Lythuyet Xacsuat

LÝ THUYẾT XÁC SUẤT
Nguyễn Trọng Đức 1 Đoàn Hồng Chương 2
1 Giảng viên ĐHQG.TPHCM

2 Giảng viên Đại học Kinh Tế- Luật, ĐHQG.TPHCM
"Cần nhớ rằng môn khoa học bắt đầu từ việc xem xét các trò chơi may rủi
lại hứa hẹn trở thành đối tượng quan trọng nhất của tri thức loài người.
Phần lớn những vấn đề quan trọng nhất của đời sống thực ra chỉ là những
bài toán của lý thuyết xác suất"
P.S. Laplace(1812)
Chương mở đầu
1. Giới thiệu về sự ra đời của xác suất

Sự ra đời của lý thuyết xác suất bắt đầu từ những thư từ trao đổi giữa hai nhà toán học
vĩ đại người Pháp là Pascal (1632 − 1662) và Fermat (1601 − 1665) xung quanh cách giải
đáp một số vấn đề rắc rối nẩy sinh trong các trò chơi cờ bạc mà một quý tộc Pháp đặt
ra cho Pascal.
Dựa vào các thành tựu của lý thuyết xác suất, thống kê xây dựng các phương pháp
ra quyết định trong điều kiện thông tin không đầy đủ. Hơn 300 năm phát triển đến
nay nội dung và các phương pháp xác suất và thống kê toán rất phong phú, được ứng
dụng rộng rãi trong nhiều lĩnh vực tự nhiên và xã hội khác nhau.
2. Tổng quan về mối liên hệ giữa tổng thể và mẫu
Một tập hợp các phần tử hoặc các đối tượng cần nghiên cứu để rút ra một kết luận nào
đó được gọi là tổng thể. Tập hợp con hoặc một phần của tổng thể được sử dụng để đưa
ra kết luận về tổng thể được gọi là mẫu.
Ví dụ 1. Chúng ta muốn nghiên cứu chiều cao của thanh niên Việt Nam trong vòng 5 năm
từ 2004 − 2009. Tổng thể trong trường hợp này là "toàn bộ thanh niên Việt Nam". Thực tế
ta không thể đo được chiều cao của toàn bộ thanh niên Việt Nam (chẳng hạn như: điều kiện
kinh tế, thời gian, nhân lực, v.v..) mà chỉ có thể chọn ngẫu nhiên "một bộ phận thanh niên Việt
Nam", bộ phận này được gọi là mẫu
Muốn từ kết quả của mẫu suy ra kết quả cho tổng thể tốt thì mẫu phải đại diện được
cho tổng thể, muốn vậy thì mẫu phải được lấy một cách ngẫu nhiên.
Ví dụ 2. Xét điểm thi của toàn thể sinh viên Khoa Kinh Tế khi thi kết thúc môn XSTK thì tổng
thể là toàn bộ điểm thi của sinh viên Khoa Kinh Tế. Nếu chọn ngẫu nhiên từ mỗi lớp ra 10 sinh
onthicaohoc_toankinhte@yahoo.com Trang 1
viên để khảo sát điểm thi thì tập hợp tất cả điểm thi của các sinh viên này là một mẫu (đại diện
cho điểm thi của toàn bộ sinh viên Khoa Kinh Tế). Dựa vào mẫu này ta có thể rút ra một số kết
luận như: Điểm trung bình môn thi XSTK của toàn bộ sinh viên Khoa Kinh Tế, Độ phân tán
điểm thi môn XSTK của toàn bộ sinh viên Khoa Kinh Tế v.v..
Số lượng phần tử của tổng thể gọi là kích thước của tổng thể (có thể vô hạn). Số lượng
phần tử của mẫu gọi là kích thước mẫu (cỡ mẫu), kí hiệu là n.
Mối quan hệ giữa tổng thể và mẫu
Chương 1
Xác suất và công thức tính xác suất
1. Nhắc lại về đại số tổ hợp

1.1. Quy tắc cộng
Nếu một công việc có thể thực hiện theo k phương án A1 , A2 , ..., Ak và mỗi phương án
Ai có ni (i = 1, 2, ..., k) cách thực hiện thì số cách thực hiện công việc là
k
X
n= ni = n1 + n2 + .. + nk .
i=1
Ví dụ 3. Một người muốn mua một đôi giày cỡ 39 hoặc 40. Cỡ 39 có hai màu đen và trắng, cỡ
40 có ba màu đen, trắng và nâu. Khi đó số cách chọn mua giày của người đó là 2 + 3 = 5.
1.2. Quy tắc nhân

Nếu một công việc bao gồm k giai đoạn và mỗi giai đoạn có ni (i = 1, 2, ..., k) cách thực
hiện thì số cách thực hiện công việc là
k
Y
n= ni = n1 n2 ...nk .
i=1
Ví dụ 4. Trong một trò chơi, mỗi thí sinh phải chọn một trong 5 câu hỏi trắc nghiệm có sẵn của
ban tổ chức để trả lời, mỗi câu hỏi có 4 lựa chọn. Khi đó số khả năng xảy ra là 5 × 4 = 20.
Ví dụ 5. Người ta phát hành vé số, trên mỗi vé gồm 6 số được chọn từ các chữ số 0, 1, 2, ..., 9.
Hỏi có thể có bao nhiêu tờ vé số được phát hành?
1.3. Hoán vị
Cho tập hợp có n phần tử (khác nhau). Mỗi cách sắp xếp n phần tử theo một thứ tự
được gọi là một hoán vị.
Số hoán vị của n phần tử là
Pn = n!
Quy ước:
0! = 1.
Ví dụ 6. Một bàn có 4 học sinh. Hỏi có bao nhiêu cách xếp chỗ ngồi.
Mỗi cách sắp xếp chỗ ngồi cho 4 học sinh theo một thứ tự là một hoán vị của 4 phần
tử. Số cách xếp chỗ ngồi là số hoán vị của 4 phần tử P4 = 4! = 24.
1.4. Chỉnh hợp
Cho tập hợp có n phần tử (khác nhau). Mỗi nhóm k phần tử (1 ≤ k ≤ n) có thứ tự của
tập hợp này được gọi là một chỉnh hợp chập k của n.
Số chỉnh hợp chập k của n phần tử là
n!
Akn = .
(n − k)!
Quy ước:
A0n = 1.
Ví dụ 7. Có thể lập được bao nhiêu số tự nhiên gồm 3 chữ số khác nhau từ các số 1, 2, 3, 4, 5.
Mỗi một số tự nhiên có 3 chữ số khác nhau tạo thành từ các chữ số 1, 2, 3, 4, 5 là một
chỉnh hợp chập 3 của 5. Số các số tự nhiên có 3 chữ số khác nhau tạo thành từ các chữ
5!
số 1, 2, 3, 4, 5 là: A35 = = 20.
(5 − 3)!
Ví dụ 8. Có thể lập được bao nhiêu số tự nhiên gồm 4 chữ số khác nhau từ các số 0, 1, 2, ..., 6.
1.5. Tổ hợp
Cho tập hợp có n phần tử (khác nhau). Mỗi nhóm k phần tử (1 ≤ k ≤ n) của tập hợp
này được gọi là một tổ hợp chập k của n.
Số tổ hợp chập k của n phần tử là
n!
Cnk = .
k!(n − k)!
Ví dụ 9. Một hộp đựng 9 thẻ, các thẻ được đánh số 1, 2, ..., 9. Có bao nhiêu cách chọn 3 thẻ từ
9 thẻ trên (không phân biệt thứ tự của các thẻ)?
Vì không phân biệt thứ tự của các thẻ trong mỗi lần chọn nên mỗi cách chọn một bộ
gồm 3 thẻ từ 9 thẻ là một tổ hợp chập 3 của 9. Số cách chọn một bộ 3 thẻ từ 9 thẻ là C93 .
Ví dụ 10. Một lớp học có 30 học sinh nam và 20 học sinh nữ. Cần lập ra một đội văn nghệ gồm
5 nam và 5 nữ từ các học sinh nói trên. Hỏi có bao nhiêu cách thực hiện việc này.
Tính chất
Cnk = Cnn−k
k
Cn+1 = Cnk + Cnk−1 (Hằng đẳng thức Pascal).
1.6. Nhị thức Newton
Nhị thức Newton

n
X
n
(a + b) = Cnk an−k bk = Cn0 an + Cn1 an−1 b + Cn2 an−2 b2 + ... + Cnn−1 abn−1 + Cnn bn .
k=0
Tam giác Pascal
n=0: 1
n=1: 1 1
n=2: 1 2 1
n=3: 1 3 3 1
n=4: 1 4 6 4 1
n = 5 : 1 5 10 10 5 1
n = 6 : 1 6 15 20 15 6 1
n = 7 : 1 7 21 35 35 21 7 1
...
Ví dụ 11. Cho tập hợp có n phần tử. Có bao nhiêu tập hợp con của tập hợp trên?
Giả sử tập hợp A có n phần tử. Vì các phần tử trong một tập hợp không phân biệt thứ
tự nên mỗi tập hợp con gồm k phần tử (0 ≤ k ≤ n) của A là một tổ hợp chập k của n
và số cách chọn một tập hợp con gồm k phần tử từ n phần tử của A là Cnk . Vì vậy số tập
hợp con của A là
Cn0 + Cn1 + Cn2 ... + Cnn = (1 + 1)n = 2n .
Bảng tóm tắt Đại số tổ hợp
2. Các khái niệm
2.1. Phép thử và biến cố
Xét việc tung một đồng xu cân đối, đồng chất trên mặt phẳng nằm ngang (điều kiện
nhất định) thì thường chỉ có 2 khả năng xảy ra: hoặc xuất hiện mặt ngửa "N" (mặt ngửa
là mặt hiện giá trị của đồng xu) hoặc xuất hiện mặt sấp "S". Việc xuất hiện mặt sấp hay
ngửa là ngẫu nhiên (không dự đoán trước được). Tập hợp các trường hợp xảy ra {S, N }
được gọi là không gian mẫu và việc tung đồng xu với các điều kiện trên gọi là phép thử
ngẫu nhiên.
Phép thử ngẫu nhiên được xem như là một quá trình thực hiện một nhóm các điều kiện
và quan sát hiện tượng mà kết quả của nó không đoán trước được.
Tập hợp các kết quả có thể xảy ra của một phép thử gọi là không gian mẫu, kí hiệu Ω.
Ví dụ 12. Trong phép thử tung hai đồng xu, nếu xét kết quả xuất hiện là mặt "sấp" S hay
"ngửa" N thì không gian mẫu sẽ là
Ω = {SS, SN, N S, N N }.
Người ta quy ước mặt "ngửa" là mặt hiện giá trị của đồng xu và mặt "sấp" là phía ngược lại.
Ví dụ 13. Tuy nhiên nếu ta quan tâm đến tổng số mặt sấp S xuất hiện trong phép thử tung
hai đồng xu thì không gian mẫu sẽ là
Ω = {0; 1; 2}.
Ví dụ 14. Nếu người ta thực hiện tung một đồng xu cho đến khi xuất hiện mặt sấp S thì không
gian mẫu của phép thử này sẽ là
Ω = {1; 2; 3; 4; ...}.
Ví dụ 15. Xét phép thử tung 2 con xúc sắc cân đối, đồng chất. Xác định không gian mẫu của
phép thử.
Biến cố là một tập hợp con của không gian mẫu. Người ta thường kí hiệu các biến cố
bằng các chữ cái in hoa: A, B, C, ...
Biến cố A gọi là biến cố sơ cấp nếu A chỉ chứa một phần tử của không gian mẫu Ω.
Ví dụ 16. Trong ví dụ 12, biến cố "có ít nhất một mặt sấp" là
A = {SS, SN, N S}
Ví dụ 17. Trong ví dụ 12, các biến cố sơ cấp là
A1 = {SS}, A2 = {SN }, A3 = {N S}, A4 = {N N }
Biến cố chắc chắn là biến cố luôn xảy ra. Không gian mẫu là Ω là biến cố chắc chắn.
Biến cố không thể là biến cố không thể xảy ra, kí hiệu ∅.
Ví dụ 18. Bảng số liệu về trình độ học vấn và giới tính của 26293 người tuổi từ 18 trở lên
trong Điều tra mức sống của dân cư một vùng trong năm 2006 được thể hiện như sau:
Chọn ngẫu nhiên một người trong mẫu này. Hãy xác định không gian mẫu và các biến cố sơ
cấp.
2.2. Quan hệ của các biến cố

2.2.1. Biến cố tích (biến cố giao)
Tich của hai biến cố A và B, kí hiệu A ∩ B hoặc A.B, là biến cố "A và B đồng thời xảy
ra".
Ví dụ 19. Xét phép thử tung hai đồng xu. Gọi A là biến cố "xuất hiện mặt sấp ở đồng xu thứ
nhất", B là biến cố "xuất hiện mặt sấp ở đồng xu thứ hai". Khi đó A ∩ B là biến cố "xuất hiện
mặt sấp ở cả hai đồng xu".
Ví dụ 20. Một lớp có 30 sinh viên biết ít nhất một trong hai ngoại ngữ Anh văn hoặc Pháp
văn, trong đó có 20 sinh viên giỏi Anh văn, 15 sinh viên giỏi Pháp văn. Hỏi có bao nhiêu sinh
viên giỏi cả hai môn.
Tổng quát
n
Q
Tích của n biến cố A1 , A2 , ..., An , kí hiệu là Ai = A1 .A2 ...An , là biến cố "A1 , A2 , ..., An
i=1
đồng thời xảy ra".
2.2.2. Biến cố hợp
Hợp của hai biến cố A và B, kí hiệu A ∪ B, là biến cố "ít nhất một trong hai biến cố A,
B xảy ra". Trong trường hợp A.B = ∅ thì ta dùng kí hiệu A + B thay cho A ∪ B.
Ví dụ 21. Xét phép thử tung ba đồng xu. Gọi A là biến cố "xuất hiện đúng hai mặt sấp trong
ba đồng xu", B là biến cố "xuất hiện mặt sấp ở cả ba đồng xu". Khi đó A ∪ B là biến cố "có ít
nhất hai mặt sấp trong ba đồng xu".
Tổng quát
n
S
Hợp của n biến cố A1 , A2 , ..., An , kí hiệu là Ai = A1 ∪ A2 ∪ ... ∪ An , là biến cố "ít nhất
i=1
một trong các biến cố a1 , A2 , ..., An xảy ra".
2.2.3. Biến cố xung khắc
Biến cố A và B gọi là xung khắc nếu chúng không đồng thời xảy ra trong một phép
thử, nghĩa là A ∩ B = ∅.
Ví dụ 22. Xét phép thử trong ví dụ 21. Biến cố A ∩ B = ∅ nên A và B là hai biến cố xung
khắc
Ví dụ 23. Xét phép thử tung một con xíuc sắc cân đối đồng chất. Các biến cố nào sau đây là
xung khắc với nhau?
A là biến cố "xuất hiện mặt chẵn".
B là biến cố "xuất hiện mặt nhị".
C là biến cố "xuất hiện mặt lẻ".
D là biến cố "xuất hiện mặt nhất hoặc tam".
2.2.4. Biến cố kéo theo

Biến cố A gọi là kéo theo biến cố B, kí hiệu A ⊂ B, nếu A xảy ra thì B xảy ra.
Ví dụ 24. Xét phép thử tung hai đồng xu, B là biến cố "mặt sấp xuất hiện ít nhất một lần" và
A là biến cố "mặt sấp xuất hiện trong cả 2 lần tung đồng xu". Khi đó nếu biến cố A xảy ra thì
biến cố B cũng xảy ra (A ⊂ B). Do đó biến cố A là kéo theo biến cố B.
2.2.5. Biến cố bù (biến cố đối lập)

Biến cố bù của biến cố A, kí hiệu A hoặc Ac , là biến cố "A không xảy ra".
Ví dụ 25. Xét phép thử tung một đồng xu 2 lần và A là biến cố "mặt sấp S xuất hiện ít nhất
một lần". Khi đó biến cố bù A là biến cố "mặt sấp không xuất hiện trong cả 2 lần tung đồng
xu".
Ví dụ 26. Bắn lần lượt ba viên đạn vào một bia. Gọi Ai là biến cố "viên đạn thứ i trúng bia"
(i = 1, 2, 3). Khi đó biến cố
1. "có đúng một viên đạn trúng bia" là
A = A1 .A2 .A3 ∪ A1 .A2 .A3 ∪ A1 .A2 .A3 .
2. "có đúng hai viên đạn trúng bia" là
B = A1 A2 A3 ∪ A1 A2 A3 ∪ A1 A2 A3 .
3. "có 3 viên đạn trúng bia" là

C = A1 A2 A3 .
4. "không có viên đạn nào trúng bia" là
D = A1 .A2 .A3 .
2.2.6. Một vài tính chất

Giả sử A, B, C là các biến cố trong không gian mẫu Ω. Khi đó ta có các tính chất sau:
1. Tính chất giao hoán A.B = B.A và A ∪ B = B ∪ A.
2. Tính chất kết hợp (A.B).C = A.(B.C) và (A ∪ B) ∪ C = A ∪ (B ∪ C).
3. Luật De-Morgan
A ∪ B = A.B.
A.B = A + B.
A1 ∪ A2 ∪ . . . ∪ An = A1 .A2 . . . An .
A1 .A2 . . . An = A1 ∪ A2 . . . ∪ An .
4. A + A = Ω và A.A = ∅.
3. Xác suất và công thức tính

Xác suất là một đại lượng thể hiện mức độ xảy ra (thường xuyên hay ít khi) của một
biến cố. Số gán cho biến cố A, kí hiệu là P (A), gọi là xác suất của biến cố A.
3.1. Định nghĩa xác suất
3.1.1. Định nghĩa xác suất theo quan điểm cổ điển
Giả sử không gian mẫu Ω của một phép thử gồm có n(Ω) biến cố sơ cấp, các biến cố sơ
cấp này là đồng khả năng và biến cố A gồm có n(A) biến cố sơ cấp (n(A) là số phần tử
của A). Khi đó xác suất của biến cố A là số
n(A)
P (A) = .
n(Ω)
Ví dụ 27. Xét phép thử tung hai đồng xu cân đối, đồng chất trong ví dụ 12 và A là biến cố "có
đúng một mặt sấp S", nghĩa là
A = {SN, N S}.
Khi đó xác suất của biến cố A là
n(A) 2 1
P (A) = = = .
n(Ω) 4 2
Ví dụ 28. Xét phép thử tung 2 con xúc sắc (6 mặt) cân đối, đồng chất. Tính xác suất
a) Để xuất hiện 2 mặt giống nhau.
b) Để tổng số nốt xuất hiện là chẵn.
c) Để tổng số nốt xuất hiện là bội của 3.
Tham khảo cách liệt kê của ví dụ 15.
Ví dụ 29. Một nhóm học sinh gồm 3 nam và 4 nữ xếp thành một hàng dài. Hãy tính xác suất
để 3 bạn nam
a) Xếp hàng cạnh nhau.
b) Xếp hàng không có ai đứng cạnh nhau.
c) Xếp hàng không đứng cạnh nhau.
Nếu xếp 3 bạn nam và 4 bạn nữ một cách tùy ý thì mỗi cách xếp là một hoán vị của 7
người nên có 7! cách xếp.
a) Đối với yêu cầu xếp 3 bạn nam đứng cạnh nhau, chúng ta thực hiện như sau:
• Giai đoạn một, xem 3 bạn nam là một nhóm, và hoán vị 4 bạn nữ và một
nhóm nam, số cách xếp là 5! cách.
• Giai đoạn hai, hoán vị chỗ của 3 bạn nam, số cách xếp là 3! cách.
Vậy số cách xếp 3 bạn nam cạnh nhau là 3! × 5!. Khi đó xác suất để 3 bạn nam
3! × 5! 1
đứng cạnh nhau là = .
7! 7
b) Đối với yêu cầu xếp 3 bạn nam không có ai đứng cạnh nhau, chúng ta thực hiện
như sau:
• Giai đoạn một, hoán vị 4 bạn nữ, số cách xếp là 4! cách.
• Giai đoạn hai, xếp 3 bạn nam vào các chỗ trống giữa hai bạn nữ hoặc hai
đầu dãy (minh họa bằng hình dưới, các ô tròn tượng trưng cho các bạn nữ)
Vì yêu cầu các bạn nam không có ai xếp hàng cạnh nhau nên giữa hai bạn
nữ chỉ xếp được một nam và mỗi đầu dãy chỉ xếp được một nam. Như vậy
có 5 vị trí có thể xếp được các bạn nam vào đó. Do chỉ có 3 bạn nam và các
cách xếp phân biệt thứ tự nên số cách xếp 3 nam vào 5 vị trí là A35 cách.
Vậy số cách xếp 3 nam không đứng cạnh nhau là 4! × A35 và xác suất để 3 bạn nam
4! × A35 2
không đứng cạnh nhau là = .
7! 7
Lưu ý: Trong ví dụ 29 các biến cố A "3 bạn nam xếp hàng cạnh nhau" và B "3 bạn nam
không có ai xếp hàng cạnh nhau" không phải là hai biến cố xung khắc.
3.1.2. Định nghĩa xác suất theo quan điểm thống kê
Trong thực tiễn nhiều khi chúng ta không thể xác định được số phần tử n(Ω) của không
gian mẫu Ω, số phần tử n(A) của biến cố A hoặc việc xác định các thông số trên là có
thể nhưng khó khăn hoặc gây thiệt hại về kinh tế (chẳng hạn như: xác định tỉ lệ (xác
suất) hộp sữa hỏng trong một kho, xác định xác suất bắn trúng mục tiêu của một xạ
thủ, ...). Do đó người ta đưa một cách tính xác suất theo quan điểm thống kê như sau:
Giả sử một phép thử được tiến hành N lần và biến cố A xuất hiện m lần. Xác suất của
biến cố A theo quan điểm thống kê là số
P (A) = lim fA ,
N →+∞
m
trong đó fA = , số này gọi là tần suất của biến cố A.
N
Ví dụ 30. Xét phép thử tung một con súc sắc cân đối, đồng chất và A là biến cố "xuất hiện
mặt một chấm". Thực hiện phép thử 30 lần và 600 lần, ta thu được 2 bảng sau:
Dấu hiệu (số chấm) 1 2 3 4 5 6

Tần số 4 5 4 7 4 6 n = 30
Dấu hiệu (số chấm) 1 2 3 4 5 6
Tần số 96 107 98 103 97 99 n = 600
4
Tần suất của biến cố A lần lượt trong hai lần thực hiện là fA = ≈ 0, 13333 (tương ứng với
30
96 1
việc thực hiện phép thử 30 lần) và fA = = 0, 16 ≈ (tương ứng với việc thực hiện phép
600 6
thử 600 lần). So sánh hai kết quả trên, ta nhận thấy việc thực hiện phép thử 600 lần cho kết quả
tần suất gần với xác suất định kiến của biến cố A hơn.
Trong thực tế nếu số lần thực hiện phép thử lớn thì ta có thể xem tần suất của biến cố
A là xác suất của biến cố A. 3.2. Các tính chất của xác suất
Định lý 1.1. Giả sử một phép thử có không gian mẫu là Ω và A là một biến cố. Khi đó
1. 0 ≤ P (A) ≤ 1.
2. P (Ω) = 1.
3. P (∅) = 0.
4. Nếu A ⊂ B thì P (A) ≤ P (B).
5. Giả sử biến cố A có biến cố bù là A. Khi đó
P (A) = 1 − P (A).
Ví dụ 31. Xét phép thử tung một đồng xu 4 lần và A là biến cố "có ít nhất một mặt sấp".
Trong phép thử này việc xác định trực tiếp biến cố A tương đối phức tạp, trong khi việc xác
định biến cố bù của A là A = {N N N N }, đơn giản hơn. Không gian mẫu Ω có n(Ω) = 24 và
1 15
do đó P (A) = 4 . Vậy P (A) = 1 − P (A) = .
2 16
Ví dụ 32. Giả sử ba xạ thủ bắn độc lập vào một mục tiêu. Xác suất bắn trúng của mỗi xạ thủ
lần lượt là 0, 8; 0, 7; 0, 6. Hãy tính xác suất để có ít nhất một xạ thủ băn trúng đích.
3.3. Một số quy tắc tính xác suất

3.3.1. Quy tắc cộng xác suất
Quy tắc cộng đơn giản
Định lý 1.2. Nếu A, B là các biến cố xung khắc, thì
P (A + B) = P (A) + P (B).
Ví dụ 33. Xét phép thử tung một đồng xu 4 lần. Gọi A là biến cố "mặt sấp S xuất hiện ít nhất
ba lần". Tìm xác suất của biến cố A. Trong phép thử này, không gian mẫu Ω là
Ω = {0, 1, 2, 3, 4} (i là số lần xuất hiện mặt sấp, i = 0...4).
Khi đó biến cố A là hợp của hai biến cố A1 "mặt sấp xuất hiện 3 lần" và A2 "mặt sấp xuất hiện 4
A34 1 1 1
lần". Hai biến cố A1 , A2 là hai biến cố xung khắc và P (A1 ) = 4
= , P (A2 ) = 4 = .
3! × 2 4 2 16
Theo định lý 1.2 xác suất của biến cố A, là
1 1 5
P (A) = P (A1 ∪ A2 ) = P (A1 ) + P (A2 ) = + = .
4 16 16
Định lý 1.3. Nếu A1 , A2 , ..., An là các biến cố xung khắc nhau đôi một thì
n
X n
X
P Ai = P (Ai )
i=1 i=1
Ví dụ 34. Ba xạ thủ bắn độc lập vào một mục tiêu với xác suất trúng đích lần lượt là
0, 9; 0, 8; 0, 7. Hãy tính xác suất để chỉ có một xạ thủ trúng đích.
Quy tắc cộng tổng quát
Định lý 1.4. Nếu A, B là hai biến cố bất kì, thì
P (A ∪ B) = P (A) + P (B) − P (A.B).
Ví dụ 35. Xét phép thử chọn ngẫu nhiên một lá từ bộ bài 52 lá. Đặt A là biến cố "lá được
chọn là K đỏ hoặc quân cơ". Biến cố A xem như là hợp của hai biến cố A1 "lá được chọn là
K đỏ" và A2 "lá được chọn là quân cơ". Hai biến cố A1 , A2 không xung khắc nhau, xác suất
2 13 1
P (A1 ) = , P (A2 ) = và P (A1 ∩ A2 ) = . Theo định lý 1.4 xác suất của biến cố A, là
52 52 52
14 7
P (A) = P (A1 ∪ A2 ) = P (A1 ) + P (A2 ) − P (A1 .A2 ) = = .
52 26
Ví dụ 36. Xét phép thử tung hai con xúc xắc cân đối, đồng chất. Gọi A là biến cố "tổng số nốt
xuất hiện là một số chia hết cho 4 hoặc chia hết cho 6". Biến cố A có thể xem là hợp của hai biến
cố A1 "tổng số nốt xuất hiện chia hết cho 4" và A2 "tổng số nốt xuất hiện chia hết cho 6". Hai
biến cố A1 , A2 rõ ràng là không xung khắc và xác suất
Định lý 1.5. Với mọi biến cố A, B, C,
P (A ∪ B ∪ C) = P (A) + P (B) + P (C) − P (A.B) − P (B.C) − P (C.A) + P (A.B.C).
Ví dụ 37. Một lớp có 50 sinh viên, mỗi sinh viên đều biết ít nhất một ngoại ngữ. Biết rằng có
25 sinh viên biết tiếng Anh, 20 sinh viên biết tiếng Hoa, 15 sinh viên biết tiếng Pháp, 5 sinh
viên biết hai ngoại ngữ Anh và Hoa, 4 sinh viên biết hai ngoại ngữ Anh và Pháp, 3 sinh viên
biết ba ngoại ngữ Pháp và Hoa. Chọn ngẫu nhiên một sinh viên trong lớp. Hãy tính xác suất
để sinh viên được chọn biết cả ba ngoại ngữ Anh, Pháp, Hoa.
Định lý 1.6. Với mọi biến cố A, B, C, D,
P (A ∪ B ∪ C ∪ D) = P (A) + P (B) + P (C)

− P (A.B) − P (A.C) − P (A.D) − P (B.C) − P (B.D) − P (C.D)
+ P (A.B.C) + P (A.B.D) + P (A.C.D) + P (B.C.D)
− P (A.B.C.D).
Công thức cộng tổng quát cho trường hợp n biến cố tùy ý A1 , A2 , . . . An cũng có quy
luật tương tự như trên.
3.3.2. Quy tắc nhân xác suất
Một hộp chứa 10 quả bóng khác nhau được đánh số từ 1, ..., 10. Xét phép thử lấy ngẫu
nhiên lần lượt 2 quả bóng trong hộp (mỗi lần lấy xong bóng nào thì trả lại ngay bóng
đó vào hộp). Gọi A là biến cố "lấy được bóng số 1 ở lần thứ nhất" và B là biến cố "lấy
được bóng số 1 ở lần thứ hai". Trong phép thử này ta thấy kết quả của biến cố A và B
không phụ thuộc nhau, nghĩa là xác suất của biến cố B không bị ảnh hưởng bởi việc
xuất hiện hay không xuất hiện biến cố A. Người ta nói A và B là hai biến cố độc lập
nhau.
Định nghĩa 1.1. Hai biến cố A và B được gọi là độc lập với nhau nếu xác suất của biến cố này
không phụ thuộc vào việc xuất hiện hay không xuất hiện của biến cố kia.
Định nghĩa 1.2. Ba biến cố A, B, C được gọi là độc lập nếu các cặp biến cố sau là độc lập: A
và B, B và C, A và C, A và B.C, B và A.C, C và A.B.
Định lý 1.7. Hai biến cố A, B độc lập khi và chỉ khi
P (A.B) = P (A)P (B).
Định lý 1.8. Nếu ba biến cố A, B, C độc lập thì
P (A.B.C) = P (A).P (B).P (C)
Ví dụ 38. Một hộp có tám thẻ khác nhau được đánh số từ 1 đến 8. Chọn ngẫu nhiên lần lượt
hai thẻ (mỗi lần lấy xong thẻ nào thì trả lại ngay thẻ đó vào hộp). Gọi A là biến cố "lấy được thẻ
đánh số chẵn ở lần thứ nhất" và B là biến cố "lấy được thẻ đánh số lẻ ở lần thứ hai". Xác suất
4 1 4 1
của biến cố A là P (A) = = và xác suất của biến cố B là P (B) = = . Vì hai biến cố A
8 2 8 2
và B độc lập với nhau nên xác suất của biến cố "lấy được thẻ đánh số chẵn ở lần thứ nhất và
lấy được thẻ đánh số lẻ ở lần thứ hai" là
1
P (A.B) = P (A).P (B) = .
4
Ví dụ 39. Có hai túi đựng các quả cầu giống nhau. Túi thứ nhất có 5 quả cầu trắng, 3 quả cầu
đỏ. Túi thứ hai có 8 quả cầu trắng, 4 quả cầu đỏ. Lấy ngẫu nhiên ở mỗi túi một quả cầu. Hãy
tính xác suất để lấy được hai quả cầu cùng màu.
Định lý 1.9. Hai biến cố A, B độc lập khi và chỉ khi các cặp biến cố sau cũng độc lập
1. A và B. 2. A và B. 3. A và A.
3.4. Xác suất có điều kiện

3.4.1. Định nghĩa và công thức tính
Một hộp có 10 quả bóng khác nhau gồm 4 bóng vàng, 3 bóng đỏ và 3 bóng trắng. Lấy
ngẫu nhiên lần lượt hai bóng (mỗi lần lấy xong không trả lại bóng vào hộp). Đặt A1 là
biến cố "lấy được bóng màu vàng ở lần thứ nhất" và A2 là biến cố "lấy được bóng màu
vàng ở lần thứ hai". Gọi A01 là biến cố bù của biến cố A1 . Bảng sau mô tả xác suất xảy
ra biến cố A2 trong các trường hợp A1 xảy ra hay không xảy ra.
A1 A01
Số bóng vàng còn lại 3 4
Số bóng còn lại 9 9
1 4
P (A2 )
3 9
Như vậy xác suất xảy ra biến cố A2 phụ thuộc vào việc xuất hiện hay không xuất hiện
biến cố A1 . Trong trường hợp này ta dùng kí hiệu P (A2 |A1 ) (thay vì dùng kí hiệu P (A2 ))
để chỉ xác suất xảy ra biến cố A2 khi A1 đã xảy ra và kí hiệu P (A2 |A01 ) để chỉ xác suất
xảy ra biến cố A2 khi A1 không xảy ra. Các xác suất này được gọi là xác suất có điều
kiện.
Định nghĩa 1.3. Xác suất có điều kiện của biến cố A khi biến cố B đã xảy ra (P (B) 6= 0) là
P (A ∩ B)
P (A|B) = .
P (B)
Ví dụ 40. Trong cuộc khảo sát về một quy định mới, người ta hỏi 500 người bao gồm 240 nam,
260 nữ của một vùng và thu được kết quả "có 136 nam và 224 nữ trả lời tán thành".
a) Giả sử bạn gặp một người nữ trong số những người này. Hãy tính xác suất để câu trả lời
của người đó là "tán thành".
b) Giả sử bạn gặp một người có câu trả lời là "tán thành". Hãy tính xác suất để người đó là
nam.
Kết quả của cuộc khảo sát trên được mô tả tóm tắt bằng bảng sau
Tán thành Không tán thành Tổng số

Nam 136 104 240
Nữ 224 36 260
Tổng số 360 140 500
a) Gọi A là biến cố "gặp người nữ" và B là biến cố "câu trả lời là tán thành". Khi đó
224 56
xác suất cần tính là P (B|A). Theo bảng số liệu trên ta có P (A ∩ B) = =
500 125
260 13 P (A ∩ B) 56
và P (A) = = . Vậy P (B|A) = = .
500 25 P (A) 65
b) Gọi A là biến cố "gặp người nữ" và B là biến cố "câu trả lời là tán thành". Khi đó
136 34
xác suất cần tính là P (A0 |B). Theo bảng số liệu trên ta có P (A0 ∩ B) = =
500 125
360 18 0 P (A0 ∩ B) 17
và P (B) = = . Vậy P (A |B) = = .
500 25 P (B) 45
Ví dụ 41. Một lô hàng có 20 sản phẩm, trong đó có 2 sản phẩm xấu. Chọn lần lượt mỗi lần
một sản phẩm (không hoàn lại) cho đến khi có đủ 2 sản phẩm xấu được chọn thì dừng. Hãy tính
xác suất để quá trình chọn trên dừng lại ở lần thứ 3.
3.4.2. Quy tắc nhân xác suất tổng quát
Định lý 1.10. Với mọi biến cố A, B,
P (A.B) = P (B).P (A|B) = P (A).P (B|A).
Định lý 1.11. Với mọi biến cố A, B, C,
P (A.B.C) = P (A).P (B|A).P (C|A.B).
Ví dụ 42. Một lô hàng có 20 sản phẩm, trong đó có 3 phế phẩm. Lấy ngẫu nhiên lần lượt hai
sản phẩm, mỗi lần lấy một sản phẩm và không hoàn lại. Tính xác suất để lấy được 2 phế phẩm.
Gọi Ai (i = 1, 2) là biến cố "lấy được phế phẩm ở lần thứ i". Xác suất cần tính là
3 2 3
P (A1 .A2 ). Ta có P (A1 ) = và P (A2 |A1 ) = . Vậy P (A1 .A2 ) = .
20 19 190
Ví dụ 43. Có 8 quả bóng gồm 2 bóng đỏ và 6 bóng trắng (giống hệt nhau), được phân phối
ngẫu nhiên vào 2 hộp, mỗi hộp 4 bóng. Tìm xác suất để mỗi hộp đều có bóng đỏ.
Vì số bóng đỏ là 2 nên mỗi hộp chỉ có 1 bóng đỏ. Gọi Ai (i = 1, 2) là biến cố "hộp thứ i
có 1 bóng đỏ". Xác suất cần tính là P (A1 .A2 ). Xác suất để hộp thứ nhất có 1 bóng đỏ là
C1 × C3 4 4
P (A1 ) = 2 4 6 = và P (A2 |A1 ) = 1. Vậy P (A1 .A2 ) = P (A1 ).P (A2 |A1 ) = .
C8 7 7
3.5. Công thức xác suất đầy đủ
Định nghĩa 1.4. Một họ các biến cố A1 , A2 , ..., An được gọi là đầy đủ nếu chúng xung khắc
đôi một và hợp của chúng là biến cố chắc chắn, nghĩa là
n
[
Ai ∩ Aj = ∅ với mọi i 6= j và Ai = Ω.
i=1
Ví dụ 44. Xét phép thử tung một con xúc xắc (6 mặt) cân đối, đồng chất. Gọi A1 là biến cố
"xuất hiện mặt chẵn", A2 là biến cố "xuất hiện mặt lẻ". Ta dễ dàng kiểm tra được A1 , A2 xung
khắc nhau và A1 ∪ A2 = Ω, vì vậy họ hai biến cố A1 , A2 là một họ đầy đủ.
Ví dụ 45. Một hộp phấn có 5 viên phấn trắng, 3 viên phấn xanh, 2 viên phấn đỏ. Lấy ngẫu
nhiên cùng lúc 2 viên phấn ra xem màu. Gọi A1 là biến cố "lấy được 2 viên phấn trắng", A2
là biến cố "lấy được 2 viên phấn đỏ", A3 là biến cố "lấy được 2 viên phấn xanh", A4 là biến cố
"lấy được 2 viên phấn khác màu". Hỏi họ 4 biến cố A1 , A2 , A3 , A4 có phải là một họ đầy đủ hay
không? Vì sao?
Định lý 1.12 (Công thức xác suất đầy đủ). Nếu họ các biến cố B1 , B2 , ..., Bn là đầy đủ thì
với mọi biến cố A,
n
X
P (A) = P (Bi ).P (A|Bi ).
i=1
Ví dụ 46. Có 3 hộp đựng các sản phẩm mô tả bởi bảng sau
5 phế phẩm 10 phế phẩm 5 phế phẩm

