Định Lý Cộng và Định Lý Nhân Xác Suất: Bài Tập Minh Họa Chi Tiết

Trong lĩnh vực xác suất thống kê, định lý cộng và định lý nhân xác suất là hai nền tảng cốt lõi, giúp chúng ta tính toán xác suất của các sự kiện phức tạp một cách hiệu quả. Bài viết này sẽ đi sâu vào định lý cộng và định lý nhân xác suất, cung cấp các ví dụ minh họa chi tiết, giúp bạn nắm vững cách áp dụng chúng vào giải quyết các bài toán thực tế. Chúng ta sẽ cùng khám phá cách áp dụng định lý cộng xác suất, công thức định lý nhân xác suất, và phân biệt sự kiện độc lập và phụ thuộc để nâng cao khả năng giải đề.

Đề Bài

Bài tập 1:
Trong một hộp có 3 bi xanh, 4 bi đỏ, 5 bi vàng. Lấy ngẫu nhiên 3 bi. Tính xác suất để:
a) Ba bi lấy ra có màu giống nhau.
b) Ba bi lấy ra có đủ ba màu.
c) Ba bi lấy ra có đúng hai màu.

Bài tập 2:
Một hộp chứa 5 bi xanh và 7 bi đỏ. Lấy ngẫu nhiên lần lượt từng bi một.
a) Tính xác suất để bi thứ hai là bi xanh.
b) Tính xác suất để bi thứ ba là bi xanh.

Bài tập 3:
Cho hai biến cố A và B. Biết P(A) = 0.6, P(B) = 0.7, P(A cup B) = 0.8.
a) Tính $P(A cap B)$.
b) Tính P(A|B).
c) Tính P(B|A).
d) A và B có độc lập không? Tại sao?

Bài tập 4:
Gieo một con súc sắc cân đối và đồng chất 3 lần.
a) Tính xác suất để cả ba lần gieo đều xuất hiện mặt 6 chấm.
b) Tính xác suất để có đúng một lần xuất hiện mặt 6 chấm.
c) Tính xác suất để ít nhất một lần xuất hiện mặt 6 chấm.

Bài tập 5:
Biết rằng 2% dân số mắc bệnh X. Một phương pháp xét nghiệm bệnh X có độ nhạy là 95% (xác suất dương tính thật khi bị bệnh) và độ đặc hiệu là 90% (xác suất âm tính thật khi không bị bệnh).
a) Nếu một người xét nghiệm dương tính, xác suất người đó thực sự mắc bệnh X là bao nhiêu?
b) Nếu một người xét nghiệm âm tính, xác suất người đó thực sự không mắc bệnh X là bao nhiêu?

Phân Tích Yêu Cầu

Các bài tập trên bao gồm nhiều dạng toán khác nhau liên quan đến xác suất:

• Bài tập 1: Liên quan đến tổ hợp và định lý cộng xác suất cho các sự kiện xung khắc (ba bi cùng màu, ba bi đủ màu, ba bi hai màu).
• Bài tập 2: Liên quan đến xác suất có điều kiện hoặc xác suất của biến cố trong chuỗi thử nghiệm lấy không hoàn lại.
• Bài tập 3: Ứng dụng trực tiếp các công thức định lý cộng, định lý nhân và khái niệm độc lập cho hai biến cố.
• Bài tập 4: Tính toán xác suất cho chuỗi các phép thử độc lập (gieo súc sắc nhiều lần) sử dụng định lý nhân xác suất và biến cố đối.
• Bài tập 5: Là một bài toán thực tế về chẩn đoán y tế, áp dụng định lý Bayes (một dạng mở rộng của định lý nhân xác suất có điều kiện).

Kiến Thức/Nền Tảng Cần Dùng

Để giải quyết các bài tập trên, chúng ta cần nắm vững các kiến thức sau:

1. Các Khái Niệm Cơ Bản về Xác Suất

• Không gian mẫu ($Omega$): Tập hợp tất cả các kết quả có thể xảy ra của một phép thử ngẫu nhiên.
• Biến cố (Event): Một tập hợp con của không gian mẫu.
• Xác suất của biến cố (P(A)): Số đo khả năng xảy ra của biến cố A, với 0 \le P(A) \le 1.
• Tổ hợp:
  • Số chỉnh hợp chập k của n phần tử: A_n^k = \frac{n!}{(n-k)!}
  • Số tổ hợp chập k của n phần tử: C_n^k = binom{n}{k} = \frac{n!}{k!(n-k)!}

2. Định Lý Cộng Xác Suất

Cho hai biến cố A và B.

• Trường hợp tổng quát:
  P(A cup B) = P(A) + P(B) - P(A cap B)
  (Xác suất hợp của A và B bằng tổng xác suất của A và B trừ đi xác suất giao của A và B).

• Trường hợp hai biến cố xung khắc (không thể đồng thời xảy ra):
  Nếu A cap B = emptyset, thì P(A cap B) = 0. Khi đó:
  P(A cup B) = P(A) + P(B)

3. Định Lý Nhân Xác Suất

Cho hai biến cố A và B.

• Trường hợp tổng quát:
  P(A cap B) = P(A) \times P(B|A)
  hoặc P(A cap B) = P(B) \times P(A|B)
  (Xác suất giao của A và B bằng xác suất của A nhân với xác suất có điều kiện của B biết A đã xảy ra, hoặc ngược lại).

• Trường hợp hai biến cố độc lập:
  Nếu A và B độc lập với nhau, thì P(B|A) = P(B) và P(A|B) = P(A). Khi đó:
  P(A cap B) = P(A) \times P(B)

4. Xác Suất Có Điều Kiện

Xác suất có điều kiện của biến cố A xảy ra, biết rằng biến cố B đã xảy ra, ký hiệu là P(A|B), được tính bằng công thức:
P(A|B) = \frac{P(A cap B)}{P(B)} (với $P(B) > 0$).

5. Biến cố Độc Lập và Phụ Thuộc

• Biến cố độc lập: Sự xảy ra hay không xảy ra của biến cố này không ảnh hưởng đến xác suất xảy ra của biến cố kia. Điều kiện là P(A cap B) = P(A)P(B).
• Biến cố phụ thuộc: Sự xảy ra hay không xảy ra của biến cố này ảnh hưởng đến xác suất xảy ra của biến cố kia.

6. Biến cố Đối

Biến cố đối của A, ký hiệu bar{A} hoặc A^c, là biến cố “A không xảy ra”.
P(bar{A}) = 1 - P(A)

7. Định Lý Bayes

Cho $n$ biến cố A_1, A_2, \ldots, A_n lập thành một hệ biến cố đầy đủ (từng đôi xung khắc và hợp của chúng là không gian mẫu). Khi đó, với một biến cố B bất kỳ:
P(A_i|B) = \frac{P(B|A_i)P(A_i)}{P(B)} = \frac{P(B|A_i)P(A<em>i)}{sum</em>{j=1}^{n} P(B|A_j)P(A_j)}

Hướng Dẫn Giải Chi Tiết

Bài tập 1: Tổ hợp và Định Lý Cộng

Đề bài: Trong một hộp có 3 bi xanh, 4 bi đỏ, 5 bi vàng. Lấy ngẫu nhiên 3 bi. Tính xác suất để:
a) Ba bi lấy ra có màu giống nhau.
b) Ba bi lấy ra có đủ ba màu.
c) Ba bi lấy ra có đúng hai màu.

Phân tích:
Tổng số bi trong hộp là 3 + 4 + 5 = 12 bi.
Số cách lấy ngẫu nhiên 3 bi từ 12 bi là tổ hợp chập 3 của 12:
|Omega| = C_{12}^3 = \frac{12!}{3!(12-3)!} = \frac{12 \times 11 \times 10}{3 \times 2 \times 1} = 2 \times 11 \times 10 = 220 cách.

a) Ba bi lấy ra có màu giống nhau:
Đây là trường hợp hợp của ba biến cố xung khắc: “ba bi đều xanh”, “ba bi đều đỏ”, “ba bi đều vàng”.

• Biến cố $A$: “Ba bi lấy ra màu xanh”. Số cách lấy 3 bi xanh từ 3 bi xanh là C_3^3 = 1.
  P(A) = \frac{C<em>3^3}{C</em>{12}^3} = \frac{1}{220}.
• Biến cố $B$: “Ba bi lấy ra màu đỏ”. Số cách lấy 3 bi đỏ từ 4 bi đỏ là C_4^3 = \frac{4!}{3!1!} = 4.
  P(B) = \frac{C<em>4^3}{C</em>{12}^3} = \frac{4}{220}.
• Biến cố $C$: “Ba bi lấy ra màu vàng”. Số cách lấy 3 bi vàng từ 5 bi vàng là C_5^3 = \frac{5!}{3!2!} = \frac{5 \times 4}{2 \times 1} = 10.
  P(C) = \frac{C<em>5^3}{C</em>{12}^3} = \frac{10}{220}.

Vì A, B, C là các biến cố xung khắc (không thể đồng thời xảy ra), xác suất để ba bi có màu giống nhau là:
P(A cup B cup C) = P(A) + P(B) + P(C) = \frac{1}{220} + \frac{4}{220} + \frac{10}{220} = \frac{15}{220} = \frac{3}{44}.

b) Ba bi lấy ra có đủ ba màu:

• Biến cố $D$: “Ba bi lấy ra có đủ ba màu”. Điều này có nghĩa là lấy 1 bi xanh, 1 bi đỏ, và 1 bi vàng.
  Số cách lấy 1 bi xanh từ 3 bi xanh là C_3^1 = 3.
  Số cách lấy 1 bi đỏ từ 4 bi đỏ là C_4^1 = 4.
  Số cách lấy 1 bi vàng từ 5 bi vàng là C_5^1 = 5.
  Số cách để có đủ ba màu là C_3^1 \times C_4^1 \times C_5^1 = 3 \times 4 \times 5 = 60.
  P(D) = \frac{60}{220} = \frac{6}{22} = \frac{3}{11}.

c) Ba bi lấy ra có đúng hai màu:
Biến cố này là phần bù của hai trường hợp trên (ba màu giống nhau hoặc ba màu khác nhau).

• Biến cố $E$: “Ba bi lấy ra có đúng hai màu”.
  P(E) = 1 - P(\text{ba màu giống nhau}) - P(\text{ba màu khác nhau})
  P(E) = 1 - P(A cup B cup C) - P(D)
  P(E) = 1 - \frac{15}{220} - \frac{60}{220} = 1 - \frac{75}{220} = \frac{220 - 75}{220} = \frac{145}{220} = \frac{29}{44}.

• Mẹo kiểm tra: Tổng xác suất của ba trường hợp (ba màu giống nhau, ba màu khác nhau, hai màu) phải bằng 1.
  \frac{15}{220} + \frac{60}{220} + \frac{145}{220} = \frac{220}{220} = 1.

• Lỗi hay gặp:

  • Nhầm lẫn giữa chỉnh hợp và tổ hợp khi đếm số cách lấy bi.
  • Không liệt kê hết các trường hợp xung khắc khi dùng định lý cộng.
  • Tính sai số lượng bi còn lại sau khi lấy ra ở các bài toán lấy không hoàn lại.

Bài tập 2: Xác Suất Chuỗi Thử Nghiệm Lấy Không Hoàn Lại

Đề bài: Một hộp chứa 5 bi xanh và 7 bi đỏ. Lấy ngẫu nhiên lần lượt từng bi một.
a) Tính xác suất để bi thứ hai là bi xanh.
b) Tính xác suất để bi thứ ba là bi xanh.

Phân tích:
Tổng số bi ban đầu là 5 + 7 = 12 bi. Việc lấy bi “lần lượt từng bi một” ngụ ý đây là phép lấy không hoàn lại.

a) Tính xác suất để bi thứ hai là bi xanh:
Gọi X_1 là biến cố bi thứ nhất lấy ra là xanh, D_1 là biến cố bi thứ nhất lấy ra là đỏ.
Gọi X_2 là biến cố bi thứ hai lấy ra là xanh.
Ta có thể tính P(X_2) bằng cách sử dụng công thức xác suất toàn phần:
P(X_2) = P(X_2|X_1)P(X_1) + P(X_2|D_1)P(D_1)

• P(X_1): Xác suất bi thứ nhất là xanh. Có 5 bi xanh trong 12 bi.
  P(X_1) = \frac{5}{12}.

• P(D_1): Xác suất bi thứ nhất là đỏ. Có 7 bi đỏ trong 12 bi.
  P(D_1) = \frac{7}{12}.

• P(X_2|X_1): Xác suất bi thứ hai là xanh, biết bi thứ nhất đã là xanh.
  Sau khi lấy 1 bi xanh, còn lại 4 bi xanh và 7 bi đỏ, tổng cộng 11 bi.
  P(X_2|X_1) = \frac{4}{11}.

• P(X_2|D_1): Xác suất bi thứ hai là xanh, biết bi thứ nhất đã là đỏ.
  Sau khi lấy 1 bi đỏ, còn lại 5 bi xanh và 6 bi đỏ, tổng cộng 11 bi.
  P(X_2|D_1) = \frac{5}{11}.

Áp dụng công thức xác suất toàn phần:
P(X_2) = P(X_2|X_1)P(X_1) + P(X_2|D_1)P(D_1)
P(X_2) = \left(\frac{4}{11}\right) \times \left(\frac{5}{12}\right) + \left(\frac{5}{11}\right) \times \left(\frac{7}{12}\right)
P(X_2) = \frac{20}{132} + \frac{35}{132} = \frac{55}{132} = \frac{5}{12}.

• Nhận xét: Xác suất để bi thứ hai là xanh (5/12) bằng với xác suất để bi thứ nhất là xanh (5/12). Điều này là đặc trưng của phép lấy mẫu không hoàn lại khi ta không biết kết quả của lần lấy trước đó.

b) Tính xác suất để bi thứ ba là bi xanh:
Gọi X_3 là biến cố bi thứ ba lấy ra là xanh. Ta cũng dùng xác suất toàn phần. Tuy nhiên, có nhiều trường hợp cho hai lần lấy đầu. Gọi $S$ là xanh, $D$ là đỏ.
Các trường hợp có thể xảy ra cho 2 lần lấy đầu: SS, SD, DS, DD.
P(X_3) = P(X_3|SS)P(SS) + P(X_3|SD)P(SD) + P(X_3|DS)P(DS) + P(X_3|DD)P(DD)

• P(SS) = P(X_1)P(X_2|X_1) = \frac{5}{12} \times \frac{4}{11} = \frac{20}{132}
• P(SD) = P(D_1)P(X_2|D_1) = \frac{7}{12} \times \frac{5}{11} = \frac{35}{132}
• P(DS) = P(X_1)P(D_2|X_1) = \frac{5}{12} \times \frac{7}{11} = \frac{35}{132}
• P(DD) = P(D_1)P(D_2|D_1) = \frac{7}{12} \times \frac{6}{11} = \frac{42}{132}
  (Kiểm tra: Tổng xác suất 20+35+35+42 = 132, khớp với mẫu số $132$).

Bây giờ tính xác suất có điều kiện cho X_3:

• P(X_3|SS): Lấy 2 bi xanh đầu. Còn lại 3 bi xanh, 7 bi đỏ (tổng 10). P(X_3|SS) = \frac{3}{10}.
• P(X_3|SD): Lấy 1 xanh, 1 đỏ đầu. Còn lại 4 bi xanh, 6 bi đỏ (tổng 10). P(X_3|SD) = \frac{4}{10}.
• P(X_3|DS): Lấy 1 đỏ, 1 xanh đầu. Còn lại 4 bi xanh, 6 bi đỏ (tổng 10). P(X_3|DS) = \frac{4}{10}.
• P(X_3|DD): Lấy 2 bi đỏ đầu. Còn lại 5 bi xanh, 5 bi đỏ (tổng 10). P(X_3|DD) = \frac{5}{10}.

Thay vào công thức:
P(X_3) = \left(\frac{3}{10}\right)\left(\frac{20}{132}\right) + \left(\frac{4}{10}\right)\left(\frac{35}{132}\right) + \left(\frac{4}{10}\right)\left(\frac{35}{132}\right) + \left(\frac{5}{10}\right)\left(\frac{42}{132}\right)
P(X_3) = \frac{60}{1320} + \frac{140}{1320} + \frac{140}{1320} + \frac{210}{1320} = \frac{550}{1320} = \frac{55}{132} = \frac{5}{12}.

• Nhận xét: Xác suất để bi thứ ba là xanh cũng là 5/12. Điều này minh chứng cho tính chất đối xứng của phép lấy mẫu ngẫu nhiên không hoàn lại: xác suất của một biến cố ở một vị trí lấy mẫu cố định, khi không biết kết quả các lần lấy khác, luôn bằng xác suất ban đầu của biến cố đó.

• Lỗi hay gặp:

  • Nhầm lẫn giữa lấy có hoàn lại và không hoàn lại.
  • Tính sai số bi còn lại sau mỗi lần lấy.
  • Không sử dụng đúng công thức xác suất toàn phần cho các biến cố phụ thuộc.

Bài tập 3: Định Lý Cộng, Nhân và Độc Lập

Đề bài: Cho hai biến cố A và B. Biết P(A) = 0.6, P(B) = 0.7, P(A cup B) = 0.8.
a) Tính $P(A cap B)$.
b) Tính P(A|B).
c) Tính P(B|A).
d) A và B có độc lập không? Tại sao?

Phân tích:
Chúng ta có các giá trị xác suất ban đầu và xác suất hợp. Các yêu cầu bao gồm tính xác suất giao, xác suất có điều kiện và kiểm tra tính độc lập.

a) Tính $P(A cap B)$:
Sử dụng định lý cộng xác suất ở dạng tổng quát:
P(A cup B) = P(A) + P(B) - P(A cap B)
0.8 = 0.6 + 0.7 - P(A cap B)
0.8 = 1.3 - P(A cap B)
P(A cap B) = 1.3 - 0.8 = 0.5.

b) Tính P(A|B):
Sử dụng công thức xác suất có điều kiện:
P(A|B) = \frac{P(A cap B)}{P(B)}
P(A|B) = \frac{0.5}{0.7} = \frac{5}{7}.

c) Tính P(B|A):
Sử dụng công thức xác suất có điều kiện:
P(B|A) = \frac{P(A cap B)}{P(A)}
P(B|A) = \frac{0.5}{0.6} = \frac{5}{6}.

d) A và B có độc lập không? Tại sao?
Để kiểm tra tính độc lập, ta so sánh $P(A cap B)$ với $P(A)P(B)$.
P(A cap B) = 0.5.
P(A)P(B) = 0.6 \times 0.7 = 0.42.

Vì P(A cap B) = 0.5 \ne 0.42 = P(A)P(B), nên A và B không độc lập. Chúng là hai biến cố phụ thuộc.

• Mẹo kiểm tra:

  • Kiểm tra xem P(A|B) có bằng $P(A)$ không. Ở đây, \frac{5}{7} \ne 0.6.
  • Kiểm tra xem P(B|A) có bằng $P(B)$ không. Ở đây, \frac{5}{6} \ne 0.7.
    Nếu một trong các điều kiện này đúng, thì chúng độc lập.

• Lỗi hay gặp:

  • Nhầm lẫn giữa định lý cộng và định lý nhân.
  • Quên trừ đi phần giao $P(A cap B)$ khi tính $P(A cup B)$ cho trường hợp tổng quát.
  • Không nhớ rõ điều kiện để hai biến cố độc lập.

Bài tập 4: Chuỗi Thử Nghiệm Độc Lập và Biến Cố Đối

Đề bài: Gieo một con súc sắc cân đối và đồng chất 3 lần.
a) Tính xác suất để cả ba lần gieo đều xuất hiện mặt 6 chấm.
b) Tính xác suất để có đúng một lần xuất hiện mặt 6 chấm.
c) Tính xác suất để ít nhất một lần xuất hiện mặt 6 chấm.

Phân tích:
Mỗi lần gieo súc sắc là một phép thử độc lập với nhau. Xác suất xuất hiện mặt 6 chấm trong một lần gieo là p = \frac{1}{6}. Xác suất không xuất hiện mặt 6 chấm là q = 1 - p = 1 - \frac{1}{6} = \frac{5}{6}. Đây là một chuỗi các phép thử Bernoulli.

a) Tính xác suất để cả ba lần gieo đều xuất hiện mặt 6 chấm:
Gọi $A$ là biến cố cả ba lần gieo đều xuất hiện mặt 6 chấm.
Vì các lần gieo là độc lập, ta dùng định lý nhân xác suất:
P(A) = P(\text{lần 1 ra 6}) \times P(\text{lần 2 ra 6}) \times P(\text{lần 3 ra 6})
P(A) = \frac{1}{6} \times \frac{1}{6} \times \frac{1}{6} = \left(\frac{1}{6}\right)^3 = \frac{1}{216}.

b) Tính xác suất để có đúng một lần xuất hiện mặt 6 chấm:
Gọi $B$ là biến cố có đúng một lần xuất hiện mặt 6 chấm.
Có 3 trường hợp có thể xảy ra cho biến cố này:

• Lần 1 ra 6, lần 2 không ra 6, lần 3 không ra 6: P = \frac{1}{6} \times \frac{5}{6} \times \frac{5}{6} = \frac{25}{216}.
• Lần 1 không ra 6, lần 2 ra 6, lần 3 không ra 6: P = \frac{5}{6} \times \frac{1}{6} \times \frac{5}{6} = \frac{25}{216}.
• Lần 1 không ra 6, lần 2 không ra 6, lần 3 ra 6: P = \frac{5}{6} \times \frac{5}{6} \times \frac{1}{6} = \frac{25}{216}.

Ba trường hợp này là xung khắc, nên ta cộng xác suất của chúng lại (sử dụng định lý cộng xác suất):
P(B) = \frac{25}{216} + \frac{25}{216} + \frac{25}{216} = 3 \times \frac{25}{216} = \frac{75}{216} = \frac{25}{72}.

• Cách khác (sử dụng công thức Bernoulli): Số lần thành công (xuất hiện mặt 6) là k=1, số phép thử là n=3, xác suất thành công là p=\frac{1}{6}.
  P(B) = C_n^k p^k (1-p)^{n-k} = C_3^1 \left(\frac{1}{6}\right)^1 \left(\frac{5}{6}\right)^{3-1} = 3 \times \frac{1}{6} \times \left(\frac{5}{6}\right)^2 = 3 \times \frac{1}{6} \times \frac{25}{36} = \frac{75}{216} = \frac{25}{72}.

c) Tính xác suất để ít nhất một lần xuất hiện mặt 6 chấm:
Gọi $C$ là biến cố ít nhất một lần xuất hiện mặt 6 chấm.
Ta sử dụng biến cố đối. Biến cố đối của $C$ là “không có lần nào xuất hiện mặt 6 chấm” (tức là cả ba lần đều không ra mặt 6).

• Biến cố bar{C}: “Cả ba lần đều không xuất hiện mặt 6 chấm”.
  P(bar{C}) = P(\text{lần 1 không ra 6}) \times P(\text{lần 2 không ra 6}) \times P(\text{lần 3 không ra 6})
  P(bar{C}) = \frac{5}{6} \times \frac{5}{6} \times \frac{5}{6} = \left(\frac{5}{6}\right)^3 = \frac{125}{216}.

Xác suất của biến cố $C$ là:
P(C) = 1 - P(bar{C}) = 1 - \frac{125}{216} = \frac{216 - 125}{216} = \frac{91}{216}.

• Mẹo kiểm tra:

  • Xác suất có đúng 0 lần ra 6: P(0) = C_3^0 (\frac{1}{6})^0 (\frac{5}{6})^3 = \frac{125}{216}. (Khớp với P(bar{C})).
  • Xác suất có đúng 1 lần ra 6: P(1) = \frac{75}{216}. (Khớp với câu b).
  • Xác suất có đúng 2 lần ra 6: P(2) = C_3^2 (\frac{1}{6})^2 (\frac{5}{6})^1 = 3 \times \frac{1}{36} \times \frac{5}{6} = \frac{15}{216}.
  • Xác suất có đúng 3 lần ra 6: P(3) = C_3^3 (\frac{1}{6})^3 (\frac{5}{6})^0 = 1 \times \frac{1}{216} \times 1 = \frac{1}{216}. (Khớp với câu a).
  • Tổng xác suất: \frac{125+75+15+1}{216} = \frac{216}{216} = 1.

