:
P(A hoặc C) = P(A) + P(C)
= 0,05 + 0,05= 0,1
A
0.05 C
0.05
Not A or C
0.90
Slide
46
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 :
P( A  B)
P( A|B) 
P( B)
Slide
47

P(C | M ) = 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 (slide 37)
P(C  M ) 0,36
Vì vậy: P(C| M )    0,5143
P( M ) 0,70
Slide
48
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)
Slide
49
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.)
Slide
50
M C = Khoản đầu tư vào Markley Oil có lãi
và Khoản đầu tư vào Collins Mining có lãi
Biết rằng : P(C) = 0,48 (Slide 13)
và P(MC)=0,36
P( M  C ) 0,36
P( M|C )    0,75
P(C ) 0, 48
Hay: P(M  C) = P(C)P(M|C)

= (0,48)(0,75) = 0,36
;
Slide
51
Bảng phân phối đồng thời
Từ Slide 28
(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
Slide
52
(10,8) Lãi 18000 0,20
(10,-2) Lãi 8000 0,08 P(M∩C) = 0,20 + 0,16 = 0,36
(5,8) Lãi 13000 0,16
(5,-2) Lãi 3000 0,26
P(M∩Cc) = 0,08 + 0,26 =0,34
(0,8) Lãi 8000 0,10
(0,-2) Lỗ 2000 0,12 P(Mc∩C) = 0,10 +0,02 = 0,12
(-20,8) Lỗ 12000 0,02
P(Mc∩Cc ) = 0,12 +0,06 =0,18
(-20,-2) Lỗ 22000 0,06
Các con số trên tính được từ xác suất của phần giao giữa hai
biến cố, nên các xác suất trên gọi là xác suất đồng thời (Xem
bảng ở slide dưới đây)
Các xác suất ở phần lề phải và lề dưới của bảng xác suất đồng
thời cho biết xác suất riêng rẽ của từng biến cố và được gọi là
xác suất biên
Slide
53
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)
Slide
54
Từ bảng slide trước ta thấy:
¿
𝑡𝑜𝑛𝑔𝑞𝑢𝑎𝑡 :
¿
Với A1 ,A2 ,..,An – xung khắc từng đôi một
Slide
55
Ví dụ minh họa 2: Lực lượng cảnh sát miền đông nước Mỹ gồm
1200 người, trong đó có 960 nam và 240 nữ. Trong 2 năm qua
có 324 viên chức được thăng cấp (xem bảng sau):
Tình trạng thăng cấp
Nam (M) Nữ (W) Tổng cộng
Được thăng cấp (A) 288 36 324
Không được thăng 672 204 876
cấp (Ac)
Tổng cộng 960 240 1200
Có chăng tình trạng phân biệt đối xử hay tỷ lệ viên

chức nữ thấp hơn. Ta dùng xác suất có điều kiện để làm rõ
vấn đề phân biệt đối xử này.
Slide
56
Gọi: M = biến cố một viên chức là nam
W= biến cố một viên chức là nữ
A=biến cố một viên chức được thăng cấp
Ac = biến cố một viên chức không được thăng cấp
Ta tính các xác suất:
P(M∩A)=288/1200 = 0,24 xác suất chọn ngẫu nhiên được một
viên chức nam được thăng chức
P(M∩Ac) = 672/1200 = 0,56 xác suất chọn ngẫu nhiên được một
viên chức nam không được thăng chức
P(W∩A)=36/1200 = 0,03 xác suất chọn ngẫu nhiên được một
viên chức nữ được thăng chức
P(W∩Ac)=204/1200 = 0,17 xác suất chọn ngẫu nhiên được một
viên chức nữ không được thăng chức
Slide
57
Mỗi con số tính được ở trên là xác suất phần giao giữa 2 biến
cố, gọi là xác suất đồng thời (Bảng dưới đây)
Các xác suất P(M)=0,80; P(W)=0,20; P(A)=0,27, P(Ac)=0,73
được gọi là xác suất biên. Chúng tính được bằng cách lấy tổng
các xác suất tương ứng trên từng dòng hoặc cột của bảng xác
suất đồng thời
Xác suất biên của biến cố một viên chức được thăng cấp là:
P(A) = P(M ∩ A)+P(W ∩ A)=0,24 + 0,03 =0,27
Bảng xác suất đồng thời của việc thăng chức
Nam (M) Nữ (W) Tổng cộng
Được thăng cấp (A) 0,24 0,03 0,27
Không được thăng cấp (Ac) 0,56 0,17 0,73
Tổng cộng 0,80 0,20 1,00

