Bài giảng Xác suất Thống kê: Chương 1 Các định lý xác suất - HCMUT

Tổng hợp lý thuyết xác suất thống kê chương 1 về các định lý xác suất cơ bản, công thức cộng, nhân xác suất, xác suất có điều kiện và bài tập áp dụng chi tiết.

• Trường học: Trường Đại học Bách Khoa - Đại học Quốc gia TP.HCM
• Chuyên ngành: Xác suất thống kê
• Đề tài: Chương I: Các định lý xác suất
• Loại tài liệu: Bài giảng

Tóm tắt

I. Tổng quan về xác suất thống kê và các định lý cơ bản

Xác suất thống kê là ngành khoa học nghiên cứu quy luật ngẫu nhiên thông qua phép đo lường và phân tích dữ liệu. Các định lý xác suất đóng vai trò nền tảng, cung cấp công cụ toán học để đánh giá khả năng xảy ra biến cố trong điều kiện bất định. Những khái niệm đầu tiên xuất hiện từ thế kỷ 17 gắn liền với các trò chơi may rủi, sau đó phát triển thành hệ thống lý thuyết chặt chẽ nhờ đóng góp của Kolmogorov năm 1933. Ngày nay, xác suất được ứng dụng rộng rãi trong khoa học, kỹ thuật, kinh tế và xã hội nhờ khả năng dự báo chính xác các hiện tượng biến động. Các định lý quan trọng bao gồm định lý cộng, định lý nhân, định lý Bayes cùng với khái niệm độc lập thống kê.

1.1. Định nghĩa xác suất theo quan điểm cổ điển

Trong lý thuyết cổ điển, xác suất của biến cố A được định nghĩa là tỷ số giữa số kết quả thuận lợi cho A và tổng số kết quả có thể xảy ra trong không gian mẫu, với điều kiện tất cả các kết quả đều đồng khả năng. Công thức P(A) = n(A)/n(Ω) yêu cầu không gian mẫu phải hữu hạn và các kết quả độc lập. Ví dụ, khi tung xúc xắc công bằng, xác suất xuất hiện mặt 6 là 1/6. Định nghĩa này phù hợp với các tình huống thí nghiệm đối xứng nhưng không áp dụng được khi không thể xác định không gian mẫu hoặc các kết quả không đồng khả năng.

1.2. Định nghĩa xác suất thống kê

Theo quan điểm thống kê, xác suất được xác định thông qua tần suất tương đối khi thực hiện nhiều phép thử lặp lại trong cùng điều kiện. Khi số phép thử n tiến tới vô hạn, tần suất xuất hiện biến cố A (f(A) = k/n) có xu hướng hội tụ về một giá trị không đổi gọi là xác suất. Ví dụ, tỷ lệ sinh con trai/xác suất sinh con gái xấp xỉ 1/2 chứng minh tính ổn định thống kê. Định nghĩa này linh hoạt nhưng đòi hỏi số lượng mẫu đủ lớn để đảm bảo độ tin cậy.

II. Các định lý xác suất cơ bản và ứng dụng quan trọng

Các định lý xác suất cung cấp nền tảng toán học để tính toán khả năng xảy ra các biến cố phức tạp. Định lý cộng cho phép tính xác suất của biến cố hợp khi các biến cố xung khắc, trong khi định lý nhân hỗ trợ tính xác suất của biến cố giao khi biết xác suất có điều kiện. Định lý Bayes cho phép cập nhật xác suất dựa trên thông tin mới. Những định lý này đặc biệt hữu ích trong phân tích rủi ro, kiểm định giả thuyết thống kê và mô hình dự báo. Ví dụ, trong quản lý dự án, định lý nhân giúp tính xác suất hoàn thành công việc đúng hạn khi có nhiều giai đoạn độc lập.

2.1. Định lý cộng xác suất

Định lý cộng xác suất cho biết xác suất xảy ra biến cố hợp A∪B bằng tổng xác suất hai biến cố trừ đi xác suất giao A∩B. Khi A và B xung khắc (P(A∩B)=0), công thức đơn giản thành P(A∪B)=P(A)+P(B). Định lý này mở rộng cho n biến cố xung khắc: P(∪A_i)=ΣP(A_i). Ứng dụng thực tế bao gồm tính xác suất sản phẩm đạt tiêu chuẩn chất lượng khi kiểm tra nhiều tiêu chí khác nhau. Ví dụ, xác suất sản phẩm đạt cả hai tiêu chuẩn A và B là P(A)+P(B)-P(A∩B).

2.2. Định lý nhân xác suất

Định lý nhân xác suất biểu diễn xác suất giao hai biến cố dưới dạng P(A∩B)=P(A)P(B|A), trong đó P(B|A) là xác suất có điều kiện. Khi A và B độc lập thống kê, P(B|A)=P(B) và công thức đơn giản thành P(A∩B)=P(A)P(B). Định lý này quan trọng trong phân tích hệ thống nhiều thành phần. Ví dụ, xác suất hai máy sản xuất cùng lúc bị hỏng là tích xác suất hỏng của từng máy nếu chúng hoạt động độc lập. Công thức nhân mở rộng cho n biến cố độc lập: P(∩A_i)=ΠP(A_i).