20 sản phẩm tốt 25 sản phẩm tốt 35 sản phẩm tốt
Hộp 1 Hộp 2 Hộp 3
Lấy ngẫu nhiên một hộp và chọn trong hộp đó một sản phẩm. Tìm xác suất để lấy được phế
phẩm.
Gọi Bi (i = 1, 2, 3) là biến cố "chọn hộp thứ i". Các biến cố B1 , B2 , B3 xung khắc nhau
đôi một và biến cố B1 ∪ B2 ∪ B3 là một biến cố chắc chắn. Như vậy họ gồm ba biến cố
B1 , B2 , B3 là một họ đầy đủ. Đặt A là biến cố "chọn được phế phẩm". Khi đó xác suất
cần tính là
P (A) = P (B1 ).P (A|B1 ) + P (B2 ).P (A|B2 ) + P (B3 ).P (A|B3 ).
Dựa vào bảng số liệu, ta có
1
P (B1 ) = P (B2 ) = P (B3 ) =
3
5 10 5
P (A|B1 ) = , P (A|B2 ) = , P (A|B3 ) =
25 35 40
57
Khi đó P (A) = .
280
Ví dụ 47. Một nông trường có 4 đội sản xuất. Đội một sản xuất được một lượng hàng hóa
1 1
bằng sản lượng của nông trường, đội hai sản xuất được một lượng hàng hóa bằng sản
3 4
1
lượng của nông trường, đội ba sản xuất được một lượng hàng hóa bằng sản lượng của nông
6
trường. Tỉ lệ phế phẩm tương ứng của bốn đội là 0, 15; 0, 08; 0, 05; 0, 01. Lấy ngẫu nhiên một
sản phẩm trong kho của nông trường. Tìm xác suất để lấy được một phế phẩm.
Gọi B1 , B2 , B3 , B4 tương ứng là biến cố "chọn đội 1", "chọn đội 2", "chọn đội 3", "chọn
đội 4" và A là biến cố "chọn được phế phẩm". Họ B1 , B2 , B3 , B4 xung khắc nhau đôi
một và có hợp B1 ∪ B2 ∪ B3 ∪ B4 là một biến cố chắc chắn do đó nó là một họ đầy đủ.
Khi đó xác suất cần tính là
P (A) =P (B1 ).P (A|B1 ) + P (B2 ).P (A|B2 ) + P (B3 ).P (A|B3 ) + P (B4 ).P (A|B4 )
1 1 1 1
= × 0, 15 + × 0, 08 + × 0, 05 + × 0, 01
3 4 6 4
97
= .
1200
3.6. Công thức Bayes
Định lý 1.13. Nếu họ các biến cố B1 , B2 , ..., Bn là đầy đủ thì với mọi biến cố A,
P (Bj )P (A|Bj )
P (Bj |A) = P
n .
P (Bi )P (A|Bi )
i=1
Ví dụ 48. Có 3 hộp đựng các sản phẩm mô tả bởi bảng sau
5 phế phẩm 10 phế phẩm 5 phế phẩm

20 sản phẩm tốt 25 sản phẩm tốt 35 sản phẩm tốt
Hộp 1 Hộp 2 Hộp 3
Lấy ngẫu nhiên một hộp và chọn trong hộp đó một sản phẩm. Tìm xác suất để lấy được phế
phẩm của hộp thứ nhất.
Gọi Bi (i = 1, 2, 3) là biến cố "chọn hộp thứ i". Các biến cố B1 , B2 , B3 xung khắc nhau
đôi một và biến cố B1 ∪ B2 ∪ B3 là một biến cố chắc chắn. Như vậy họ gồm ba biến cố
B1 , B2 , B3 là một họ đầy đủ. Đặt A là biến cố "chọn được phế phẩm". Khi đó xác suất
cần tính là
P (B1 )P (A|B1 )
P (B1 |A) = P3
i=1 P (Bi )P (A|Bi )
1 5
×
= 3 25
1 5 1 10 1 5
× + × + ×
3 25 3 35 3 40
56
= .
171
Ví dụ 49. Một xét nghiệm y học về bệnh X có tính chất sau
1. Nếu người được xét nghiệm có bệnh X thì phép thử cho kết quả dương tính với xác suất
0, 92.
2. Nếu người được xét nghiệm không có bệnh X thì phép thử vẫn có thể cho kết quả dương
tính với xác suất 0, 04.
Giả sử tỉ lệ mắc bệnh X là 0, 1% trên toàn bộ dân số. Nếu một người đi xét nghiệm và kết quả
là dương tính thì xác suất để người đó mắc bệnh X là bao nhiêu?
Gọi A là biến cố "người được xét nghiệm mắc phải bệnh X" và B là biến cố "kết quả xét
nghiệm là dương tính". Kết quả của phép thử trên có thể mô tả tóm tắt bằng bảng sau
A A
L
Kết quả xét nghiệm 0, 92 0, 04
Từ tỉ lệ mắc bệnh X trong toàn bộ dân số là 0, 1% ta có P (A) = 0, 001, P (A) = 0, 999. Từ

các giả thiết 1 và 2 ta có P (B|A) = 0, 92, P (B|A) = 0, 04. Xác suất cần tìm là
P (A).P (B|A)
P (A|B) = = 0, 0225.
P (A).P (B|A) + P (A).P (B|A)
Như vậy trong trường hợp kết quả thử nghiệm là dương tính thì xác suất mắc phải
bệnh X là 2, 25%.
Ví dụ 50. Một cửa hàng bán máy tính xách tay chuyên kinh doanh 3 loại nhãn hiệu Dell,
Toshiba và IBM. Trong cơ cấu bán hàng, tỉ lệ máy Dell là 40%, tỉ lệ máy Toshiba là 30% và
phần còn lại là máy nhãn hiệu IBM. Tất cả các máy tính bán ra tại cửa hàng đều có thời hạn
bảo hành là 12 tháng. Chủ cửa hàng cho biết, theo kinh nghiệm kinh doanh, tỉ lệ máy nhãn hiệu
Dell phải sửa chữa trong thời gian bảo hành là 10%, tỉ lệ máy nhãn hiệu Toshiba phải sửa chữa
trong thời gian bảo hành là 5% và tỉ lệ máy nhãn hiệu IBM phải sửa chữa trong thời gian bảo
hành là 4%. Nếu một khách hàng mua một máy tính của cửa hàng.
a) Hãy tính xác suất để người đó phải mang máy tính đi sửa chữa trong thời gian bảo hành.
b) Giả sử người đó sử dụng máy tính mới được 9 tháng thì phải đem máy đi sửa chữa. Hãy
tính xác suất để máy tính này có nhãn hiệu là Toshiba.
c) Giả sử người đó sử dụng máy tính mới được 9 tháng thì phải đem máy đi sửa chữa. Hãy
tính xác suất để máy tính này không phải của hãng Dell.
4. Dãy phép thử Bernoulli
Giả sử một xạ thủ bắn n lần độc lập vào một mục tiêu (mỗi lần một viên đạn) với xác
suất trúng đích là p. Trong mỗi lần bắn của xạ thủ chỉ có 2 khả năng đối nhau xảy ra A
"trúng mục tiêu" hoặc A "không trúng mục tiêu". Xác suất bắn trúng đích của mỗi lần
bắn luôn là p và các phép thử này tiến hành độc lập nhau. Dãy phép thử có tính chất
trên được gọi là dãy phép thử Bernoulli.
Định nghĩa 1.5. Dãy n phép thử được gọi là dãy phép thử Bernoulli nếu nó thỏa mãn các
điều kiện sau
(i) Mỗi phép thử có hai biến cố A và A (là biến cố bù của A).
(ii) Dãy phép thử là độc lập.
(iii) Xác suất xảy ra biến cố A trong dãy phép thử luôn là hằng số, nghĩa là P (A) = p.
Định lý 1.14. Xác suất để biến cố A xuất hiện k (0 ≤ k ≤ n) lần trong dãy phép thử Bernoulli
là
Pk = Cnk pk q n−k
với q = 1 − p.
Ví dụ 51. Một phân xưởng có 5 máy độc lập nhau. Xác suất để trong một ca mỗi máy bị hỏng
là 0, 1. Tìm xác suất để trong một ca có đúng 2 máy bị hỏng.
Gọi Ai là biến cố máy thứ i bị hỏng trong ca làm việc (i = 1, 2, .., 5). Chúng ta nhận
thấy rằng mỗi máy i chỉ có 2 khả năng đối lập xảy ra: hoặc xuất hiện biến cố Ai (nghĩa
là máy bị hỏng) hoặc xuất hiện biến cố Ai (nghĩa là máy không bị hỏng). Thêm nữa các
máy hoạt động độc lập và có xác suất hỏng luôn là hằng số p = 0, 1. Vì vậy dãy phép
thử với 5 máy trên là dãy phép thử Bernoulli. Khi đó xác suất để có đúng 2 máy hỏng
trong ca làm việc là
P2 = C52 p2 q 3 = 0, 0729
Ví dụ 52. Trong một lô thuốc, xác suất để nhận được một lọ thuốc hỏng là p = 0, 1. Lấy ngẫu
nhiên 3 lọ để kiểm tra. Hãy tính xác suất để
a) Cả ba lọ đều hỏng.
b) Có hai lọ hỏng và một lọ tốt.
c) Có một lọ hỏng và hai lọ tốt.
d) Cả ba lọ đều tốt.
Chương 2
Giới thiệu về biến ngẫu nhiên
Trong thực tiễn, có nhiều hiện tượng ngẫu nhiên mà kết quả của nó hoặc là các con số,
hoặc có thể đặc trưng bởi các con số. Ví dụ "số lần xuất hiện mặt sấp" trong phép thử
tung 4 đồng xu, "số lần bắn trúng mục tiêu" trong phép thử bắn n phát đạn, "số xe ghé
trạm bơm xăng trong một ngày"... Vì vậy, để thuận tiện cho việc nghiên cứu, người ta
đưa ra khái niệm biến ngẫu nhiên.
1. Khái niệm về biến ngẫu nhiên
Biến ngẫu nhiên X là một ánh xạ cho tương ứng mỗi phần tử e của không gian mẫu Ω
với một số thực x.
X: Ω → R
e 7→ X(e) = x
Tập hợp X(Ω) (hoặc Imf (X)) gọi là tập giá trị của biến ngẫu nhiên X.
Cũng giống như biến cố ngẫu nhiên, giá trị của biến ngẫu nhiên, X(e), là một số ngẫu
nhiên.
Ví dụ 53. Xét phép thử tung hai đồng xu. Không gian mẫu là Ω = {SS, SN, N S, N N }. Gọi
X là "số lần xuất hiện mặt sấp" trong phép thử trên. Khi đó X là biến ngẫu nhiên,
e∈Ω NN NS SN SS
X(e) 0 1 1 2
và tập giá trị của biến ngẫu nhiên X là
X(Ω) = {0; 1; 2}.
Ví dụ 54. Một hộp đựng 10 lọ thuốc, trong đó có 2 lọ không đạt chuẩn. Lấy ngẫu nhiên từng
lọ trong hộp để kiểm tra cho đến khi gặp lọ kém phẩm chất thì dừng. Gọi X là số lần kiểm tra.
Khi đó X là biến ngẫu nhiên và
X(Ω) = {1; 2; 3; 4; 5; 6; 7; 8; 9}.
Ví dụ 55. Một xạ thủ thực hiện phép thử bắn không hạn chế vào một mục tiêu cho đến khi có
một viên đạn trúng đích thì dừng. Gọi X là số lần bắn. Khi đó X là biến ngẫu nhiên và
X(Ω) = {1; 2; 3; ...}
Ví dụ 56. Người ta tiến hành khảo sát số xe máy hiện có trong 6487 hộ gia đình tại thành phố
Hồ Chí Minh năm 2003 và thu được bảng số liệu sau
Số xe máy Số hộ (xi ) Tần suất (fi )

0 27 0,004
1 1422 0,219
2 2865 0,442
3 1796 0,277
4 324 0,050
5 53 0,008
Tổng 6487 1
Nếu chúng ta gọi X là số xe máy có trong mỗi hộ gia đình thì X là một biến ngẫu nhiên vì X
nhận các giá trị là một trong các số 0, 1, 2, 3, 4, 5 một cách ngẫu nhiên.
Tập giá trị của biến ngẫu nhiên X trong ví dụ này là X(Ω) = {0, 1, 2, 3, 4, 5}.
2. Phân loại biến ngẫu nhiên