• Lỗi hay gặp:

  • Nhầm lẫn giữa biến cố độc lập và phụ thuộc.
  • Quên sử dụng công thức biến cố đối cho trường hợp “ít nhất”.
  • Tính toán sai lũy thừa hoặc phân số.

Bài tập 5: Định Lý Bayes trong Y Khoa

Đề bài: Biết rằng 2% dân số mắc bệnh X. Một phương pháp xét nghiệm bệnh X có độ nhạy là 95% (xác suất dương tính thật khi bị bệnh) và độ đặc hiệu là 90% (xác suất âm tính thật khi không bị bệnh).
a) Nếu một người xét nghiệm dương tính, xác suất người đó thực sự mắc bệnh X là bao nhiêu?
b) Nếu một người xét nghiệm âm tính, xác suất người đó thực sự không mắc bệnh X là bao nhiêu?

Phân tích:
Đây là bài toán điển hình của định lý Bayes. Chúng ta cần định nghĩa các biến cố và sử dụng xác suất có điều kiện.

Đặt các biến cố:

• $B$: Người đó mắc bệnh X. P(B) = 0.02.
• bar{B}: Người đó không mắc bệnh X. P(bar{B}) = 1 - P(B) = 1 - 0.02 = 0.98.
• $DT$: Kết quả xét nghiệm dương tính.
• $DT’$: Kết quả xét nghiệm âm tính.

Thông tin từ đề bài:

• Độ nhạy (Sensitivity): P(DT | B) = 0.95 (Xác suất dương tính khi đã mắc bệnh).
• Độ đặc hiệu (Specificity): P(DT' | bar{B}) = 0.90 (Xác suất âm tính khi không mắc bệnh).

Từ độ đặc hiệu, ta suy ra xác suất dương tính giả (False Positive Rate):
P(DT | bar{B}) = 1 - P(DT' | bar{B}) = 1 - 0.90 = 0.10.

Từ độ nhạy, ta suy ra xác suất âm tính giả (False Negative Rate):
P(DT' | B) = 1 - P(DT | B) = 1 - 0.95 = 0.05.

a) Nếu một người xét nghiệm dương tính, xác suất người đó thực sự mắc bệnh X là bao nhiêu?
Ta cần tính P(B | DT). Sử dụng định lý Bayes:
P(B | DT) = \frac{P(DT | B) P(B)}{P(DT)}

Đầu tiên, ta cần tính $P(DT)$ (xác suất xét nghiệm dương tính) bằng công thức xác suất toàn phần:
P(DT) = P(DT | B) P(B) + P(DT | bar{B}) P(bar{B})
P(DT) = (0.95 \times 0.02) + (0.10 \times 0.98)
P(DT) = 0.019 + 0.098 = 0.117.

Bây giờ, thay vào công thức Bayes:
P(B | DT) = \frac{0.019}{0.117} = \frac{19}{117} \approx 0.1624 hay khoảng 16.24%.

• Diễn giải: Mặc dù xét nghiệm cho kết quả dương tính với độ nhạy cao (95%), xác suất thực sự mắc bệnh chỉ khoảng 16.24%. Điều này là do tỷ lệ mắc bệnh trong dân số ban đầu (2%) là khá thấp, dẫn đến tỷ lệ dương tính giả (10%) có ảnh hưởng đáng kể.

b) Nếu một người xét nghiệm âm tính, xác suất người đó thực sự không mắc bệnh X là bao nhiêu?
Ta cần tính P(bar{B} | DT'). Sử dụng định lý Bayes:
P(bar{B} | DT') = \frac{P(DT' | bar{B}) P(bar{B})}{P(DT')}

Đầu tiên, ta cần tính $P(DT’)$ (xác suất xét nghiệm âm tính) bằng công thức xác suất toàn phần:
P(DT') = P(DT' | B) P(B) + P(DT' | bar{B}) P(bar{B})
P(DT') = (0.05 \times 0.02) + (0.90 \times 0.98)
P(DT') = 0.001 + 0.882 = 0.883.