Slide
58
Sử dụng xác suất có điều kiện để tính xác suất một viên chức được
thăng chức nếu biết rằng đó là một viên chức nam: P(A\ M)
P(A\M) cho biết chỉ cần xét tình trang thăng cấp của 960 nam.
Xác suất của một viên chức nam sẽ là: 288/960 = 0,30
Nếu chia cả tử và mẫu số cho 1200, tức tổng viên chức của lực
lượng:
288 288 / 1200 0, 24
P( A \ M )     0, 30
960 960 / 1200 0, 80
Nhìn lại bảng trước (xác suất đồng thời): 0,24 là xác suất đồng
thời của A và M; P(A ∩ M)=0,24 và P(M)=0,80. Do đó, xác su ất
có điều kiện:
P ( A  M ) 0, 24
P( A \ M )    0, 30
P( M ) 0,80
Slide
59
Tương tự đối với nữ:
P(A\W)=P(A∩W)/P(W) = 0,03/0,20 = 0,15
Xác suất để một viên chức thăng cấp với điều ki ện viên
chức đó là nam bằng 0,30 gấp đôi so với 0,15 đó là viên
chức nữ.
Bản thân xác suất có điều kiện tính được không chứng
minh có sự tồn tại của phân biệt đối xử trong việc thăng
cấp của viên chức nam và nữ, nhưng kết quả này cung cấp
bằng chứng thống kê ủng hộ nhận định có tình trạng phân
biệt đối xử.
Slide
60
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)
Slide
61
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)
Slide
62
Quy tắc nhân với các biến cố độc lập

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.
Slide
63
Độc lập và xung khắc
Đừng nhầm lẫn giữa khái niệm biến cố xung khắc và

biến cố độc lập.
Hai biến cố 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.
Slide
64
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.
Áp dụng
Xác suất Thông tin Xác suất
định lý
tiên nghiệm mới hậu nghiệm
Bayes
Slide
65
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 sỡ 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.
Slide
66
Prior Probabilities
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:
P(A1) = 0,7, P(A2) = 0,3
Slide
67
Thông tin mới
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?
Slide
68
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
Slide
69
Biểu đồ hình cây
Chính quyền Ủy ban Kết quả

địa phương Kế hoạch phép thử
(Điều kiện)
P(B|A1) = 0,2 P(A1  B) = 0,14
P(A1) = 0,7
P(B |A1) = 0,8
c P(A1  Bc) = 0,56
P(B|A2) = 0,9
P(A2  B) = 0,27
P(A2) = 0,3
P(A2  Bc) = 0,03
P(B |A2) = 0,1
c
Slide
70
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.
P( Ai )P( B| Ai )
P( Ai |B) 
P( A1 )P( B| A1 )  P( A2 )P( B| A2 )  ...  P( An )P( B| An )
 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.
Slide
71
Xác suất hậu nghiệm
Biết rằng Ủy ban Kế hoạch đã đề xuất bác bỏ dự án,
chúng ta cập nhật các xác suất tiên nghiệm như
sau:
P( A1 )P( B| A1 )
P( A1 |B) 
P( A1 )P( B| A1 )  P( A2 )P( B| A2 )
(0,7)(0, 2)

(0,7)(0, 2)  (0,3)(0,9)
= 0,34
Slide
72
Xác suất hậu nghiệm
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.
Slide
73
Định lý Bayes: Tiếp cận dạng bảng
• 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 of the new
information given each event.
Slide
74
• Bước 1
(1) (2) (3) (4) (5)
Prior Conditional
Biến cố Probabilities Probabilities
Ai P(Ai) P(B|Ai)
A1 0,7 0,2
A2 0,3 0,9
1,0
Slide
75
• Step 2
Prepare the fourth column:
Column 4
Compute the joint probabilities for each event
and the new information B by using the
Multiplication law.
Multiply the prior probabilities in column 2 by the

corresponding conditional probabilities in column 3.
That is, P(Ai IB) = P(Ai) P(B|Ai).
Slide
76
• 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
Slide
77
 Example: L. S. Clothiers
• Bước 2 (tiếp theo)
Chúng ta thấy rằng xác suất để chính quyền địa
phương chấp thuận dự án và Ủy bán kế hoạch không
ủng hộ dự án là 0,14.
Xác suất để chính quyền địa phương không tán

thành dự án và Ủy ban kế hoạch không ủng hộ
dự án là 0,27.
Slide
78
• 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.
Slide
79
• 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
P(A1∩B)+ P(A2∩B) + P(A3∩B)+…+P(An∩B)=P(B)

Slide
80
Ghi chú: A1 và A2 xung khắc nhau, thì A1 ∩ B và A2 ∩ B cũng
vậy.
B là hợp của 2 biến cố xung khắc nhau.
Tính xác suất P(B) bằng tổng xác suất.
Áp dụng quy tắc cộng cho các biến cố xung khắc nhau bằng:
P(B) = P(A1 ∩ B) +P (A2 ∩ B)
= P(A1)P(B\A1) + P(A2)P(B\A2)
Slide
81
 Example: 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.
P ( Ai  B )
P ( Ai | B ) 
P( B)
Xác suất đồng thời P(Ai I B) ở cột 4