2.1. Biến ngẫu nhiên rời rạc
Định nghĩa 2.1. Biến ngẫu nhiên X gọi là biến ngẫu nhiên rời rạc nếu X(Ω) = {x1 , x2 , ..., xn }
(hữu hạn), hay X(Ω) = {x1 , x2 , x3 , ...} (vô hạn đếm được).
Định nghĩa 2.2. Hàm số
fX (x) = P [X = x], với x = x1 , x2 , x3 , ...
gọi là hàm mật độ xác suất rời rạc của biến ngẫu nhiên X, hay gọi tắt là hàm mật độ.
Hàm mật độ xác suất của biến ngẫu nhiên rời rạc X được mô tả bằng bảng phân phối xác
suất
Trường hợp hữu hạn
X x1 x2 x3 ... xn
fX (x) = P [X = x] p1 p2 p3 ... pn
Trường hợp vô hạn
X x1 x2 x3 ... xn ...
fX (x) = P [X = x] p1 p2 p3 ... pn ...
Ví dụ 57. Xét phép thử tung một đồng xu 3 lần và gọi X là "số lần xuất hiện mặt sấp". Khi
đó ta có X(Ω) = {0; 1; 2; 3} và bảng phân phối xác suất của biến ngẫu nhiên X như sau
X 0 1 2 3
1 3 3 1
fX (x)
8 8 8 8
Ví dụ 58. Một hộp có 10 sản phẩm trong đó có 3 phế phẩm. Lấy ngẫu nhiên 3 sản phẩm trong
hộp để kiểm tra. Gọi X là số phế phẩm lấy được. Khi đó X(Ω) = {0; 1; 2; 3} và
C73 7
fX (0) =P [X = 0] = 3
= ,
C10 24
C × C1
2
21
fX (1) =P [X = 1] = 7 3 3 = ,
C10 40
1 2
C ×C 7
fX (2) =P [X = 2] = 7 3 3 = ,
C10 40
3
C 1
fX (3) =P [X = 3] = 33 = .
C10 120
X 0 1 2 3
7 21 7 1
fX (x)
24 40 40 120
2.2. Biến ngẫu nhiên liên tục
Thực tế có những hiện tượng mà X(Ω) là một khoảng, chẳng hạn "thời gian chờ xe
buýt tại trạm", "lượng mưa trong một năm của một vùng", "khoảng thời gian giữa hai
lần có tín hiệu đèn xanh của một trụ đèn giao thông", ... X, khi đó, gọi là biến ngẫu
nhiên liên tục.
Định nghĩa 2.3. Biến ngẫu nhiên X gọi là biến ngẫu nhiên liên tục nếu X(Ω) là một khoảng,
hoặc hợp của nhiều khoảng, hoặc toàn bộ R.
Chương 3
Phân phối xác suất đối với biến ngẫu

nhiên rời rạc
1. Hàm mật độ xác suất rời rạc
Định nghĩa 3.1. Giả sử Ω là không gian mẫu, X là biến ngẫu nhiên rời rạc và X(Ω) =
{x1 , x2 , ...}. Khi đó hàm số
fX (x) = P [X = x], với x = x1 , x2 , x3 , ...
gọi là hàm mật độ xác suất rời rạc của biến ngẫu nhiên X, hay gọi tắt là hàm mật độ.
Hàm mật độ xác suất của biến ngẫu nhiên rời rạc X thường được mô tả dưới dạng
bảng, bảng này được gọi là bảng phân phối xác suất rời rạc
Trường hợp X(Ω) hữu hạn
X x1 x2 ... xn
P [X = x] p1 p2 ... pn
Trường hợp X(Ω) vô hạn
X x1 x2 ... xn ...
P [X = x] p1 p2 ... pn ...
Định lý 3.1. Giả sử fX (x) là hàm mật độ xác suất rời rạc của biến ngẫu nhiên X. Khi đó
(i) f (xi ) ≥ 0, với mọi i = 1, 2, 3, ...,
P
(ii) fX (xi ) = 1.
xi
Ví dụ 59. Một hộp có 7 quả bóng gồm 4 bóng xanh và 3 bóng đỏ. Lấy ngẫu nhiên 2 bóng trong
hộp. Gọi X là số bóng đỏ lấy được. Khi đó X là biến ngẫu nhiên và có bảng phân phối như sau
P
X 0 1 2
2 4 1
fX (x) 7 7 7
1
Ví dụ 60. Có hai kiện hàng. Kiện một có 3 sản phẩm tốt, 2 sản phẩm xấu. Kiện hai có 2 sản
phẩm tốt, 3 sản phẩm xấu. Lấy ngẫu nhiên từ kiện một ra hai sản phẩm và từ kiện hai ra một
sản phẩm. Gọi X là số sản phẩm tốt trong 3 sản phẩm được lấy. Hãy tìm hàm mật độ phân phối
xác suất của X.
Ví dụ 61. Có hai hộp đựng bi. Hộp thứ nhất có 5 bi màu vàng, 6 bi màu xanh. Hộp thứ hai
có 7 bi màu vàng, 3 bi màu xanh. Lấy ngẫu nhiên 2 bi từ hộp thứ nhất bỏ sang hộp thứ hai và
chọn ngẫu nhiên 2 bi từ hộp thứ hai. Gọi X là số bi màu xanh lấy được từ hộp thứ hai. Hãy lập
bảng phân phối xác suất của X.
2. Hàm phân phối xác suất rời rạc
Định nghĩa 3.2. Giả sử biến ngẫu nhiên X có hàm mật độ là fX (x). Hàm phân phối xác suất
của biến ngẫu nhiên rời rạc X là
F (x) = P [X < x], x ∈ R.
Ví dụ 62. Xét phép thử tung một đồng xu 4 lần và X là số lần xuất hiện mặt sấp. Khi đó X có
bảng phân phối xác suất là
X 0 1 2 3 4
1 1 3 1 1
P 16 4 8 4 16
và X(Ω) = {0, 1, 2, 3, 4}.

Từ bảng phân phối xác suất của biến ngẫu nhiên X, chúng ta thấy biến x có thể có các trường
hợp sau: x ≤ 0, 0 < x ≤ 1, 1 < x ≤ 2, 2 < x ≤ 3, 3 < x ≤ 4, x > 4.
Từ định nghĩa hàm phân phối xác suất của biến ngẫu nhiên X (F (x) = P [X < x]) và bảng
phân phối xác suất của X, ta có:
• Nếu x ≤ 0:
Biến cố "X < x" là biến cố "tập hợp các giá trị của X thỏa điều kiện X < x". Do x ≤ 0
nên theo bảng phân phối xác suất [X < x] = ∅. Vậy
F (x) = P [X < x] = 0.
• Nếu 0 < x ≤ 1
Biến cố "X < x" là biến cố "tập hợp các giá trị của X thỏa điều kiện X < x". Do
0 < x ≤ 1 nên theo bảng phân phối xác suất [X < x] = {X = 0}. Vậy
1
F (x) = P [X < x] =
16
• Nếu 1 < x ≤ 2
1 < x ≤ 2 nên [X < x] = {X = 0, X = 1}. Vậy
1 1 5
F (x) = P [X < x] = + =
16 4 16
• Nếu 2 < x ≤ 3
2 < x ≤ 3 nên [X < x] = {X = 0, X = 1, X = 2}. Vậy
1 1 3 11
F (x) = P [X < x] = + + =
16 4 8 16
• Nếu 3 < x ≤ 4
3 < x ≤ 4 nên [X < x] = {X = 0, X = 1, X = 2, X = 3}. Vậy
1 1 3 1 15
F (x) = P [X < x] = + + + =
16 4 8 4 16
• Nếu 4 < x
Biến cố "X < x" là biến cố "tập hợp các giá trị của X thỏa điều kiện X < x". Do 4 < x
nên [X < x] = {X = 0, X = 1, X = 2, X = 3, X = 4}. Vậy
1 1 3 1 1
F (x) = P [X < x] = + + + + =1
16 4 8 4 16
Hàm phân phối xác suất của biến ngẫu nhiên rời rạc X được xác định như sau



 0, x≤0

1

, 0 < x ≤ 1,



 16

 5,

1 < x ≤ 2,
16
F (x) = P [X < x] =
11


 16
, 2 < x ≤ 3,

15




 16
, 3 < x ≤ 4,


 1, x > 4.
Ý nghĩa. Hàm phân phối xác suất của X cho biết xác suất của biến cố "X < x".
Từ kết quả của ví dụ trên ta có đồ thị của hàm phân phối xác suất F (x):
Định lý 3.2. Giả sử F(x) là hàm phân phối xác suất của biến ngẫu nhiên X. Khi đó
a) 0 ≤ F (x) ≤ 1, ∀x ∈ R.
P P
b) F (x) = P [X = xi ] = pi .
xi <x xi <x
c) lim F (x) = 0, lim F (x) = 1.

x→−∞ x→+∞
d) P [a ≤ X < b] = F (b) − F (a).
e) F (x) là hàm không giảm và liên tục trái.
Dựa vào các tính chất trên, đối với biến ngẫu nhiên rời rạc X có bảng phân phối như
sau
X x1 x2 x3 ... xn−1 xn
P p1 p2 p3 ... pn−1 pn
ta có hàm phân phối xác suất rời rạc của X là




 0 nếu x ≤ x1


p1 nếu x1 < x ≤ x2





nếu x2 < x ≤ x3

 p +p
1 2
F (x) = (3.1)


 ...





 p1 + p2 + p3 + . . . + pn−1 nếu xn−1 < x ≤ xn

nếu x > xn

 1
Ví dụ 63. Một phân xưởng có ba máy hoạt động độc lập. Xác suất trong một ngày làm việc
các máy I, II, III bị hỏng tương ứng là 0,1; 0,2; 0,3. Gọi X là số máy bị hỏng trong một ngày
làm việc.
a) Lập bảng phân phối xác suất của X.
b) Xác định và vẽ đồ thị hàm phân phối xác suất của X.
c) Tính xác suất của biến cố "có ít nhất 2 máy hỏng".
d) Tính xác suất của biến cố "có từ 1 đến 2 máy bị hỏng".
3. Các tham số đặc trưng của biến ngẫu nhiên rời rạc
Ngoài luật phân phối xác suất còn có những số đặc trưng cho biết thông tin nhất định
về biến ngẫu nhiên. Các số đặc trưng này chia làm hai loại:
• Loại đặc trưng cho tính chất hướng tâm.
• Loại đặc trưng cho độ phân tán.
3.1. Kỳ vọng
Giả sử biến ngẫu nhiên rời rạc X có bảng phân phối xác suất như sau
X x1 x2 x3 ... xn
fX (x) = P [X = x] p1 p2 p3 ... pn
Khi đó kỳ vọng của biến ngẫu nhiên rời rạc X, kí hiệu EX, là đại lượng
n
X
EX = xi p i .
i=1
Ví dụ 64. Giả sử biến ngẫu nhiên X có bảng phân phối xác suất như sau
X 1 2 3 4 5
fX (x) = P [X = x] 0, 1 0, 3 0, 2 0, 3 0, 1
Khi đó kỳ vọng của biến ngẫu nhiên X là
EX = 1 × 0, 1 + 2 × 0, 3 + 3 × 0, 2 + 4 × 0, 3 + 5 × 0, 1 = 3.
Ý nghĩa của kỳ vọng

Kỳ vọng EX là giá trị trung bình của biến ngẫu nhiên X. Trong thực tế sản xuất hay
kinh doanh nếu cần chọn phương án cho năng suất cao (hay lợi nhuận cao) thì người
ta chọn phương án có kì vọng cao.
Định lý 3.3 (Các tính chất của kỳ vọng). Giả sử X là biến ngẫu nhiên rời rạc và C là một
hằng số. Khi đó
a) EC = C.
b) E(CX) = C.EX.
c) E(X ± Y ) = EX ± EY .
d) Nếu X, Y là hai biến ngẫu nhiên độc lập thì E(X.Y ) = EX.EY .
Ví dụ 65. Theo thống kê, xác suất để một người ở độ tuổi 40 sống thêm một năm là 0, 995.
Một công ty bảo hiểm nhân thọ dự định kế hoạch bán bảo hiểm như sau: một năm người mua
bảo hiểm trả cho công ty 2 triệu đồng, và nếu người mua chết thì số tiền bồi thường của công
ty bảo hiểm là 50 triệu đồng. Hỏi công ty đó có nên chọn phương án kính doanh này không?
Gọi X là lợi nhuận thu được khi bán bảo hiểm (đơn vị: triệu đồng). Khi đó X có bảng
phân phối sau
X −48 2
fX (x) = P [X = x] 0, 005 0, 995
Kỳ vọng của biến ngẫu nhiên X là EX = −48 × 0, 005 + 2 × 0, 995 = 1, 75. Vì lợi nhuận
dương nên phương án này có thể chấp nhận
Ví dụ 66. Có hai người tiến hành trò chơi như sau: người thứ nhất tung hai con xúc sắc cân
đối đồng chất, nếu được 2 mặt giống nhau thì người thứ hai phải trả cho người thứ nhất 200
USD, trong các trường hợp khác, người thứ nhất phải trả cho người thứ hai 50 USD. Gọi X là
số tiền mà người thứ nhất có thể có được sau một lần tung xúc xắc. Theo bạn, người thứ nhất
có nên tham gia trò chơi này không?
3.2. Phương sai − Độ lệch chuẩn

Giả sử biến ngẫu nhiên rời rạc X có bảng phân phối xác suất như sau
X x1 x2 x3 ... xn
fX (x) = P [X = x] p1 p2 p3 ... pn
Khi đó phương sai của biến ngẫu nhiên rời rạc X, kí hiệu VarX, là đại lượng
n
X
2
VarX = E(X − EX) = (xi − EX)2 pi .
i=1
Độ lệch chuẩn của biến ngẫu nhiên X là đại lượng

√
σX = VarX.
Để thuận lợi cho việc tính toán phương sai, người ta lập bảng sau
X x1 x2 x3 ... xn
fX (x) = P [X = x] p1 p2 p3 ... pn
(X − EX)2 (x1 − EX)2 (x2 − EX)2 (x3 − EX)2 ... (xn − EX)2
Ví dụ 67. Một hộp đựng 6 quả bóng trong đó có 2 bóng màu đỏ, 4 bóng màu trắng. Lấy ngẫu
nhiên 3 bóng và gọi X là số bóng đỏ lấy được. Tính kỳ vọng và phương sai của X.
Biến ngẫu nhiên X có bảng phân phối xác suất như sau
X 0 1 2
1 3 1
fX (x) 5 5 5
Kỳ vọng của biến ngẫu nhiên X là EX = 1.
Dựa vào nhận xét ở trên, chúng ta lập bảng sau để tính phương sai của biến ngẫu nhiên
X,
X 0 1 2
1 3 1
fX (x) 5 5 5
(X − EX)2 12 02 12
và ta có
1 3 1
VarX = .12 + .02 + .12 = 0, 4.
5 5 5
Định lý 3.4 (Các tính chất của phương sai và độ lệch chuẩn). Giả sử X là biến ngẫu
nhiên rời rạc và C là một hằng số. Khi đó
a) VarX ≥ 0.
b) VarX = EX 2 − E 2 X.
c) VarC = 0.
d) Var(CX) = C 2 .VarX.
e) σ(CX) = |C|.σX.
f) Nếu X, Y là hai biến ngẫu nhiên độc lập thì

√
Var(X ± Y ) = VarX + VarY và σ(X ± Y ) = σ2X + σ2Y .
Dựa vào tính chất (b): VarX = EX 2 − E 2 X, ta có bảng sau để tính phương sai
X x1 x2 x3 ... xn
fX (x) p1 p2 p3 ... pn
X2 x21 x22 x23 ... x2n
Ví dụ 68. Xét trở lại ví dụ 67, để tính phương sai của biến ngẫu nhiên X ta lập bảng sau:
X 0 1 2
1 3 1
fX (x) 5 5 5
X2 0 1 4
Dựa theo công thức (b), chúng ta lần lượt tính E 2 X và X 2 như sau:
EX = 1 ⇒ E 2 X = 12 .
1 3 1 7
EX 2 =
P 2
xi .pi = 02 . + 12 . + 22 . = .
5 5 5 5
Suy ra VarX = EX 2 − E 2 X = 0, 4.
Ví dụ 69. Năng suất của hai máy tương ứng là các biến ngẫu nhiên X, Y (đơn vị: sản
phẩm/phút) có phân phối xác suất là
X 1 2 3 4
fX (x) = P [X = x] 0, 3 0, 1 0, 5 0, 1
Y 2 3 4 5
fY (y) = P [Y = y] 0, 1 0, 4 0, 4 0, 1
Khi đó EX = 2, 4; EY = 3, 5 và VarX = 1, 04; VarY = 0, 65. So sánh các số đặc trưng ta

nhận thấy
• EX < EY : nghĩa là năng suất trung bình của Y cao hơn X.
• VarX > VarY : nghĩa là năng suất của Y ổn định hơn X.
Vậy chọn mua máy Y để sản xuất sẽ có lợi hơn.
Ý nghĩa của phương sai và độ lệch chuẩn

Vì X − EX là độ lệch giữa các giá trị của biến ngẫu nhiên X và giá trị trung bình
EX, nên phương sai chính là trung bình của bình phương độ lệch. Nó đặc trưng cho
độ phân tán của biến ngẫu nhiên X xung quanh giá trị trung bình. Trong kỹ thuật,
phương sai đặc trưng cho độ sai số của thiết bị, còn trong kinh doanh, nó đặc trưng
cho độ rủi ro của các quyết định kinh doanh.
Vì đơn vị đo của phương sai VarX bằng bình phương đơn vị đo của X (khó so sánh với
√
các số đặc trưng khác), nên người ta đưa ra số đặc trưng độ lệch chuẩn σX = DX có
cùng đơn vị đo với biến ngẫu nhiên X (nên dễ so sánh với các số đặc trưng khác hơn).
4. Các phân phối xác suất rời rạc thông dụng
4.1. Phân phối nhị thức
4.1.1. Dãy phép thử Bernoulli
Giả sử một xạ thủ bắn n lần độc lập vào một mục tiêu (mỗi lần một viên đạn) với xác
suất trúng đích là p. Trong mỗi lần bắn của xạ thủ chỉ có 2 khả năng đối nhau xảy ra A
"trúng mục tiêu" hoặc A "không trúng mục tiêu". Xác suất bắn trúng đích của mỗi lần
bắn luôn là p và các biến cố A, A trong dãy n phép thử này là độc lập. Dãy phép thử có
tính chất trên được gọi là dãy phép thử Bernoulli.
Định nghĩa 3.3. Dãy n phép thử được gọi là dãy phép thử Bernoulli nếu nó thỏa mãn các
điều kiện sau
(i) Mỗi phép thử có hai biến cố A và A (là biến cố bù của A).
(ii) Các biến cố A, A trong dãy phép thử là độc lập.
(iii) Xác suất xảy ra biến cố A trong dãy phép thử luôn là hằng số, nghĩa là P (A) = p.
4.1.2. Phân phối nhị thức

Giả sử một xạ thủ bắn n lần độc lập (mỗi lần một viên đạn) vào một mục tiêu với xác
suất trúng đích là p. Gọi X là số lần bắn trúng mục tiêu của dãy n phép thử này. Khi
đó X là biến ngẫu nhiên rời rạc và
X(Ω) = {0; 1; ...; n}.
Xác suất để X = k, nghĩa là có k phát trúng (và n − k phát trật) là
P [X = k] = Cnk pk (1 − p)n−k . (3.2)
Công thức (3.2) là hàm mật độ xác suất X, và biến ngẫu nhiên rời rạc X gọi là thỏa
phân phối nhị thức với tham số (n, p).
Định nghĩa 3.4. Biến ngẫu nhiên rời rạc X gọi là có phân phối nhị thức với tham số (n, p), kí
hiệu X ∼ B(n, p), nếu
(i) X(Ω) = {0; 1; ...; n}.
(ii) P [X = k] = Cnk pk q n−k , với q = 1 − p.
Định lý 3.5 (Các tham số đặc trưng). Nếu X ∼ B(n, p) thì
a) EX = np.
b) VarX = npq, với q = 1 − p.
Ví dụ 70. Một xạ thủ bắn lần lượt (độc lập) 5 phát vào một mục tiêu với xác suất trúng đích
là 0, 6. Gọi X là số phát đạn trúng đích trong 5 lần bắn. Khi đó X ∼ B(n = 5, p = 0, 6).
• Xác suất của biến cố "có 2 viên đạn trúng đích" là P [X = 2] = C52 .p2 .q 3 = 0, 2304.
4
C5k pk q 5−k =
P
• Xác suất "có từ 2 đến 4 viên đạn trúng đích" là P [2 ≤ X ≤ 4] =
k=2
0, 8352.
Ví dụ 71. Người ta điều tra được ở tỉnh A có 65% gia đình có xe gắn máy. Chọn ngẫu nhiên
12 gia đình và gọi X là số gia đình có xe gắn máy trong số 12 gia đình này.
a) Hãy lập bảng phân phối xác suất của X.
b) Tính xác suất để có đúng 5 gia đình có xe gắn máy.
c) Tìm kỳ vọng và độ lệch chuẩn của X.
Ví dụ 72. Tại một phân xưởng, người ta đóng mỗi 10 sản phẩm thành một kiện hàng. Trong
mỗi kiện hàng luôn có 7 sản phẩm loại I và 3 sản phẩm loại II. Khách hàng trước khi mua sẽ
tiến hành kiểm tra như sau: trong mỗi kiện hàng, khách hàng lấy ngẫu nhiên 2 sản phẩm ra để
kiểm tra, nếu cả 2 sản phẩm đều tốt thì khách hàng mới nhận kiện hàng đó. Trong ngày hôm đó
khách hàng kiểm tra 10 kiện hàng. Gọi X là số kiện hàng được khách hàng nhận. Hãy lập bảng
phân phối xác suất của X và tính giá trị của các đại lượng EX, VarX, ModX.
4.2. Phân phối Poisson

Phân phối Poisson được mô tả lần đầu tiên bởi Simeon Denis Poisson (1887). Trong
thực tế có nhiều mô hình thỏa phân phối Poisson, chẳng hạn: số cuộc gọi đến tổng đài
điện thoại trong 1 phút, số khách hàng đến rút tiền tại một ngân hàng trong 1 ngày,
số người truy cập vào trang web www.ecoforumm.com trong 30 phút, ... Tất cả các sự
kiện trong những ví dụ trên đều có một nét đặc trưng chung, đó là đều đề cập đến
"cường độ" (hay số lần xuất hiện) của biến ngẫu nhiên.
4.2.1. Định nghĩa và các tính chất của phân phối Poisson
Định nghĩa 3.5. Cho λ là một số thực dương. Biến ngẫu nhiên rời rạc X gọi là có phân phối
Poisson với tham số λ, kí hiệu X ∼ P (λ), nếu
(i) X(Ω) = {0; 1; 2; ...}.
e−λ λk
(ii) P [X = k] = .
k!
Định lý 3.6 (Các số đặc trưng). Nếu X ∼ P (λ) thì
a) EX = λ.
b) DX = λ.
Ví dụ 73. Tại một giao lộ giao thông người ta nhận thấy số vụ tai nạn giao thông xảy ra trong
một tháng là biến ngẫu nhiên X có phân phối Poisson với tham số λ = 2. Hãy tính xác suất
xảy ra 3 tai nạn trong khoảng thời gian 1 tháng.
Ta có X ∼ P (λ = 2). Xác suất để có 3 tai nạn xảy ra trong 1 tháng là
23
P [X = 3] = e−2 . = 0, 18
3!
Trong trường hợp không biết trước λ chúng ta có thể dựa vào thông tin về "cường độ"
để xác định λ.
Giả sử một biến cố A xuất hiện một cách ngẫu nhiên, trong đó số lần xuất hiện của biến
cố A trong khoảng thời gian (a; b) nào đó không ảnh hưởng đến số lần xuất hiện của
biến cố A trong những khoảng thời gian sau đó và "cường độ" xuất hiện của biến cố A
là không đổi ("cường độ", kí hiệu là c, được đề cập ở đây có thể hiểu đơn giản là số lần
xuất hiện biến cố A trong 1 đơn vị thời gian). Gọi X là số lần xuất hiện biến cố A trong
khoảng thời gian (a; b).
Khi đó
X ∼ P (λ), với λ = c(b − a),
(c là "cường độ" xuất hiện biến cố A).
Ví dụ 74. Tại một giao lộ, người ta nhận thấy trung bình mỗi tháng có 2 vụ tai nạn giao thông.
Hãy tính xác suất để
a) có 3 vụ tai nạn giao thông trong khoảng thời gian 2 tháng (X ∼ P (λ = 2 × 2)).
2 1
b) có ít nhất một tai nạn giao thông trong khoảng thời gian một tuần (X ∼ P λ = = ).
4 2
4.2.2. Xấp xỉ phân phối nhị thức bằng phân phối Poisson
Giả sử biến ngẫu nhiên X ∼ B(n, p) và p rất nhỏ (gần 0). Khi đó nếu n là số rất lớn thì
X ∼ P (λ), với λ = n.p.
Ví dụ 75. Giả sử tỉ lệ phế phẩm của một nhà máy sản xuất transistor là 1%. Mỗi máy tính
được lắp ráp cần sử dụng 100 transistor. Giả sử việc chọn lựa các transistor để lắp ráp là ngẫu
nhiên. Gọi X là số transistor phế phẩm trong mỗi máy tính. Khi đó X ∼ B(n = 100, p = 0, 01)
và X ∼ P (λ = n.p = 1).
4.4. Phân phối siêu bội (Hypergeometric Distribution)
Định nghĩa 3.6. Xét tập hợp gồm N phần tử, trong đó có M phần tử "có tính chất A" và
N − M phần tử "không có tính chất A". Chọn ngẫu nhiên n phần tử từ tập hợp trên và gọi X
là số phần tử có tính chất A trong n phần tử được chọn. Khi đó X là biến ngẫu nhiên rời rạc và
(i) X(Ω) = {0; 1; , 2; ...; n}.