III. Định lý Bayes và độc lập thống kê trong phân tích

Định lý Bayes cung cấp phương pháp cập nhật xác suất khi có thêm thông tin mới thông qua công thức P(A|B)=[P(B|A)P(A)]/P(B). Định lý này đặc biệt hữu ích trong chẩn đoán y tế, phân tích rủi ro tài chính và trí tuệ nhân tạo. Khái niệm độc lập thống kê cho phép đơn giản hóa tính toán xác suất trong hệ thống nhiều biến cố. Một tập hợp biến cố được gọi là độc lập toàn thể nếu xác suất giao bằng tích các xác suất thành phần. Tuy nhiên, độc lập đôi một không đảm bảo độc lập toàn thể, đòi hỏi kiểm tra cẩn thận trong ứng dụng thực tế.

3.1. Cách áp dụng định lý Bayes

Định lý Bayes yêu cầu xác định xác suất tiên nghiệm P(A), xác suất có điều kiện P(B|A) và xác suất biên P(B). Ví dụ trong kiểm tra bệnh, P(A) là tỷ lệ mắc bệnh trong dân số, P(B|A) là độ nhạy của xét nghiệm, P(B) là tỷ lệ dương tính trong cộng đồng. Định lý Bayes giúp tính xác suất mắc bệnh khi có kết quả dương tính. Ứng dụng mở rộng trong spam filtering, chẩn đoán ung thư và dự báo thị trường chứng khoán. Công thức Bayes là nền tảng của mạng Bayes - công cụ quan trọng trong trí tuệ nhân tạo.

3.2. Kiểm tra độc lập thống kê

Để kiểm tra độc lập giữa hai biến cố A và B, so sánh P(A∩B) với P(A)P(B). Nếu hai giá trị bằng nhau, các biến cố độc lập. Trong thực tế, kiểm tra thông qua dữ liệu quan sát: nếu tỷ lệ xuất hiện đồng thời gần bằng tích các tỷ lệ riêng lẻ, giả định độc lập hợp lý. Ví dụ, kiểm tra xem việc hút thuốc có độc lập với bệnh tim mạch bằng cách so sánh tỷ lệ bệnh nhân tim mạch giữa nhóm hút thuốc và không hút thuốc. Độc lập thống kê đơn giản hóa đáng kể các mô hình xác suất phức tạp trong phân tích đa biến.

IV. Ứng dụng định lý xác suất trong nghiên cứu khoa học

Các định lý xác suất là công cụ không thể thiếu trong nghiên cứu khoa học hiện đại, từ vật lý lượng tử đến sinh học phân tử. Trong vật lý thống kê, định lý cộng và nhân giúp mô hình hóa hệ nhiều hạt. Trong di truyền học, xác suất được sử dụng để dự đoán kiểu gen thế hệ sau. Các ngành công nghiệp ứng dụng xác suất trong quản lý chất lượng, kiểm soát quá trình sản xuất. Trong kinh tế học, xác suất hỗ trợ đánh giá rủi ro đầu tư và dự báo thị trường. Sự kết hợp giữa lý thuyết xác suất và thống kê tạo nên nền tảng vững chắc cho khoa học dữ liệu hiện đại.

4.1. Xác suất trong kiểm định giả thuyết

Kiểm định giả thuyết thống kê sử dụng xác suất để đánh giá bằng chứng chống lại giả thuyết không. Giá trị p-value đại diện cho xác suất quan sát dữ liệu (hoặc dữ liệu cực đoan hơn) khi giả thuyết không đúng. Nếu p-value nhỏ hơn mức ý nghĩa α (thường là 0.05), bác bỏ giả thuyết không. Ví dụ, kiểm định xem một loại thuốc mới có hiệu quả hơn giả dược thông qua so sánh tỷ lệ hồi phục giữa hai nhóm. Xác suất đóng vai trò then chốt trong việc ra quyết định dựa trên dữ liệu thực nghiệm.

4.2. Mô hình dự báo xác suất

Mô hình hồi quy logistic và cây quyết định sử dụng xác suất để dự báo kết quả phân loại. Trong y tế, các mô hình này dự đoán khả năng mắc bệnh dựa trên triệu chứng và yếu tố nguy cơ. Trong tài chính, chúng đánh giá xác suất vỡ nợ của khoản vay. Xác suất cung cấp thước đo định lượng cho độ tin cậy của dự báo. Các thuật toán machine learning như Naive Bayes, Random Forest dựa trên nguyên lý xác suất để phân loại dữ liệu phức tạp. Sự phát triển của khoa học dữ liệu càng khẳng định vai trò trung tâm của xác suất trong phân tích hiện đại.

Nội dung chính

Giáo Trình Xác Suất Thống Kê (Khối Đại Học - Sau Đại Học)

---

Tổng quan về giáo trình

Môn học Xác suất Thống kê (Probability and Statistics) giữ vị trí nền tảng trong khối kiến thức toán học đại cương và cơ sở ngành tại các trường đại học kỹ thuật, kinh tế và khoa học tự nhiên. Trong chương trình đào tạo của Trường Đại học Bách khoa – Đại học Quốc gia TP.HCM, học phần này kết nối giữa các học phần toán học thuần túy (Giải tích, Đại số tuyến tính) với các môn học chuyên ngành như Xử lý tín hiệu, Điều khiển tự động, Kinh tế lượng, Tối ưu hóa và Khoa học dữ liệu. Học liệu của học phần bao gồm hệ thống bài giảng và bài tập số hóa trên nền tảng BKeL ([e-mail]), kết hợp với tài liệu tham khảo chính của tác giả Nguyễn Đình Huy và Đậu Thế Cấp (NXB ĐHQG TP.HCM, 2013).

