3.5. Biến cố xung khắc
Hai biến cố A và B gọi là xung khắc nếu A ∩ B = ∅, tức là không thể xảy ra đồng thời.
4. Khái niệm xác suất
4.1. Định nghĩa cổ điển
Nếu không gian mẫu Ω có hữu hạn kết quả, và các kết quả đều đồng khả năng, thì:
Ví dụ: Tung một đồng xu, P(Sấp) = 1/2.
4.2. Định nghĩa theo tần suất
Khi thực hiện phép thử nhiều lần (n → ∞), tần suất xuất hiện của biến cố A tiến gần đến một giá trị ổn định gọi là xác suất của A:
Trong đó nA là số lần A xảy ra.
4.3. Định nghĩa hiện đại (Kolmogorov)
Trong toán học hiện đại, xác suất được định nghĩa như một đo lường (measure) trên không gian mẫu:
P(Ω) = 1
P(A) ≥ 0
Nếu A1, A2, … là các biến cố xung khắc thì
5. Tính chất của xác suất
P(Ω)=1
P(A̅) = 1 - P(A)
Nếu A ⊂ B thì P(A) ≤ P(B)
Công thức cộng:
P(A∪B)=P(A)+P(B)−P(A∩B)
6. Xác suất có điều kiện
Trong nhiều tình huống, xác suất của một biến cố phụ thuộc vào việc biến cố khác đã xảy ra.
Định nghĩa:
u P(B) > 0)
P(A∣B)=
P(B)
P(A∩B)
u P(B) > 0)
Ví dụ: Lấy ngẫu nhiên một lá từ bộ bài 52 lá. Biến cố A: “lá đỏ”, B: “lá át”. Khi biết lá bốc ra là át (B), xác suất nó là át đỏ:
7. Quy tắc nhân xác suất
Nếu A và B là hai biến cố, thì:
P(A∩B)=P(A)⋅P(B∣A)=P(B)⋅P(A∣B)
Trường hợp A và B độc lập (A không ảnh hưởng đến B):
P(A∩B)=P(A)⋅P(B)
8. Công thức toàn xác suất và Bayes
8.1. Công thức toàn xác suất
Giả sử H1, H2, …, Hn là một hệ đầy đủ biến cố (các H_i loại trừ nhau và H1 ∪ H2 ∪ … ∪ Hn = Ω). Khi đó:
8.2. Định lý Bayes
Đây là nền tảng của thống kê suy luận và trí tuệ nhân tạo.
9. Ứng dụng của xác suất
9.1. Trong đời sống
Dự báo thời tiết (xác suất mưa 70%).
Tính toán rủi ro trong bảo hiểm.
Đánh giá nguy cơ mắc bệnh trong y học.
9.2. Trong khoa học và kỹ thuật
Trong vật lý: mô tả hạt lượng tử bằng hàm xác suất.
Trong kỹ thuật: đánh giá độ tin cậy của linh kiện.
Trong AI: mạng Bayes, machine learning, xử lý ngôn ngữ tự nhiên.
9.3. Trong kinh tế – tài chính
Quản lý rủi ro đầu tư.
Tính toán xác suất vỡ nợ.
Mô hình hóa thị trường chứng khoán.
10. Bài toán minh họa
Bài toán 1:
Hai biến cố A và B gọi là xung khắc nếu A ∩ B = ∅, tức là không thể xảy ra đồng thời.
4. Khái niệm xác suất
4.1. Định nghĩa cổ điển
Nếu không gian mẫu Ω có hữu hạn kết quả, và các kết quả đều đồng khả năng, thì:
Ví dụ: Tung một đồng xu, P(Sấp) = 1/2.
4.2. Định nghĩa theo tần suất
Khi thực hiện phép thử nhiều lần (n → ∞), tần suất xuất hiện của biến cố A tiến gần đến một giá trị ổn định gọi là xác suất của A:
Trong đó nA là số lần A xảy ra.
4.3. Định nghĩa hiện đại (Kolmogorov)
Trong toán học hiện đại, xác suất được định nghĩa như một đo lường (measure) trên không gian mẫu:
P(Ω) = 1
P(A) ≥ 0
Nếu A1, A2, … là các biến cố xung khắc thì
5. Tính chất của xác suất
P(Ω)=1
P(A̅) = 1 - P(A)
Nếu A ⊂ B thì P(A) ≤ P(B)
Công thức cộng:
P(A∪B)=P(A)+P(B)−P(A∩B)
6. Xác suất có điều kiện
Trong nhiều tình huống, xác suất của một biến cố phụ thuộc vào việc biến cố khác đã xảy ra.