k
CM .CNn−k
−M
(ii) P [X = k] = .
CNn
Khi đó người ta nói X có phân phối siêu bội với tham số (N, M, n).
Ví dụ 76. Trong một đợt phát hành vé số, người ta bán ra 500 vé, trong đó có 50 vé trúng
thưởng. Một người mua ngẫu nhiên 20 vé. Gọi X là số vé trúng thưởng trong 20 vé người đó
mua. Khi đó X có phân phối siêu bội với tham số (N = 500, M = 50, n = 20).
Chương 4
Phân phối xác suất đối với biến ngẫu

nhiên liên tục
1. Hàm mật độ xác suất

Định nghĩa 4.1. Giả sử X là biến ngẫu nhiên liên tục. Hàm số f : R → [0; 1] được gọi là
hàm mật độ xác suất của biến ngẫu nhiên X nếu
(i) f (x) ≥ 0, ∀x ∈ R.
+∞
R
(ii) f (x)dx = 1.
−∞
Rb
(iii) P [a ≤ X < b] = f (x)dx, với mọi số thực a < b.
a
Ví dụ 77. Giả sử hàm số sau là hàm mật độ xác suất của biến ngẫu nhiên liên tục X,



 0 , nếu x ≤ 0, 1
25 5

f (x) = x− , nếu 0, 1 < x ≤ 0, 5
 2
 4

 0 , nếu x > 0, 5
Tính P [0, 2 ≤ X < 0, 3].
2. Hàm phân phối xác suất

Định nghĩa 4.2. Giả sử X là biến ngẫu nhiên liên tục. Hàm phân phối xác suất của biến
ngẫu nhiên X, kí hiệu là F (x), là hàm số xác định bởi công thức,
Zx
F (x) = P [X < x] = f (t)dt, ∀x ∈ R. (4.1)
−∞
2.1. Ý nghĩa hình học.
Giá trị của hàm phân phối xác suất F (x) chính là diện tích hình giới hạn bởi đường
cong f (x) và trục hoành Ox tính từ −∞ đến x.
2.2. Tính chất của hàm phân phối xác suất

Giả sử biến ngẫu nhiên liên tục X có hàm mật độ xác suất là f (x) và hàm phân phối
xác suất là F (x). Khi đó
(i) P [X ≤ x] = P [X < x] = F (x), ∀x ∈ R.
(ii) P [X ≥ x] = 1 − F (x), ∀x ∈ R.
(iii) P [x1 ≤ X < x2 ] = F (x2 ) − F (x1 ), ∀x1 , x2 ∈ R và x1 < x2 .
(iv) lim F (x) = 1.

x→+∞
(v) lim F (x) = 0.

x→−∞
Ví dụ 78. Cho biến ngẫu nhiên liên tục X có hàm mật độ xác suất là



 0 , nếu x ≤ 0, 1
25 5

f (x) = x− , nếu 0, 1 < x ≤ 0, 5


 2 4
 0 , nếu x > 0, 5
a) Hãy xác định hàm phân phối xác suất của biến ngẫu nhiên X.
b) Tính P [X < 0, 3] và P [0, 2 ≤ X < 0, 3] bằng cách sử dụng hàm phân phối.
Giải.
Rx
a) Từ công thức F (x) = P [X < x] = f (t)dt và công thức hàm mật độ xác suất f (x)
−∞
của biến ngẫu nhiên X, ta có
• Nếu x ≤ 0, 1 thì,
Zx Zx
P1 = f (t)dt = 0.dt = 0.
−∞ −∞
• Nếu 0, 1 < x ≤ 0, 5 thì,
Zx Z0,1 Zx Zx
25 5
P2 = f (t)dt = f (t)dt+ f (t)dt = 0+ t− dt = 6, 25x2 −1, 25x+0, 0625.
2 4
−∞ −∞ 0,1 0,1
• Nếu x > 0, 5 thì,
Zx Z0,1 Z0,5 Zx Z0,1 Z0,5 Zx

25 5
f (t)dt = f (t)dt+ f (t)dt+ f (t)dt = 0.dt+ t− dt+ 0.dt = 1.
2 4
−∞ −∞ 0,1 0,5 −∞ 0,1 0,5
Vậy hàm phân phối xác suất của biến ngẫu nhiên X là

 0

 , nếu x ≤ 0, 1
F (x) = 6, 25x2 − 1, 25x + 0, 0625 , nếu 0, 1 < x ≤ 0, 5


1 , nếu x > 0, 5

b) Từ định nghĩa F (x) = P [X < x] suy ra P [X < 0, 3] = F (0, 3) = 0, 25.

Tiếp theo ta tính P [0, 2 ≤ X < 0, 3] như sau:
P [0, 2 ≤ X < 0, 3] = P [X < 0, 3] − P [X < 0, 2] = F (0, 3) − F (0, 2) = 0, 1875.
Xác suất P [0, 2 ≤ X < 0, 3] được mô tả bằng hình vẽ sau
Ví dụ 79. Cho biến ngẫu nhiên liên tục X có hàm mật độ là



 0 , nếu x ≤ 0

, nếu 0 < x ≤ 1

 x
f (x) =


 a − x , nếu 1 < x ≤ 2


 0 , nếu x > 2
trong đó a là tham số.
a) Xác định tham số a. Vẽ đồ thị của hàm f (x) tương ứng với a vừa tìm được.
b) Xác định hàm phân phối xác suất F (x) của biến ngẫu nhiên X và vẽ đồ thị của nó.
c) Tính các xác suất P [1 ≤ X < 2, 5] và P [X ≥ 1, 5] bằng cách dùng hàm phân phối xác
suất.
3. Các tham số đặc trưng

3.1. Kỳ vọng
Định nghĩa 4.3. Giả sử biến ngẫu nhiên liên tục X có hàm mật độ xác suất là f (x). Khi đó
kỳ vọng của X, kí hiệu là EX, được xác định bởi công thức,
Z+∞
EX = x.f (x)dx (4.2)
−∞
Ví dụ 80. Cho biến ngẫu nhiên liên tục X có hàm mậc độ xác định như sau

 x + 1 , nếu − 1 ≤ x < 0


f (x) = −x + 1 , nếu 0 ≤ x < 1


0 , nơi khác

Hãy tìm kỳ vọng của biến ngẫu nhiên X.
3.2. Phương sai
Định nghĩa 4.4. Phương sai của biến ngẫu nhiên liên tục X, kí hiệu là VarX, được xác định
bởi công thức,
VarX = E(X − EX)2 (4.3)
Định lý 4.1. Nếu biến ngẫu nhiên liên tục X có hàm mật độ là f (x). Khi đó
Z+∞ Z+∞ 2
2 2 2
VarX = EX − E X = x .f (x)dx − x.f (x)dx (4.4)
−∞ −∞
Ví dụ 81. Cho biến ngẩu nhiên liên tục X có hàm mật độ xác suất là
 3 (1 − x2 ) , nếu |x| ≤ 1

f (x) = 4
 0 , nơi khác
Hãy tìm kỳ vọng và phương sai của biến ngẫu nhiên X.
Ví dụ 82. Cho biến ngẫu nhiên X có hàm mật độ xác suất là


 ax2 + b , nếu 0 ≤ x < 1
f (x) =
 0 , nơi khác

1 1
Biết rằng P X < = . Hãy tính kỳ vọng EX và phương sai VarX.
2 3
4. Phân phối chuẩn

Phân phối chuẩn, hay còn gọi là phân phối Gauss, là phân phối xác suất được sử dụng
phổ biến trong xác suất thống kê. Hàm mật độ xác suất của phân phối chuẩn được
DeMoivre tìm ra năm 1733 trong khi tính giới hạn hàm mật độ của phân phối nhị thức.
4.1. Hàm mật độ phân phối chuẩn
Định nghĩa 4.5. Biến ngẫu nhiên liên tục X được gọi là có phân phối chuẩn với tham số trung
bình µ và phương sai σ 2 , kí hiệu là X ∼ N (µ, σ 2 ), nếu hàm mật độ xác suất của X có dạng,
(x − µ)2
1 −
f (x) = √ e 2σ , ∀x ∈ R. (4.5)
σ 2π
4.1.1. Đồ thị của hàm mật độ phân phối chuẩn

Đồ thị của hàm mật độ phân phối chuẩn có các tính chất sau đây
(i) Đồ thị của hàm mật độ phân phối chuẩn có dạng hình chuông và nhận đường
thẳng x = µ làm trục đối xứng và có đỉnh là điểm có hoành độ là x = µ.
(ii) Khoảng 95% các giá trị của X sẽ tập trung trong khoảng (µ − 2σ; µ + 2σ).
(iii) Diện tích của đường cong giới hạn bởi trục hoành Ox và đường cong f (x) là 1 và
diện tích của mỗi nửa chuông là 0, 5.
(iv) Khi µ thay đổi thì đồ thị của hàm mật độ phân phối chuẩn sẽ bị dịch sang trái
hoặc dịch sang phải.
Đồ thị của hàm mật độ phân phối chuẩn khi µ thay đổi
(v) Khi σ tăng thì đồ thị của hàm mật độ phân phối chuẩn sẽ tù hơn và khi σ giảm thì
đồ thị của hàm mật độ phân phối chuẩn sẽ nhọn hơn.
Đồ thị của hàm mật độ phân phối chuẩn khi σ thay đổi
4.1.2. Tính chất của phân phối chuẩn
Định lý 4.2. Giả sử biến ngẫu nhiên liên tục X ∼ N (µ, σ 2 ) và có hàm mật độ phân phối
chuẩn là f (x). Khi đó
Rµ +∞
R 1
(i) f (x)dx = f (x)dx = .
−∞ µ 2
(ii) EX = µ.
(iii) VarX = σ 2 .
4.2. Hàm phân phối xác suất của phân phối chuẩn
Giả sử biến ngẫu nhiên liên tục X ∼ N (µ, σ 2 ). Hàm phân phối xác suất của X là
Zx (t − µ)2
1 −
F (x) = P [X < x] = √ e 2σ 2 dt (4.6)
σ 2π
−∞
Ý nghĩa hình học
Giá trị của hàm phân phối xác suất F (x) của phân phối chuẩn là diện tích của hình giới
(t − µ)2
1 −
hạn bởi đường cong f (x) = √ e 2σ 2 và trục hoành Ox tính từ "−∞ đến x"
σ 2π
5. Phân phối chuẩn tắc