                             KHỐI KIẾN THỨC CƠ BẢN
                 [Giải tích tích phân] + [Lý thuyết tập hợp & Tổ hợp]
                             LÝ THUYẾT XÁC SUẤT
       [Không gian mẫu &       [Các định lý xác suất:    [Mô hình biến ngẫu nhiên
       4 Định nghĩa XS]        Cộng, Nhân, Toàn phần,     & Phân phối xác suất]
                                    Bayes, Bernoulli]
                             THỐNG KÊ ỨNG DỤNG

Mục tiêu học tập (Learning Outcomes) của giáo trình tập trung vào việc trang bị cho sinh viên phương pháp luận xác lập các quy luật tất nhiên chi phối các hiện tượng ngẫu nhiên khi thực hiện lặp lại phép thử nhiều lần. Người học nắm vững bản chất toán học từ hệ tiên đề Kolmogorov (1933), lịch sử phát triển gắn liền với các công trình của Fermat, Pascal, Bernoulli thế kỷ 17, và thành thạo các kỹ thuật phân tích biến cố, tính toán độ đo xác suất.

Cấu trúc tiếp cận của giáo trình tuân thủ tính suy diễn toán học chặt chẽ: thiết lập chương bổ túc công cụ giải tích - tổ hợp, xây dựng không gian biến cố sơ cấp, định nghĩa độ đo xác suất (cổ điển, thống kê, hình học, tiên đề) và triển khai hệ thống các định lý xác suất cơ bản. Điểm đặc sắc là sự gắn kết giữa lý thuyết xác suất chuẩn mực và các mô hình bài toán kỹ thuật, kinh tế, xã hội có số liệu thực tế.

---

Nội dung kiến thức cốt lõi

Các chương và chủ đề chính

Nội dung phần lý thuyết xác suất được phân bổ theo tiến trình logic từ kiến thức bổ trợ đến các định lý tính toán chuyên sâu:

1. Chương 0: Một số kiến thức bổ túc: Cung cấp công cụ toán học nền tảng cho việc giải quyết các bài toán xác suất rời rạc và liên tục:
   • Quy tắc đếm cơ bản: Quy tắc cộng (thực hiện công việc qua $k$ phương án riêng biệt với $\sum_{i=1}^k n_i$ cách) và quy tắc nhân (thực hiện qua $k$ giai đoạn liên tiếp với $\prod_{i=1}^k n_i$ cách).
   • Giải tích tổ hợp: Chỉnh hợp chập $k$ của $n$ phần tử ($A_n^k = \frac{n!}{(n-k)!}$); Chỉnh hợp lặp ($\overline{A}n^k = n^k$); Hoán vị ($P_n = n!$); Tổ hợp ($C_n^k = \frac{n!}{k!(n-k)!}$) cùng các hệ thức $C_n^0 = 1$, $C_n^1 = n$, $C_n^k = C_n^{n-k}$, $C_n^k = C{n-1}^{k-1} + C_{n-1}^k$; Khai triển nhị thức Newton.
   • Công cụ giải tích nâng cao: Tích phân Euler - Poisson $\int_{-\infty}^{+\infty} e^{-\frac{(x-a)^2}{2\sigma^2}} dx = \sigma\sqrt{2\pi}$ và $\int_0^{+\infty} e^{-\frac{x^2}{2}} dx = \sqrt{\frac{\pi}{2}}$; Hàm tích phân Laplace $\Phi(x) = \frac{1}{\sqrt{2\pi}} \int_0^x e^{-\frac{t^2}{2}} dt$ (hàm lẻ); Các công thức tính tổng cấp số nhân và chuỗi $\sum_{k=1}^\infty k q^{k-1}$, $\sum_{k=1}^\infty k^2 q^{k-1}$.
2. Chương I (§1): Biến cố và xác suất:
   • Khái niệm phép thử và biến cố: Phép thử ngẫu nhiên, biến cố sơ cấp, không gian mẫu $\Omega$, biến cố chắc chắn $\Omega$, biến cố không thể có $\emptyset$, biến cố ngẫu nhiên $A, B, C$.
   • Bốn hướng định nghĩa xác suất:
     • Định nghĩa cổ điển: $P(A) = \frac{m_A}{n} = \frac{|A|}{|\Omega|}$ áp dụng cho không gian mẫu gồm $n$ kết cục duy nhất đồng khả năng. Tính chất: $0 \le P(A) \le 1$, $P(\Omega) = 1$, $P(\emptyset) = 0$.
     • Định nghĩa thống kê: Tần suất $f_n(A) = \frac{k}{n}$. Khảo sát tính ổn định tần suất khi $n$ tăng lớn ($P(A) \approx f_n(A)$), dẫn chứng qua thực nghiệm gieo đồng xu của Buffon ($n = 4.012$, $k = 2.048$, $f = 0,5005$) và thống kê tỷ số giới tính sơ sinh (khảo sát $10.000$ trẻ sơ sinh có $5.097$ bé trai, tỷ lệ tự nhiên $104 - 106$ bé trai / $100$ bé gái).
     • Định nghĩa hình học: $P(A) = \frac{\text{Độ đo}(\alpha)}{\text{Độ đo}(\Omega)}$ áp dụng cho không gian mẫu vô hạn kết cục đồng khả năng, với độ đo tương ứng là độ dài, diện tích hoặc thể tích.
     • Định nghĩa tiên đề Kolmogorov (1933): Xây dựng cơ sở lý thuyết xác suất hình thức trên không gian đo.
   • Nguyên lý xác suất: Nguyên lý biến cố có xác suất rất nhỏ xem như không xảy ra trong một phép thử, và biến cố có xác suất xấp xỉ 1 xem như chắc chắn xảy ra.
3. Chương I (§2): Quan hệ, phép toán và định lý xác suất:
   • Đại số biến cố: Quan hệ kéo theo ($A \subset B$), bằng nhau ($A = B$), xung khắc ($A \cap B = \emptyset$), đối lập ($\overline{A}$); Nhóm biến cố đầy đủ ${A_1, A_2, \dots, A_n}$ ($A_i A_j = \emptyset, \forall i \ne j$ và $\sum_{i=1}^n A_i = \Omega$); Các phép toán cộng biến cố ($A + B$), nhân biến cố ($AB$), hiệu biến cố ($A \setminus B$).
   • Các định lý nền tảng:
     • Công thức cộng xác suất tổng quát: $P(A+B) = P(A) + P(B) - P(AB)$; Mở rộng cho 3 biến cố $P(A+B+C)$ và hệ biến cố xung khắc đôi một $\sum P(A_i)$.
     • Xác suất có điều kiện và công thức nhân: $P(A|B) = \frac{P(AB)}{P(B)}$ (với $P(B) > 0$).
     • Tính độc lập của biến cố: Định nghĩa $P(A|B) = P(A)$; Khái niệm độc lập toàn thể (độc lập tương hỗ) phân biệt với độc lập đôi một; Công thức nhân cho hệ biến cố độc lập $P(A_1 A_2 \dots A_n) = \prod_{i=1}^n P(A_i)$.
     • Các định lý mở rộng: Công thức Bernoulli cho chuỗi phép thử độc lập; Công thức xác suất toàn phần và Công thức Bayes.

Bảng so sánh 4 định nghĩa xác suất trong giáo trình

Hướng tiếp cận	Công thức xác định	Điều kiện áp dụng	Bản chất không gian mẫu ($\Omega$)
Cổ điển	$P(A) = \frac{m_A}{n} = \frac{|A|}{|\Omega|}$	Các kết cục duy nhất và đồng khả năng	Rời rạc, hữu hạn
Thống kê	$P(A) = \lim_{n \to \infty} f_n(A) \approx \frac{k}{n}$	Phép thử lặp lại nhiều lần trong điều kiện đồng nhất	Thực nghiệm, quy luật số lớn
Hình học	$P(A) = \frac{\text{Độ đo}(\alpha)}{\text{Độ đo}(\Omega)}$	Vô hạn kết cục, đồng khả năng theo độ đo	Liên tục (Độ dài, Diện tích, Thể tích)
Tiên đề	Hàm độ đo $P: \mathcal{F} \to [0, 1]$	Thỏa mãn hệ tiên đề Kolmogorov (1933)	Không gian đo trừu tượng $(\Omega, \mathcal{F}, P)$

Kiến thức nền tảng được xây dựng

• Lý thuyết nền tảng (Fundamental theories): Hệ tiên đề xác suất của A. Kolmogorov (1933) thiết lập tính vững chắc cho lý thuyết độ đo xác suất; Khái niệm hội tụ theo xác suất phân biệt với hội tụ giải tích thông thường (được tham chiếu chi tiết trong tài liệu của Lý Hoàng Tú & Trần Tuấn Điệp, 2003).
• Nguyên lý cốt lõi (Core principles): Sự tương ứng giữa đại số tập hợp và đại số biến cố; Nguyên lý xác suất có điều kiện và cấu trúc nhân quả ngược trong công thức Bayes; Tính độc lập tương hỗ của hệ biến cố ngẫu nhiên.
• Khung phân tích chuẩn (Essential frameworks): Mô hình hóa toán học cho bài toán ngẫu nhiên thông qua 3 bước: Xác định phép thử $\rightarrow$ Thiết lập không gian mẫu $\Omega$ $\rightarrow$ Áp dụng quy tắc tính xác suất tương ứng với cấu trúc dữ liệu rời rạc hoặc liên tục.

Kỹ năng phát triển

• Kỹ năng kỹ thuật (Technical skills): Thành thạo giải tích tổ hợp ($A_n^k, C_n^k, P_n$); Tính tích phân suy rộng Gauss; Biểu diễn các biến cố phức hợp qua phép toán đại số biến cố và biểu đồ Ven.
• Kỹ năng phân tích (Analytical skills): Phân biệt bản chất độc lập và xung khắc giữa các biến cố; Nhận diện nhóm biến cố đầy đủ; Đánh giá sự khác biệt giữa mô hình rút có hoàn lại (biến cố độc lập) và rút không hoàn lại (biến cố phụ thuộc).
• Kỹ năng ứng dụng thực hành (Practical competencies): Tính toán độ tin cậy và xác suất hoạt động đồng thời của các hệ thống máy móc công nghiệp; Phân tích dữ liệu thống kê nhân khẩu học; Giải bài toán tối ưu hóa thời gian chờ trong giao thông vận tải và bài toán phân bố nghiệm phương trình ngẫu nhiên.

---

Phương pháp giảng dạy và học tập

Giáo trình áp dụng phương pháp tiếp cận sư phạm kết hợp giữa diễn dịch lý thuyết toán học hình thức và quy nạp thông qua hệ thống ví dụ tính toán đa dạng. Hệ thống bài giảng số hóa trên BKeL hỗ trợ phân phối học liệu, quản lý bài tập tự luận và câu hỏi trắc nghiệm trực tuyến. Giảng viên triển khai các công cụ trực quan hóa (biểu đồ Ven, hình học giải tích trên mặt phẳng tọa độ $Oxy$) để chuyển đổi bài toán biến cố trừu tượng thành các bài toán tính diện tích miền phẳng hoặc tính tỷ lệ tập hợp.

                      MÔ HÌNH DẠY - TỰ HỌC - ĐÁNH GIÁ
 [LÝ THUYẾT TRÊN LỚP]       [HỌC LIỆU TRỰC TUYẾN]        [BÀI TẬP VẬN DỤNG]
                       [HỆ THỐNG ĐÁNH GIÁ ĐA BƯỚC]

Hệ thống bài tập và tình huống thực tiễn được phân loại theo từng nhóm kỹ năng:

• Bài toán rời rạc và giải tích tổ hợp: Bài toán chọn ban cán sự lớp $3$ người từ $50$ sinh viên ($A_{50}^3$); Chia $20$ sinh viên thành $4$ nhóm thực tập có điều kiện ràng buộc; Xếp $8$ hành khách lên $3$ hoặc $5$ toa tàu ngẫu nhiên; Bài toán lấy $5$ viên bi từ hộp gồm $7$ bi đỏ, $3$ bi vàng, $5$ bi xanh (tính xác suất xuất hiện bi xanh, đủ màu sắc).
• Bài toán hình học và biến liên tục: Bài toán thời gian chờ xe buýt tuyến 202 trong khoảng thời gian ngẫu nhiên từ 7h00 đến 7h15; Xác định xác suất phương trình bậc hai $x^2 + ax + b = 0$ có hai nghiệm thực phân biệt, nghiệm kép hoặc nghiệm trái dấu với hệ số $a \in [0, 1]$ và $b \in [-1, 1]$ thông qua tính tích phân diện tích miền phẳng trên mặt phẳng $Oxy$: $$\iint_{\alpha} da db = \int_0^1 \left(\frac{a^2}{4} - (-1)\right) da = \frac{13}{12}$$
• Bài toán kỹ thuật và kiểm tra chất lượng: Tính xác suất sản xuất sản phẩm tốt của hai máy tự động độc lập với xác suất tương ứng $0,9$ và $0,7$; Bài toán bắn $3$ phát đạn vào bia và biểu diễn biến cố qua các biến cố thành phần $A_1, A_2, A_3$.

Phương pháp đánh giá kết quả học tập bao gồm đánh giá quá trình (hoàn thành các bài tập chương trên BKeL), kiểm tra định kỳ các kỹ năng tính toán xác suất có điều kiện, và thi kết thúc học phần thông qua bài thi tự luận tổng hợp yêu cầu giải quyết bài toán bằng nhiều phương pháp đối chiếu.

Hướng dẫn tự học khuyến nghị sinh viên nắm chắc các kỹ thuật biến đổi đại số tổ hợp ở Chương 0, tự giải lại các ví dụ mẫu bằng phương pháp trực tiếp và phương pháp sử dụng biến cố đối lập trước khi tiến hành giải các bài toán nâng cao về công thức Bayes và phân phối xác suất.

---

Điểm nổi bật và cập nhật

Nội dung học phần được chuẩn hóa dựa trên các giáo trình và tài liệu tham khảo chính thống:

• Hệ thống giáo trình cốt lõi: Bài giảng chuẩn hóa theo Giáo trình Xác suất và thống kê (2013) và Bài tập Xác suất và thống kê (2013) của tác giả Nguyễn Đình Huy và Đậu Thế Cấp (NXB ĐHQG TP.HCM).
• Tích hợp tài liệu chuyên sâu trong nước: Giáo trình kế thừa và đối chiếu phương pháp luận từ các công trình toán học:
  • Lý thuyết xác suất và thống kê toán học (Lý Hoàng Tú, Trần Tuấn Điệp, NXB GTVT, 2003): cung cấp cơ sở chặt chẽ về lý thuyết độ đo và giải thích chi tiết khái niệm hội tụ theo xác suất.
  • Giáo trình Lý thuyết xác suất và thống kê toán (PGS. Nguyễn Cao Văn, TS. Trần Thái Ninh, NXB ĐHKTQD, 2008).
  • Xác suất thống kê (PGS.TS Tô Văn Ban, NXBGDVN, 2010).
  • Nhập môn hiện đại Xác suất và thống kê (Đỗ Đức Thái, Nguyễn Tiến Dũng, NXB ĐHSP, 2010).
  • Thống kê ứng dụng trong kinh tế - xã hội (Hoàng Trọng, Chu Nguyễn Mộng Ngọc, NXB LĐXH, 2011).
• Tích hợp chuẩn mực quốc tế và khoa học dữ liệu hiện đại:
  • Probability & Statistics for Engineers & Scientists (Ronald E. Myers, Keying Ye, Prentice Hall, 9th Edition): bổ sung các bài toán ứng dụng kỹ thuật và mô hình phân tích ngẫu nhiên cho kỹ sư.
  • Introduction to Statistics and Data Analysis (Roxy Peck, Chris Olsen, Jay L. Devore, Brooks/Cole Cengage Learning, 2012): cập nhật phương pháp tiếp cận thống kê dựa trên dữ liệu thực nghiệm.
• Ứng dụng thực tiễn: Giáo trình liên kết chặt chẽ các bài toán lý thuyết với ứng dụng phân tích dữ liệu thực tế, bao gồm việc kiểm định tỷ số giới tính sơ sinh trong nhân khẩu học, mô hình hóa độ tin cậy trong dây chuyền sản xuất tự động, và tối ưu hóa hệ thống vận hành giao thông công cộng.

---

Đối tượng sử dụng giáo trình

Học phần và giáo trình được thiết kế cho các nhóm đối tượng cụ thể trong môi trường giáo dục đại học và nghiên cứu:

• Sinh viên đại học: Sinh viên năm thứ nhất và năm thứ hai thuộc khối ngành Kỹ thuật (Công nghệ Thông tin, Điện – Điện tử, Cơ khí, Kỹ thuật Hóa học, Kỹ thuật Xây dựng), khối ngành Khoa học Tự nhiên và khối ngành Kinh tế – Quản lý công nghiệp.
• Yêu cầu kiến thức tiên quyết (Prerequisites):
  • Nắm vững kiến thức Giải tích 1 và Giải tích 2 (phép tính vi phân, tích phân suy rộng Euler-Poisson, hàm liên tục).
  • Nắm vững lý thuyết tập hợp, các phép toán logic và đại số tổ hợp cơ bản.
• Giảng viên và cán bộ nghiên cứu: Giảng viên sử dụng giáo trình và tài liệu BKeL làm khung chuẩn để xây dựng đề cương bài giảng, ngân hàng câu hỏi đánh giá; Học viên cao học và kỹ sư sử dụng làm tài liệu tra cứu các công thức giải tích xác suất phục vụ xử lý số liệu thực nghiệm và xây dựng mô hình dự báo ngẫu nhiên.

---

Câu hỏi thường gặp (FAQ)

1. Giáo trình này phù hợp với đối tượng người học nào?

Giáo trình được biên soạn phục vụ sinh viên đại học khối ngành Kỹ thuật, Kinh tế, Khoa học Tự nhiên của Trường Đại học Bách khoa – ĐHQG TP.HCM và các trường đại học đào tạo theo chương trình kỹ thuật chuẩn. Ngoài ra, tài liệu phù hợp cho kỹ sư và học viên cao học cần củng cố kiến thức xác suất để nghiên cứu chuyên sâu về phân tích dữ liệu và mô hình hóa ngẫu nhiên.

2. Cần chuẩn bị những kiến thức nền tảng nào trước khi học?

Người học cần hoàn thành khối kiến thức về Giải tích toán học (đặc biệt là tích phân suy rộng, tích phân Euler-Poisson, chuỗi số) và kiến thức Đại số tổ hợp (quy tắc cộng, quy tắc nhân, chỉnh hợp, tổ hợp, hoán vị) đã được hệ thống hóa tại Chương 0 của tài liệu.

3. Điểm khác biệt của giáo trình này so với các tài liệu xác suất thuần túy khác là gì?

Giáo trình cân bằng giữa tính chính xác toán học (xây dựng đầy đủ từ hệ tiên đề Kolmogorov, giải tích tổ hợp, tích phân Gauss) và tính ứng dụng kỹ thuật thực tế thông qua các ví dụ có số liệu cụ thể (bài toán máy tự động, xe buýt, dữ liệu giới tính sơ sinh), kết hợp tham chiếu đồng thời hệ thống giáo trình Việt Nam và quốc tế (Ronald E. Myers, Roxy Peck).

  Giáo trình toán lý thuyết thuần túy        GIÁO TRÌNH BÁCH KHOA (HCMUT - BKeL)

4. Phương pháp tự học giáo trình này như thế nào để đạt hiệu quả cao?

Người học cần làm chủ các công thức giải tích tổ hợp ở Chương 0, sau đó tự biểu diễn các biến cố thực tế bằng đại số biến cố và biểu đồ Ven trước khi tính toán. Khi giải các bài tập xác suất (như bài toán bi trong hộp hay bài toán kiểm tra sản phẩm), người học nên áp dụng đồng thời phương pháp tính trực tiếp và phương pháp tính qua biến cố đối lập để kiểm chứng kết quả.

5. Có những tài liệu bổ trợ và hệ thống học tập nào đi kèm?

Học phần cung cấp hệ thống bài giảng và bài tập trực tuyến trên cổng BKeL, cuốn sách Bài tập Xác suất và thống kê (Nguyễn Đình Huy, 2013), cùng danh mục 7 tài liệu tham khảo trong nước và quốc tế bao gồm sách của Lý Hoàng Tú, Nguyễn Cao Văn, Ronald E. Myers và Roxy Peck.

---

Kết luận

Giáo trình môn học Xác suất Thống kê cung cấp hệ thống kiến thức toàn diện, chuẩn mực và logic về lý thuyết xác suất và các phương pháp xử lý biến cố ngẫu nhiên. Nội dung văn bản được tổ chức chặt chẽ từ các công cụ toán học bổ túc, các định nghĩa xác suất đa chiều (cổ điển, thống kê, hình học, tiên đề) đến các định lý tính toán xác suất cơ bản và nâng cao.

Lộ trình học tập đề xuất cho người học bao gồm:

1. Hoàn thiện kiến thức bổ túc về tổ hợp và tích phân Gauss tại Chương 0;
2. Nắm vững bản chất không gian mẫu và 4 định nghĩa xác suất tại Chương I (§1);
3. Thành thạo các định lý cộng, nhân, Bernoulli, xác suất toàn phần và công thức Bayes tại Chương I (§2);
4. Vận dụng giải quyết các bài toán kỹ thuật, mô hình hóa dữ liệu thống kê và kiểm định thực nghiệm.

Người học được khuyến nghị khai thác đồng bộ hệ thống bài giảng số trên BKeL cùng các tài liệu tham khảo chuẩn mực của Nguyễn Đình Huy, Lý Hoàng Tú và Ronald E. Myers để tối ưu hóa hiệu quả học tập và nghiên cứu.

Trích đoạn nội dung tài liệu

Chương I: Các định lý xác suất 19 1.2 Định nghĩa xác suất: Xác suất của một biến cố là một con số đặc trưng cho khả năng khách quan xuất hiện biến cố đó khi thực hiện phép thử.1 Định nghĩa cổ điển về xác suất : Xét một phép thử mà không gian mẫu có thể chia thành n kết cục duy nhất đồng khả năng; trong đó có mA kết cục thuận lợi cho biến cố A khi thực hiện phép thử. Ta định nghĩa xác suất của biến cố A theo cổ điển: mA P(A)= n Để thuận lợi, người ta hay lấy n = || là số các biến cố sơ cấp trong , với điều kiện các biến cố này duy nhất và khả năng xuất hiện ngang nhau. Các tính chất : • 0 ≤ P(A) ≤ 1 P(Ω) = 1 P() = 0 Chương I: Các định lý xác suất 20 Ví dụ 1: Tung 2 con xúc xắc cân đối, đồng chất. Tìm xác suất của các biến cố: a) Tổng số chấm trên 2 con xúc xắc bằng 7.

b) Có ít nhất một mặt sáu chấm xuất hiện. c) Tổng số chấm bằng 7 nếu biết rằng có ít nhất một mặt 6 chấm. Một hộp có 7 bi đỏ, 3 bi vàng và 5 bi xanh. Lấy ra Ví dụ 2: ngẫu nhiên 5 bi.

Tìm xác suất của các biến cố sau: a) Trong 5 bi đó có đúng 3 bi xanh. b) Trong 5 bi đó có ít nhất 3 bi xanh. c) Có đủ 3 màu bi nếu biết rằng trong 5 bi đó có đúng 2 bi đỏ. Có 8 người lên 5 toa tàu một cách ngẫu nhiên.

Tìm Ví dụ 3: xác suất có 2 toa không ai lên, có 2 toa (mà mỗi toa) có 3 người lên, và 1 toa có 2 người lên. Chương I: Các định lý xác suất 21 Ví dụ 1: 6 11 a) b) 36 36 Ví dụ 2: C53 .C102 sô' cách lâ'y 5 bi mà có 3 bi xanh 150 a)   C155 sô' cách lâ'y 5 bi tùy ý trong 15 bi 1001 C53 .C53 672 8  5 15625 n = số cách xếp ngẫu nhiên 8 hành khách lên 5 toa tàu. Chương I: Các định lý xác suất 22 Ví dụ 4 : Một hộp có 8 quả cầu trắng, 7 quả cầu xanh và 5 quả cầu đỏ có cùng kích thước. Lấy ngẫu nhiên lần lượt 6 quả cầu.

a) Tìm xác suất trong 6 quả cầu lấy ra có 3 quả cầu trắng, 2 quả cầu xanh và 1 quả cầu đỏ. b) Tìm xác suất trong 6 quả cầu lấy ra có 3 quả cầu trắng, 2 quả cầu xanh và 1 quả cầu đỏ; quả cầu đỏ được lấy ra sau cùng. c) Giả sử quả cầu đỏ (đã) được lấy ra sau cùng, tìm xác suất trong 5 quả cầu kia có 3 quả cầu trắng, 2 quả cầu xanh. HD: || = Số cách lấy ra 6 quả cầu có xét thứ tự.

|C|= Số cách lấy thứ tự 6 quả cầu mà quả thứ 6 có màu đỏ. Cách diễn đạt khác cho câu c) : Nếu lấy 6 quả cầu mà quả cuối có màu đỏ, tìm khả năng ( bao nhiêu %) 5 quả lấy ra trước có 3 màu trắng và 2 màu xanh? Chương I: Các định lý xác suất 23 a) 2 cách: m  C8  C7  C5  6!  49 3 2 1 3 2 1 m C8  C7  C5 49   n 6 A20 323 n 6 C20 323 m C8  C7  C5  5! 3 2 1 b) Cách 1: 49   n 6 A20 1938 Cách 2: Sử dụng quy tắc nhân ( sẽ trình bày ở phần sau) C83  C72  5! C51 49 C83  C72 5 49 P(B)   1  P(B)    5 A20 C15 1938 5 C20 15 1938 c) C  C51  A195 hay C  C51  A195  5! XS cần tìm: m C83  C72  C51  5! 98   10,11% n 5  C195  5! 969 Cách khác: Dùng công thức XS có điều kiện (xem LT phần sau). Chương I: Các định lý xác suất 24 1.2 Định nghĩa thống kê về xác suất : Tần suất xuất hiện biến cố A trong n phép thử là tỉ số giữa số phép thử trong đó biến cố A xuất hiện và tổng số phép thử được thực hiện. k f(A)= n Người ta nhận thấy nếu tiến hành số lượng lớn các phép thử trong những điều kiện như nhau thì tính ổn định của tần suất khá rõ ràng.

Ví dụ 4 Người ta tiến hành tung đồng xu nhiều lần. Người gieo Số lần gieo (n) Số lần được mặt sấp (k) Tần suất (f) Buffon 4.012 0,5005 Chương I: Các định lý xác suất 25 Chương I: Các định lý xác suất 26 Qua các ví dụ trên , ta thấy khi số phép thử tăng lên nhiều thì tần suất xuất hiện mặt sấp sẽ dao động ngày càng ít hơn xung quanh giá trị không đổi là 0,5. Điều đó cho phép hy vọng khi số phép thử tăng lên vô hạn, tần suất sẽ hội tụ (*) về giá trị 0,5. Xác suất xuất hiện biến cố A trong một phép thử là một số p không đổi mà tần suất xuất hiện biến cố đó sẽ dao động rất ít xung quanh nó khi số phép thử tăng lên vô hạn.