và xác suất P(B) là tổng của cột 4.
Slide
82
• 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
Slide
83
Ví dụ:
Các phòng chat trực tuyến chủ yếu chỉ có thanh thiếu niên.
Những người trong độ tuổi vị thành niên sử dụng nhiều nhất. Nếu ta
quan tâm đế người truy cập internet đã trưởng thành, có 47% số
người từ 18-29 tuổi có chát, 21% từ 30-49 tuổi có chát và chỉ có 7%
số người 50 tuổi trở lên có chát.
Để biết tổng cộng có bao nhiêu % số người tham gia chat, ta cần
phân tích thống kê số người truy cập:
29% số người truy cập thuộc nhóm tuổi 18-29 (biến cố A1)
47% ‘’ 30-49 (biến cố A2)
24% ‘ 50 trở lên (biến cố A3)
Xác suất để 1 người truy cập internet bất kỳ có ở trong phòng

chat (biến cố C) là bao nhiêu?
Slide
84
P(C∩A1)=P(A1)P(C\A1)
(0,29)(0,47)=0,1363
0,47
A1
0,53
P(A1)=0,29
0,21 (0,47)(0,21)=0,0987
P(A2)=0,47
0,79
P(A3)=0,24
0,07 (0,24)(0,07)=0,0168
0,93
Slide
85
Kết quả cuối cùng: P(C) =0,1363+0,0987+0,0168 =0,2518
Khoảng 25% số người trưởng thành có tham gia các phòng chat
Từ phần trên, xác suất có điều kiện, ký hiệu là P(A1\C). Từ định

nghĩa xác suất có điều kiện:
P( A1  C ) 0,1363
P( A1 \ C )    0,5143
P(C ) 0,2518
Hơn phần nữa số người trưởng thành tham gia chat trực tuyến là
từ nhóm tuổi 18-29. So sánh xác suất có điều kiện này với thông tin
ban đầu (không có điều kiện), tức là 29% số người trưởng thành
truy cập internet nằm trong độ tuổi 18-29.
Slide
86
Hết Chương 4
Slide
87

Chuong 4 - Giới Thiệu Về Xác Suất

Uploaded by

Document Information

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 4 - Giới Thiệu Về Xác Suất

Uploaded by

Copyright:

Available Formats

THỐNG KÊ ỨNG DỤNG

TRONG KINH TẾ VÀ KINH DOANH

Anderson Sweeney Williams

 Xác suất có điều kiện

Khả năng doanh thu sẽ giảm là bao nhiêu nếu

Khả năng một dây chuyền lắp ráp mới sẽ làm

Cơ hội để một khoản đầu tư có thể sinh lợi

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

Xác suất luôn có giá trị từ 0 đến 1.

Xác suất càng gần 0 thì biến cố càng ít có khả năng

Chiều tăng khả năng xảy ra

Khả năng xảy ra Biến cố hầu

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

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

Mỗi điểm mẫu cũng chính là một phần tử của không

Các kết quả có thể xảy ra

 Ví dụ: Các khoản đầu tư của Bradley

Lãi và lỗ của các khoản đầu tư

 Ví dụ: Các khoản đầu tư của Bradley

Lỗ 2 (5, -2) Lãi $3,000

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

Thực hiện bằng Excel:

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

 Yêu cầu cơ bản khi tính xác suất

0 < P(Ei) < 1 với mọi i

Yêu cầu cơ bản khi tính xác suất

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

Phương pháp cổ điển

Phương pháp tần suất

Phương pháp phán đoán

Xác suất được tính dựa trên sự phán đoán

 Ví dụ: tung một con xúc xắc

Phép thử: tung một con xúc xắc

Dữ liệu trên cho thấy có 4 trong số 40 ngày

 Ví dụ minh họa: Cửa hàng cho thuê dụng cụ Lucas

Trong kinh doanh, khi mà phương pháp cổ điển, phương

(10, 8) Lãi $18.000 0,20

Biến cố là tập hợp của các điểm mẫu

Xác suất của một biến cố bằng tổng xác suất

Nếu chúng ta xác định được tất cả các điểm

 Ví dụ: Các khoản đầu tư của Bradley

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

Khoản đầu tư vào Markley Oil có lãi xảy ra nếu bất

 Ví dụ: Các khoản đầu tư của Bradley

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

Khoản đầu tư vào Collins có lãi xảy ra nếu bất kỳ

Phần bù của một biến cố (Complement of an Event)

Phép hợp hai biến cố (Union of Two Events)

Phép giao hai biến cố (Intersection of Two Events)

Các biến cố xung khắc từng đôi

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

Phần bù của biến cố A ký hiệu là Ac.

Hợp của hai biến cố A và B (Union of A and B) là biến cố

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

A ⋃ B (the two circles contain all the sample points in event A as

Kết quả phép thử Tiền lãi/lỗ Probability

(10, 8) Lãi $18.000 0,20

 Ví dụ: Các khoản đầu tư của Bradley

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

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

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

Phần giao của A và B (chứa các điểm mẫu thuộc cả A và B)

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

Công thức của quy tắc cộng xác suất: