Chào mừng bạn đến với bài học về Lý thuyết Công thức xác suất toàn phần và Công thức Bayes trong chương trình Toán 12 Cánh Diều. Đây là một trong những kiến thức quan trọng giúp bạn giải quyết các bài toán xác suất phức tạp.
Bài học này sẽ cung cấp cho bạn những kiến thức nền tảng, công thức quan trọng và các ví dụ minh họa cụ thể để bạn có thể hiểu rõ và áp dụng thành thạo vào các bài tập thực tế.
1. Công thức xác suất toàn phần
1. Công thức xác suất toàn phần
Cho hai biến cố A và B với 0 < P(B) < 1. Khi đó \(P(A) = P(A \cap B) + (A \cap \overline B ) = P(B).P(A|B) + P(\overline B ).P(A|\overline B )\) gọi là công thức xác suất toàn phần. |
Ví dụ 1: Theo một số liệu thống kê, năm 2004 ở Canada có 65% nam giới là thừa cân và 53,4% nữ giới là thừa cân. Nam giới và nữ giới ở Canada đều chiếm 50% dân số cả nước (Nguồn: F. M. Dekking et al., A modern introduction to probability and statistics – Understanding why and how, Springer, 2005). Hỏi rằng, trong năm 2004, xác suất để một người Canada được chọn ngẫu nhiên là người thừa cân bằng bao nhiêu?
Giải:
Xét hai biến cố sau:
A: “Người được chọn ra là người thừa cân”;
B: “Người được chọn ra là nam giới” (biến cố \(\overline B \): “Người được chọn ra là nữ giới”).
Từ giả thiết ta có:
\(P(B) = P(\overline B ) = 50\% = 0,5\); \(P(A|B) = 65\% = 0,65\), \(P(A|\overline B ) = 53,4\% = 0,534\).
Theo công thức xác suất toàn phần, ta có:
\(P(A) = P(B).P(A|B) + P(\overline B ).P(A|\overline B ) = 0,5.0,65 + 0,5.0,534 = 0,592\).
Vậy xác suất để một người Canada được chọn ngẫu nhiên là người thừa cân bằng 0,592.
Lối cách khác, tỉ lệ người Canada thừa cân là 59,2%.
Ví dụ 2: Trong trò chơi hái hoa có thưởng của lớp 12A, cô giáo treo 10 bông hoa trên cành cây, trong đó có 5 bông hoa chưa phiếu có thưởng. Bạn Bình hái bông hoa đầu tiên sau đó bạn An hái bông hoa thứ hai.
a) Vẽ sơ đồ hình cây biểu thị tình huống trên.
b) Từ đó, tính xác suất bạn An hái được bông hoa chứa phiếu có thưởng.
Giải:
Xét hai biến cố:
A: “Bông hoa bạn An hái được chứa phiếu có thưởng”.
B: “Bông hoa bạn Bình hái được chứa phiếu có thưởng”.
Khi đó, ta có:
\(P(B) = \frac{5}{{10}} = \frac{1}{2}\), \(P(\overline B ) = 1 - P(B) = 1 - \frac{1}{2} = \frac{1}{2}\), \(P(A|B) = \frac{4}{9}\), \(P(A|\overline B ) = \frac{5}{9}\).
a) Sơ đồ hình cây biểu thị tình huống đã cho là:
b) Áp dụng công thức xác suất toàn phần, ta có:
\(P(A) = P(B).P(A|B) + P(\overline B ).P(A|\overline B ) = \frac{1}{2}.\frac{4}{9} + \frac{1}{2}.\frac{5}{9} = \frac{1}{2}\).
Vậy xác suất bạn An hái được bông hoa chứa phiếu có thưởng bằng \(\frac{1}{2}\).
2. Công thức Bayes
Với hai biến cố A, B mà P(A) > 0 và P(B) > 0. Khi đó \(P(B|A) = \frac{{P(B).P(A|B)}}{{P(A)}}\) gọi là công thức Bayes. |
Nhận xét: Cho hai biến cố A, B với P(A) > 0, 0 < P(B) < 1. Do \(P(A) = P(A \cap B) + (A \cap \overline B ) = P(B).P(A|B) + P(\overline B ).P(A|\overline B )\)nên công thức Bayes còn có dạng \(P(B|A) = \frac{{P(B).P(A|B)}}{{P(B).P(A|B) + P(\overline B ).P(A|\overline B )}}\).
Ví dụ 1: Cho hai biến cố A, B sao cho P(A) = 0,6; P(B) = 0,4; P(A|B) = 0,3. Tính P(B|A).
Giải:
Áp dụng công thức Bayes, ta có: \(P(B|A) = \frac{{P(B).P(A|B)}}{{P(A)}} = \frac{{0,4.0,3}}{{0,6}} = 0,2\).
Ví dụ 2: Giả sử có một loại bệnh mà tỷ lệ người mắc bệnh là 0,1%. Giả sử có một loại xét nghiệm, mà ai mắc bệnh khi xét nghiệm cũng có phản ứng dương tính, nhưng tỷ lệ phản ứng dương tính giả là 5% (tức là trong số những người không bị bệnh có 5% số người xét nghiệm lại có phản ứng dương tính).
a) Vẽ sơ đồ hình cây biểu thị tình huống trên.
b) Khi một người xét nghiệm có phản ứng dương tính thì khả năng mắc bệnh của người đó bao nhiêu phần trăm (làm tron kết quả đánh hàng phần trăm)?
Giải:
a) Xét hai biến cố:
K: “Người được chọn ra không mắc bệnh”.
D: “Người được chọn ra có phản ứng dương tính”.
Do tỷ lệ mắc bệnh là 0,1% = 0,001 nên P(K) = 1 - 0,001 = 0,999.
Trong số những người mắc bệnh có 5% số người có phản ứng dương tính nên P(D|K) = 5% = 0,05. Vì ai mắc bệnh khi xét nghiệm cũng phản ứng dương tính nên \(P(D|\overline K ) = 1\).
Sơ đồ hình cây ở Hình 3 biểu thị tình huống đã cho.
b) Ta thấy: Khả năng mắc bệnh của một người xét nghiệm có phản ứng dương tính chính là \(P(\overline K |D)\). Áp dụng công thức Bayes, ta có:
\(P(\overline K |D) = \frac{{P(\overline K ).P(D|\overline K )}}{{P(\overline K ).P(D|\overline K ) + P(K).P(D|K)}} = \frac{{0,001}}{{0,001 + 0,999.0,05}} = 1,96\% \).
Vậy xác suất mắc bệnh của một người xét nghiệm có phản ứng dương tính là 1,96%.
Xác suất là một lĩnh vực quan trọng trong toán học, ứng dụng rộng rãi trong nhiều ngành khoa học và đời sống. Trong chương trình Toán 12, học sinh sẽ được làm quen với các khái niệm cơ bản về xác suất, các quy tắc tính xác suất và các ứng dụng của xác suất trong thực tế. Một trong những nội dung quan trọng của chương trình là lý thuyết về công thức xác suất toàn phần và công thức Bayes.
Công thức xác suất toàn phần được sử dụng để tính xác suất của một biến cố khi biến cố đó có thể xảy ra thông qua một số các biến cố khác loại trừ lẫn nhau.
Phát biểu: Giả sử A là một biến cố. Gọi B1, B2, ..., Bn là một hệ các biến cố xung khắc đôi một và thỏa mãn:
Khi đó, xác suất của biến cố A được tính theo công thức:
P(A) = P(A|B1)P(B1) + P(A|B2)P(B2) + ... + P(A|Bn)P(Bn)
Ví dụ: Một nhà máy có hai dây chuyền sản xuất. Dây chuyền 1 sản xuất 60% tổng số sản phẩm và tỷ lệ sản phẩm lỗi là 2%. Dây chuyền 2 sản xuất 40% tổng số sản phẩm và tỷ lệ sản phẩm lỗi là 3%. Tính xác suất một sản phẩm được chọn ngẫu nhiên từ nhà máy là sản phẩm lỗi.
Giải:
Ta có:
Áp dụng công thức xác suất toàn phần, ta có:
P(A) = P(A|B1)P(B1) + P(A|B2)P(B2) = 0.02 * 0.6 + 0.03 * 0.4 = 0.024
Công thức Bayes được sử dụng để tính xác suất có điều kiện của một biến cố khi biết kết quả của một biến cố khác.
Phát biểu: Giả sử A và B là hai biến cố. Khi đó, xác suất của biến cố A khi biết biến cố B đã xảy ra được tính theo công thức:
P(A|B) = [P(B|A)P(A)] / P(B)
Trong đó, P(B) có thể được tính theo công thức xác suất toàn phần:
P(B) = P(B|A1)P(A1) + P(B|A2)P(A2) + ... + P(B|An)P(An)
Ví dụ: Một bệnh viện thực hiện xét nghiệm để chẩn đoán một loại bệnh. Xét nghiệm có độ chính xác 95%, nghĩa là nếu một người mắc bệnh, xét nghiệm sẽ cho kết quả dương tính với xác suất 95%, và nếu một người không mắc bệnh, xét nghiệm sẽ cho kết quả âm tính với xác suất 95%. Biết rằng tỷ lệ người mắc bệnh trong cộng đồng là 1%. Nếu một người được xét nghiệm và kết quả dương tính, tính xác suất người đó mắc bệnh.
Giải:
Ta có:
Áp dụng công thức Bayes, ta có:
P(A|B) = [P(B|A)P(A)] / [P(B|A)P(A) + P(B|¬A)P(¬A)] = (0.95 * 0.01) / (0.95 * 0.01 + 0.05 * 0.99) ≈ 0.161
Công thức xác suất toàn phần và công thức Bayes có nhiều ứng dụng trong thực tế, bao gồm:
Để nắm vững kiến thức về công thức xác suất toàn phần và công thức Bayes, bạn nên luyện tập thêm các bài tập vận dụng. Dưới đây là một số bài tập tham khảo:
Hy vọng bài học này đã giúp bạn hiểu rõ hơn về lý thuyết Công thức xác suất toàn phần và Công thức Bayes trong chương trình Toán 12 Cánh Diều. Chúc bạn học tốt!
Stay updated with the latest technology news, learn new skills with our how-to guides, and discover your next favorite film or album. Explore now!
Khám phá 'Sự Cứu Rỗi Của Thánh Nữ' của Higashino Keigo - một vụ án mạng phức tạp, xoay quanh những bí mật đen tối và góc khuất tâm lý. Đọc ngay để hiểu rõ hơn về sự thật rùng rợn!
Tìm hiểu về Fractal, một khái niệm hình học độc đáo. Bài viết này sẽ hé lộ những điều thú vị về Fractal mà bạn chưa từng biết! Khám phá ngay!
Giải mã paradox - hiện tượng tưởng chừng vô nghĩa nhưng chứa đựng triết lý sâu sắc. Khám phá các loại paradox phổ biến và ứng dụng bất ngờ của chúng! Click để tìm hiểu!
Đắm chìm vào thế giới trinh thám đầy u ám của 'Tên của trò chơi là bắt cóc'. Phân tích sâu về tâm lý nhân vật, ranh giới thiện ác mong manh và những bí mật bị che giấu. Liệu bạn có dám đối mặt với sự thật khi ai cũng là kẻ ác? Khám phá ngay!
Khám phá phương pháp độc đáo giúp con tự tin giải quyết bài tập Toán nâng cao lớp 1. Xem ngay lời giải chi tiết, dễ hiểu và các mẹo học tập hiệu quả! Đừng bỏ lỡ!