Giả sử X ∼ N (µ; σ 2 ). Nếu µ = 0 và σ 2 = 1 thì X gọi là có phân phối chuẩn tắc, kí hiệu
X ∼ N (0; 1).
5.1. Hàm mật độ phân phối chuẩn tắc
Nếu biến ngẫu nhiên liên tục X có phân phối chuẩn tắc N (0, 1) thì hàm mật độ phân
phối chuẩn tắc có dạng
x2
1 −
f (x) = √ e 2 , ∀x ∈ R (4.7)
2π
5.1.1. Đồ thị của hàm mật độ phân phối chuẩn tắc
Đồ thị của hàm mật độ phân phối chuẩn tắc có dạng hình chuông, đỉnh nằm trên trục
tung Oy và nhận trục tung Oy làm trục đối xứng.
5.1.2. Tính chất
Định lý 4.3. Giả sử X ∼ N (0; 1) và có hàm mật độ xác suất là f (x). Khi đó
R0 +∞
R 1
(i) f (x)dx = f (x)dx = .
−∞ 0 2
(ii) EX = 0.
(iii) DX = 1.
5.2. Hàm phân phối xác suất của phân phối chuẩn tắc
Hàm phân phối xác suất của biến ngẫu nhiên X ∼ N (0, 1) là hàm số xác định bởi công
thức
Zx t2
1 −
ϕ(x) = √ e 2 dt, ∀x ∈ R (4.8)
2π
−∞
Hàm phân phối xác suất của phân phối chuẩn tắc còn được gọi là tích phân Laplace.
Giá trị của của hàm ϕ(x) được xác định từ bảng tích phân Laplace.
Tính chất của hàm phân phối xác suất của phân phối chuẩn tắc
Định lý 4.4. Giả sử biến ngẫu nhiên X có phân phối chuẩn tắc N (0, 1). Khi đó
(i) ϕ(x) = P [X < x].
(ii) ϕ(−x) = 1 − ϕ(x).
(iii) P [a ≤ X < b] = ϕ(b) − ϕ(a).
Ví dụ 83. Cho biến ngẫu nhiên X ∼ N (0, 1). Tính
a) ϕ(0, 23), ϕ(0, 15), ϕ(0, 5).
b) ϕ(−1, 02), ϕ(−0, 8), ϕ(−1, 2).
Giải.
• Giả sử bảng tích phân Laplace có công thức
Zz t2
1 −
ϕ(z) = √ e 2 dt.
2π
−∞
Để tính ϕ(0, 23) ta tra dòng 0, 2 và cột 0, 03, thu được kết quả là ϕ(0, 23) = 0, 5910.
Bằng cách tương tự ϕ(0, 15) = 0, 5596, ϕ(0, 5) = 0, 6915.
• Để tính ϕ(−1, 02) ta dùng tính chất (ii) của định lý (4.4),
ϕ(−1, 02) = 1 − ϕ(1, 02)
Tra bảng tích phân Laplace, dòng 1, 0, cột 0, 02, thu được kết quả là ϕ(1, 02) =
0, 8461. Thay vào công thức trên ta có ϕ(−1, 02) = 1 − 0, 8461 = 0, 1539.
Bằng cách tương tự ϕ(−0, 8) = 0, 2119, ϕ(−1, 2) = 0, 1151.
5.3. Chuẩn hóa biến ngẫu nhiên có phân phối chuẩn
Định lý 4.5. Giả sử biến ngẫu nhiên liên tục X có phân phối chuẩn N (µ, σ 2 ). Khi đó
X −µ
Z= ∼ N (0, 1). (4.9)
σ
Định lý 4.6. Giả sử Z ∼ N (0, 1). Khi đó
(i) P [Z ≥ a] = 1 − P [Z < a] = 1 − ϕ(a).
(ii) P [|Z| ≤ a] = ϕ(a) − ϕ(−a) = 2ϕ(a) − 1.
Ví dụ 84. Độ dài một chi tiết máy do một máy tiện làm ra là một biến ngẫu nhiên có phân phối
chuẩn với trung bình µ = 50 và độ lệch chuẩn σ = 5. Hãy tính tỉ lệ các chi tiết máy do máy
tiện trên làm ra có độ dài trong khoảng 47, 4 → 50, 1.
Gọi X là độ dài chi tiết máy. Từ giả thiết X ∼ N (50; 52 ), µ = 50, σ = 5 suy ra Z =
X − 50 X −µ
∼ N (0; 1). Từ công thức Z = và do các chi tiết máy có độ dài X thỏa
5 σ
mãn 47, 4 ≤ X ≤ 50, 1 nên −0, 5 ≤ Z ≤ 0, 02.
Suy ra
P [47, 5 ≤ X ≤ 50, 1] = ϕ(0, 02) − ϕ(−0, 5) = 0, 5080 − 0, 3085 = 0, 1995.
5.4. Xấp xỉ phân phối nhị thức bằng phân phối chuẩn
Định lý 4.7. Giả sử biến ngẫu nhiên rời rạc X ∼ B(n, p). Nếu n.p ≥ 5 và n.q ≥ 5, với
q = 1 − p thì,
X − np
√ ∼ N (0, 1), khi n → ∞. (4.10)
npq
Chúng ta biết rằng đối với phân phối

nhị thức P [X = k] > 0, tuy nhiên nếu dùng công
k − np
thức của phân phối chuẩn thì P Z = √ = 0. Để hạn chế sai số trong những
npq
trường hợp như trên, ta có thể dùng công thức sau để hiệu chỉnh

k2 − µ − 0, 5 k1 − µ − 0, 5
P [k1 ≤ X < k2 ] = ϕ −ϕ (4.11)
σ σ
Các biến cố [a ≤ X ≤ b], [a < X < b], [a < X ≤ b] đều có thể đưa về dạng [a ≤ X < b].
Chẳng hạn [a < X ≤ b] = [a + 1 ≤ X < b + 1].
Ví dụ 85. Một khách sạn nhận đặt chỗ của 325 khách hàng cho 300 phòng vào ngày 31 tháng
12 vì theo kinh nghiệm của những năm trước cho thấy tỉ lệ khách đặt chỗ nhưng không đến là
10%. Hãy tính xác suất
a) Có 300 khách đến để nhận phòng vào ngày trên.
b) Tất cả khách đến vào ngày trên đều nhận được phòng.
Gọi X là số khách đã đặt phòng và đến vào ngày 31 tháng 12. Đối với mỗi khách hàng
đặt phòng, chỉ có 2 khả năng: "đến" và "không đến", với xác suất "đến" luôn không
đổi là p = 0, 9, Vì vậy X ∼ B(n = 325; p = 0, 9). Áp dụng công thức xấp xỉ ta có
X − np √ √
√ ∼ N (0, 1), với n.p = 292, 5, n.p.q = 29, 25.
npq
a) Nếu X = 300 thì xác suất P [X = 300] = P [300 ≤ X < 301]. Dựa theo công thức
hiệu chỉnh (4.11), ta có

301 − µ − 0, 5 300 − µ − 0, 5
P [300 ≤ X < 301] = ϕ −ϕ
σ σ
= ϕ(1, 48) − ϕ(1, 29)
= 0, 9306 − 0, 9015
= 0, 0291
b) Nếu tất cả các khách đến vào ngày 31 tháng 12 đều nhận được phòng thì xác suất
cần tính là P [X ≤ 300]. Dựa theo công thức hiệu chỉnh (4.11) ta có
P [X ≤ 300] = P [1 ≤ X < 301]

301 − µ − 0, 5 1 − µ − 0, 5
=ϕ −ϕ
σ σ
= ϕ(1, 48) − ϕ(−53, 99)
= 0, 9306
Ví dụ 86. Tại một nhà máy, sản phẩm sau khi hoàn tất sẽ được đóng thành kiện, mỗi kiện 10
sản phẩm với tỉ lệ thứ phẩm của mỗi kiện luôn là 20%. Trước khi mua hàng, khách hàng thực
hiện kiểm tra như sau: từ mỗi kiện lấy ra 3 sản phẩm. Nếu cả 3 sản phẩm đều tốt thì sẽ chấp
nhận mua kiện hàng đó. Giả sử khách hàng kiểm tra 100 kiện hàng.
a) Hãy tính xác suất để có 50 kiện hàng được mua.
b) Hãy tính xác suất để có từ 60 đến 90 kiện hàng được mua.
6. Phân phối Student

Biến ngẫu nhiên X gọi là có phân phối Student với n bậc tự do (n là số nguyên dương),
kí hiệu X ∼ t(n), nếu hàm mật độ xác suất của nó có dạng

 0,

 nếu x ≤ 0;
f (x) = − n + 1 (4.12)
x2

 2
 c 1+
 , nếu x > 0.
n
n + 1
1 Γ 2 +∞
R p−1 −x
với c = √ n và Γ(p) = x e dx.
πn Γ

0
2
6.1. Tính chất
Định lý 4.8. Giả sử Z, Z1 , Z2 , .., Zn ∼ N (0; 1). Khi đó
Z
T = n ∼ t(n).
1
Z2
P
n i=1 i
6.2. Đồ thị
Đồ thị của hàm mật độ phân phối Student cũng có dạng hình chuông như đồ thị hàm
mật độ phân phối chuẩn tắc (nhưng có đỉnh thấp hơn và "phần đuôi" trải rộng hơn
phân phối chuẩn).
Ví dụ 87.
7. Phân phối χ2 (Khi bình phương)

Biến ngẫu nhiên X gọi là có phân phối khi bình phương với n bậc tự do, kí hiệu X ∼
χ2 (n), nếu hàm mật độ xác suất của nó có dạng

 0,
 nếu x ≤ 0;
f (x) = n x (4.13)
 c.x 2 −1 .e− 2 , nếu x > 0.

1
với c = n .
n
2 2 .Γ
2
7.1. Tính chất
Định lý 4.9. Gả sử X1 , X2 , ..., Xn ∼ N (0; 1) và là các biến ngẫu nhiên độc lập. Khi đó
X12 + X22 + ...Xn2 ∼ χ2 (n). (4.14)
7.2. Đồ thị
Đồ thị của hàm mật độ phân phối χ2 có dạng hình chuông lệch.

Lythuyet Xacsuat

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

Lythuyet Xacsuat

Uploaded by

Copyright:

Available Formats

LÝ THUYẾT XÁC SUẤT

Nguyễn Trọng Đức 1 Đoàn Hồng Chương 2

1 Giảng viên ĐHQG.TPHCM

1. Giới thiệu về sự ra đời của xác suất

Mối quan hệ giữa tổng thể và mẫu

Xác suất và công thức tính xác suất

1. Nhắc lại về đại số tổ hợp

1.2. Quy tắc nhân

1.6. Nhị thức Newton

Nhị thức Newton

Ví dụ 16. Trong ví dụ 12, biến cố "có ít nhất một mặt sấp" là

A1 = {SS}, A2 = {SN }, A3 = {N S}, A4 = {N N }

2.2. Quan hệ của các biến cố

A là biến cố "xuất hiện mặt chẵn".

B là biến cố "xuất hiện mặt nhị".

C là biến cố "xuất hiện mặt lẻ".

D là biến cố "xuất hiện mặt nhất hoặc tam".

2.2.4. Biến cố kéo theo

2.2.5. Biến cố bù (biến cố đối lập)

1. "có đúng một viên đạn trúng bia" là

A = A1 .A2 .A3 ∪ A1 .A2 .A3 ∪ A1 .A2 .A3 .

3. "có 3 viên đạn trúng bia" là

4. "không có viên đạn nào trúng bia" là

2.2.6. Một vài tính chất

1. Tính chất giao hoán A.B = B.A và A ∪ B = B ∪ A.

2. Tính chất kết hợp (A.B).C = A.(B.C) và (A ∪ B) ∪ C = A ∪ (B ∪ C).

3. Xác suất và công thức tính

Khi đó xác suất của biến cố A là

a) Để xuất hiện 2 mặt giống nhau.

b) Để tổng số nốt xuất hiện là chẵn.

c) Để tổng số nốt xuất hiện là bội của 3.

Tham khảo cách liệt kê của ví dụ 15.

a) Xếp hàng cạnh nhau.

b) Xếp hàng không có ai đứng cạnh nhau.

c) Xếp hàng không đứng cạnh nhau.

• Giai đoạn một, hoán vị 4 bạn nữ, số cách xếp là 4! cách.

Dấu hiệu (số chấm) 1 2 3 4 5 6

4. Nếu A ⊂ B thì P (A) ≤ P (B).

5. Giả sử biến cố A có biến cố bù là A. Khi đó

3.3. Một số quy tắc tính xác suất

Định lý 1.2. Nếu A, B là các biến cố xung khắc, thì

Ω = {0, 1, 2, 3, 4} (i là số lần xuất hiện mặt sấp, i = 0...4).

Quy tắc cộng tổng quát

Định lý 1.4. Nếu A, B là hai biến cố bất kì, thì

P (A ∪ B) = P (A) + P (B) − P (A.B).

Định lý 1.5. Với mọi biến cố A, B, C,

P (A ∪ B ∪ C) = P (A) + P (B) + P (C) − P (A.B) − P (B.C) − P (C.A) + P (A.B.C).

Định lý 1.6. Với mọi biến cố A, B, C, D,

P (A ∪ B ∪ C ∪ D) = P (A) + P (B) + P (C)

Định lý 1.7. Hai biến cố A, B độc lập khi và chỉ khi

P (A.B) = P (A)P (B).

Định lý 1.8. Nếu ba biến cố A, B, C độc lập thì

P (A.B.C) = P (A).P (B).P (C)

3.4. Xác suất có điều kiện

Tán thành Không tán thành Tổng số

3.4.2. Quy tắc nhân xác suất tổng quát

Định lý 1.10. Với mọi biến cố A, B,

P (A.B) = P (B).P (A|B) = P (A).P (B|A).

Định lý 1.11. Với mọi biến cố A, B, C,

P (A.B.C) = P (A).P (B|A).P (C|A.B).

Ví dụ 46. Có 3 hộp đựng các sản phẩm mô tả bởi bảng sau

5 phế phẩm 10 phế phẩm 5 phế phẩm

Dựa vào bảng số liệu, ta có

Zx Z0,1 Z0,5 Zx Z0,1 Z0,5 Zx