Định nghĩa:
u P(B) > 0)
P(A∣B)=
P(B)
P(A∩B)
u P(B) > 0)
Ví dụ: Lấy ngẫu nhiên một lá từ bộ bài 52 lá. Biến cố A: “lá đỏ”, B: “lá át”. Khi biết lá bốc ra là át (B), xác suất nó là át đỏ:
7. Quy tắc nhân xác suất
Nếu A và B là hai biến cố, thì:
P(A∩B)=P(A)⋅P(B∣A)=P(B)⋅P(A∣B)
Trường hợp A và B độc lập (A không ảnh hưởng đến B):
P(A∩B)=P(A)⋅P(B)
8. Công thức toàn xác suất và Bayes
8.1. Công thức toàn xác suất
Giả sử H1, H2, …, Hn là một hệ đầy đủ biến cố (các H_i loại trừ nhau và H1 ∪ H2 ∪ … ∪ Hn = Ω). Khi đó:
8.2. Định lý Bayes
Đây là nền tảng của thống kê suy luận và trí tuệ nhân tạo.
9. Ứng dụng của xác suất
9.1. Trong đời sống
Dự báo thời tiết (xác suất mưa 70%).
Tính toán rủi ro trong bảo hiểm.
Đánh giá nguy cơ mắc bệnh trong y học.
9.2. Trong khoa học và kỹ thuật
Trong vật lý: mô tả hạt lượng tử bằng hàm xác suất.
Trong kỹ thuật: đánh giá độ tin cậy của linh kiện.
Trong AI: mạng Bayes, machine learning, xử lý ngôn ngữ tự nhiên.
9.3. Trong kinh tế – tài chính
Quản lý rủi ro đầu tư.
Tính toán xác suất vỡ nợ.
Mô hình hóa thị trường chứng khoán.
10. Bài toán minh họa
Bài toán 1:
3.5. Biến cố xung khắc
Hai biến cố A và B gọi là xung khắc nếu A ∩ B = ∅, tức là không thể xảy ra đồng thời.
4. Khái niệm xác suất
4.1. Định nghĩa cổ điển
Nếu không gian mẫu Ω có hữu hạn kết quả, và các kết quả đều đồng khả năng, thì:
Ví dụ: Tung một đồng xu, P(Sấp) = 1/2.
4.2. Định nghĩa theo tần suất
Khi thực hiện phép thử nhiều lần (n → ∞), tần suất xuất hiện của biến cố A tiến gần đến một giá trị ổn định gọi là xác suất của A:
Trong đó nA là số lần A xảy ra.
4.3. Định nghĩa hiện đại (Kolmogorov)
Trong toán học hiện đại, xác suất được định nghĩa như một đo lường (measure) trên không gian mẫu:
P(Ω) = 1
P(A) ≥ 0
Nếu A1, A2, … là các biến cố xung khắc thì
5. Tính chất của xác suất
P(Ω)=1
P(A̅) = 1 - P(A)
Nếu A ⊂ B thì P(A) ≤ P(B)
Công thức cộng:
P(A∪B)=P(A)+P(B)−P(A∩B)
6. Xác suất có điều kiện
Trong nhiều tình huống, xác suất của một biến cố phụ thuộc vào việc biến cố khác đã xảy ra.
Định nghĩa:
u P(B) > 0)
P(A∣B)=
P(B)
P(A∩B)
u P(B) > 0)
Ví dụ: Lấy ngẫu nhiên một lá từ bộ bài 52 lá. Biến cố A: “lá đỏ”, B: “lá át”. Khi biết lá bốc ra là át (B), xác suất nó là át đỏ:
7. Quy tắc nhân xác suất
Nếu A và B là hai biến cố, thì:
P(A∩B)=P(A)⋅P(B∣A)=P(B)⋅P(A∣B)
Trường hợp A và B độc lập (A không ảnh hưởng đến B):
P(A∩B)=P(A)⋅P(B)
8. Công thức toàn xác suất và Bayes
8.1. Công thức toàn xác suất
Giả sử H1, H2, …, Hn là một hệ đầy đủ biến cố (các H_i loại trừ nhau và H1 ∪ H2 ∪ … ∪ Hn = Ω). Khi đó:
8.2. Định lý Bayes
Đây là nền tảng của thống kê suy luận và trí tuệ nhân tạo.
9. Ứng dụng của xác suất
9.1. Trong đời sống
Dự báo thời tiết (xác suất mưa 70%).
Tính toán rủi ro trong bảo hiểm.
Đánh giá nguy cơ mắc bệnh trong y học.
9.2. Trong khoa học và kỹ thuật
Trong vật lý: mô tả hạt lượng tử bằng hàm xác suất.
Trong kỹ thuật: đánh giá độ tin cậy của linh kiện.
Trong AI: mạng Bayes, machine learning, xử lý ngôn ngữ tự nhiên.
9.3. Trong kinh tế – tài chính
Quản lý rủi ro đầu tư.
Tính toán xác suất vỡ nợ.
Mô hình hóa thị trường chứng khoán.
10. Bài toán minh họa
Bài toán 1:
English