Như vậy: Khi n đủ lớn ta có thể coi P(A)  f(A) (*): SV có thể tìm hiểu thêm trong tài liệu tham khảo (4) về sự khác nhau giữa khái niệm hội tụ theo xác suất và khái niệm hội tụ trong môn Giải tích đã được học. Chương I: Các định lý xác suất 27 Ví dụ 5 Theo dõi ngẫu nhiên 10.000 bé mới sinh ở một vùng, người ta thấy có 5097 bé trai. Tần suất sinh bé trai trong khảo sát: fn = 5097/10000. Vì số lượng bé được theo dõi là n =10.000 khá lớn nên ta có thể coi xác suất sinh con trai p ở vùng này xấp xỉ bằng: p  fn = 5097/10.

Tỉ lệ trên cho tương ứng 100 bé gái với khoảng 104 bé trai. Tỷ số giới tính khi sinh tự nhiên trên thế giới dao động từ 104 – 106 trẻ em trai cho mỗi 100 trẻ em gái. Định nghĩa xác suất theo thống kê được sử dụng rất phổ biến trong các lĩnh vực của cuộc sống. Chương I: Các định lý xác suất 28 I.3 Định nghĩa hình học về xác suất : • Giả sử một phép thử có vô hạn kết cục đồng khả năng có thể biểu diễn bởi một miền hình học  nào đó đo được, còn tập các kết cục đồng khả năng thuận lợi cho biến cố A được biểu diễn bởi một miền hình học α nào đó đo được.

Khi đó xác suất của biến cố A được tính như sau:. P(A) = Độ đo miền α / Độ đo miền  • Tùy theo miền  là một đường thẳng, một miền phẳng hay khối không gian mà độ đo được xác định tương ứng là độ dài, diện tích hay là thể tích. Chương I: Các định lý xác suất 29 Ví dụ 6 Biết rằng xe buýt số 202 thường qua trạm gần nhà An vào thời điểm ngẫu nhiên trong khoảng 7g đến 7g15’. Nếu An đến trạm vào lúc 7g10’ thì xác suất bắt được xe 202 trong vòng 5 phút là bao nhiêu? Ví dụ 7 Xét phương trình bậc hai x2 + ax + b = 0, hệ số a được lấy ngẫu nhiên trong đoạn *0; 1+, còn hệ số b được lấy ngẫu nhiên trong đoạn *-1; 1].

a) Tìm xác suất phương trình có 2 nghiệm thực phân biệt. b) Tìm xác suất phương trình có nghiệm kép. c) Trong trường hợp phương trình có 2 nghiệm phân biệt, tìm xác suất để phương trình có 2 nghiệm trái dấu. Chương I: Các định lý xác suất 30 VD7: a) Do a, b là 2 tham số độc lập nên ta dùng trục Ox trong mặt phẳng Oxy để biểu diễn cho các giá trị của a, và trục Oy để biểu diễn cho các giá trị của b.

Độ đo được sử dụng ở đây là diện tích miền phẳng. Phương trình có 22 nghiệm thực PB a  >0b<. Miền α a chính là miền phẳng x2 trong  a giới hạn bởi y < 4. Xác suất cần tìm: 1 2 x    Dien tich  a 0  4  ( 1)  dx   13  Dien tich  2 24 Chương I: Các định lý xác suất 31 b) Miền  b  a = [0; 1]  [-1; 1].

Miền αb chính là đoạn đường cong có phương trình y = x2/4. Diện tích miền α b = 0 nên XS phương trình có nghiệm kép = 0. Ví dụ này cho thấy một biến cố có xác suất bằng 0 vẫn có thể xảy ra; hay một biến cố có xác suất bằng 1 vẫn có thể không xảy ra trong 1 phép thử. c) Hướng dẫn: Miền  c  α a 1.3 Nguyên lý xác suất lớn và xác suất nhỏ : • Nếu một biến cố có xác suất xảy ra rất nhỏ thì thực tế có thể cho rằng trong một phép thử biến cố đó sẽ không xảy ra.

• Tương tự như vậy, nếu biến cố ngẫu nhiên có xác suất rất gần 1 thì thực tế có thể cho rằng biến cố đó sẽ xảy ra trong một phép thử. • Mức xác suất khá nhỏ mà từ đó ta cho rằng không xảy ra biến cố có ý nghĩa khác nhau với những bài toán thực tế khác nhau. Chương I: Các định lý xác suất 32 §2.1 Quan hệ giữa các biến cố 2.2 Một số phép toán giữa các biến cố 2.1 Công thức cộng.2 Công thức nhân và xác suất có điều kiện.3 Công thức Becnoulli.4 Công thức xác suất toàn phần và công thức Bayes. Chương I: Các định lý xác suất 33 2.1 Quan hệ giữa các biến cố Các khái niệm: - Ta nói biến cố A kéo theo biến cố B và k{ hiệu là A  B ( hay A  B), nếu biến cố A xảy ra thì biến cố B xảy ra.

- Hai biến cố A và B được gọi là bằng nhau, k{ hiệu là A = B, nếu biến cố A kéo theo biến cố B và ngược lại, tức là A  B A B B  A - Hai biến cố A và B được gọi là xung khắc nhau nếu chúng không thể cùng xảy ra trong một phép thử. - Hai biến cố A và B gọi là đối lập với nhau , k{ hiệu là B = Ā, nếu A xảy ra thì B không xảy ra và khi A không xảy ra thì B xảy ra. Chương I: Các định lý xác suất 34 Ví dụ 8 Tung ngẫu nhiên 1 con xúc xắc cân đối và đồng chất. Gọi Ai là biến cố số chấm xuất hiện trên con xúc xắc bằng i; i = 1,2,…,6.