Bây giờ, thay vào công thức Bayes:
P(bar{B} | DT') = \frac{0.882}{0.883} = \frac{882}{883} \approx 0.99887 hay khoảng 99.89%.

• Diễn giải: Nếu kết quả xét nghiệm âm tính, xác suất người đó không mắc bệnh là rất cao (gần 99.89%), điều này phù hợp với trực giác vì cả độ đặc hiệu (90%) và tỷ lệ không mắc bệnh trong dân số (98%) đều cao.

• Lỗi hay gặp:

  • Nhầm lẫn giữa xác suất có điều kiện P(A|B) và P(B|A).
  • Nhầm lẫn giữa độ nhạy, độ đặc hiệu và các tỷ lệ dương tính/âm tính giả.
  • Không tính được xác suất tổng của các biến cố (ví dụ: $P(DT)$ hoặc $P(DT’)$).

Đáp Án/Kết Quả

Sau khi xem xét chi tiết từng bài tập, chúng ta có các kết quả chính như sau:

• Bài tập 1:

  • a) Xác suất ba bi cùng màu: \frac{3}{44}.
  • b) Xác suất ba bi đủ ba màu: \frac{3}{11}.
  • c) Xác suất ba bi có đúng hai màu: \frac{29}{44}.

• Bài tập 2:

  • a) Xác suất bi thứ hai là bi xanh: \frac{5}{12}.
  • b) Xác suất bi thứ ba là bi xanh: \frac{5}{12}.

• Bài tập 3:

  • a) P(A cap B) = 0.5.
  • b) P(A|B) = \frac{5}{7}.
  • c) P(B|A) = \frac{5}{6}.
  • d) A và B không độc lập vì P(A cap B) \ne P(A)P(B).

• Bài tập 4:

  • a) Xác suất cả ba lần đều ra mặt 6 chấm: \frac{1}{216}.
  • b) Xác suất có đúng một lần ra mặt 6 chấm: \frac{25}{72}.
  • c) Xác suất ít nhất một lần ra mặt 6 chấm: \frac{91}{216}.

• Bài tập 5:

  • a) Xác suất thực sự mắc bệnh X khi xét nghiệm dương tính: \approx 16.24%.
  • b) Xác suất thực sự không mắc bệnh X khi xét nghiệm âm tính: \approx 99.89%.

Nắm vững định lý cộng và định lý nhân xác suất cùng các khái niệm liên quan như xác suất có điều kiện, biến cố độc lập, biến cố đối và định lý Bayes là vô cùng quan trọng. Các bài tập trên đã minh họa cách áp dụng linh hoạt các công cụ toán học này để giải quyết nhiều tình huống khác nhau, từ các bài toán xác suất cơ bản đến các ứng dụng thực tế phức tạp. Luyện tập thường xuyên với các dạng bài này sẽ giúp bạn tự tin hơn trong việc phân tích và giải quyết các vấn đề liên quan đến xác suất.

Ngày chỉnh sửa nội dung mới nhất January 7, 2026 by Thầy Đông

Thầy Đông

Thầy Đông – Giảng viên Đại học Công nghiệp Hà Nội, giáo viên luyện thi THPT
Thầy Đông bắt đầu sự nghiệp tại một trường THPT ở quê nhà, sau đó trúng tuyển giảng viên Đại học Công nghiệp Hà Nội nhờ chuyên môn vững và kinh nghiệm giảng dạy thực tế. Với nhiều năm đồng hành cùng học sinh, thầy được biết đến bởi phong cách giảng dạy rõ ràng, dễ hiểu và gần gũi. Hiện thầy giảng dạy tại dehocsinhgioi, tiếp tục truyền cảm hứng học tập cho học sinh cấp 3 thông qua các bài giảng súc tích, thực tiễn và giàu nhiệt huyết.