
Công thức xác suất toàn phần: điều kiện và ví dụ giải chi tiết
Điểm chính
- P(B) = P(A₁)P(B|A₁) + P(A₂)P(B|A₂) + ... + P(Aₙ)P(B|Aₙ).
- {A₁,...,Aₙ} phải là hệ biến cố đầy đủ: đôi một xung khắc, hợp bằng cả không gian mẫu.
- Trường hợp 2 biến cố: P(B) = P(A)P(B|A) + P(A̅)P(B|A̅).
- Là bước tính P(B) trước khi dùng công thức Bayes.
Công thức xác suất toàn phần (còn gọi công thức xác suất đầy đủ) dùng để tính xác suất của một biến cố B khi B chỉ có thể xảy ra thông qua một trong nhiều "kịch bản" hay "nguyên nhân" trung gian khác nhau. Đây là công cụ được dùng ngay trước công thức Bayes trong hầu hết bài toán xác suất có điều kiện. Bài viết trình bày công thức, điều kiện hệ biến cố đầy đủ, kèm 5 ví dụ đã kiểm bằng Python và bài tập tự luyện có đáp án.
Thuộc chương trình nào? Theo GDPT 2018, công thức xác suất toàn phần được học ở Toán 12 (chương Xác suất có điều kiện), sau bài xác suất có điều kiện và công thức nhân xác suất.
Hệ biến cố đầy đủ là gì?
Các biến cố A₁, A₂, ..., Aₙ tạo thành một hệ biến cố đầy đủ (hay "phân hoạch" không gian mẫu) nếu thoả đồng thời hai điều kiện:
- Đôi một xung khắc: Ai∩Aj = ∅ với mọi i ≠ j (không có hai kịch bản nào cùng xảy ra).
- Hợp bằng toàn bộ không gian mẫu: A₁∪A₂∪...∪Aₙ = Ω (đúng một trong các kịch bản luôn xảy ra).
Nói cách khác, hệ biến cố đầy đủ chia không gian mẫu thành các phần rời nhau, không thiếu không thừa — giống như chia một chiếc bánh thành các miếng không chồng lấn và không sót phần nào.
Công thức xác suất toàn phần
P(B) = P(A₁)·P(B|A₁) + P(A₂)·P(B|A₂) + ... + P(Aₙ)·P(B|Aₙ)
Trong đó P(B|Ai) là xác suất có điều kiện của B khi biết Ai đã xảy ra. Công thức này thực chất là công thức cộng xác suất áp dụng cho các biến cố xung khắc B∩A₁, B∩A₂, ..., B∩Aₙ (vì hệ Aᵢ xung khắc nên các phần giao này cũng xung khắc), kết hợp với công thức nhân xác suất P(B∩Ai) = P(Ai)·P(B|Ai).
Trường hợp đơn giản nhất: hệ hai biến cố đối nhau
Khi chỉ có hai kịch bản A và biến cố đối A̅ (chắc chắn A và A̅ tạo thành hệ đầy đủ vì luôn xung khắc và A∪A̅ = Ω):
P(B) = P(A)·P(B|A) + P(A̅)·P(B|A̅)
Đây là dạng hay gặp nhất trong bài toán xét nghiệm y tế: A = "mắc bệnh", A̅ = "không mắc bệnh", B = "kết quả xét nghiệm dương tính".
Quan hệ với công thức Bayes
Công thức xác suất toàn phần thường là bước trung gian trước khi tính công thức Bayes — xác suất ngược P(Ai|B):
P(Ai|B) = [P(Ai)·P(B|Ai)] / P(B)
Mẫu số P(B) trong công thức Bayes chính là kết quả của công thức xác suất toàn phần — đây là lý do hai công thức luôn xuất hiện cùng nhau trong một bài toán hoàn chỉnh.
Ví dụ áp dụng công thức xác suất toàn phần
5 ví dụ dưới đây vận dụng công thức xác suất toàn phần, đã kiểm lại bằng Python.
Ví dụ 1: Hai kịch bản đơn giản
Đề: Một nhà máy có 2 dây chuyền sản xuất. Dây chuyền 1 sản xuất 60% sản lượng với tỉ lệ lỗi 5%; dây chuyền 2 sản xuất 40% sản lượng với tỉ lệ lỗi 2%. Tính xác suất một sản phẩm lấy ngẫu nhiên bị lỗi.
- A₁ = "sản phẩm từ dây chuyền 1", P(A₁) = 0,6; A₂ = "từ dây chuyền 2", P(A₂) = 0,4. {A₁, A₂} là hệ đầy đủ.
- B = "sản phẩm lỗi". P(B|A₁) = 0,05; P(B|A₂) = 0,02.
- P(B) = 0,6×0,05 + 0,4×0,02 = 0,03 + 0,008 = 0,038.
Ví dụ 2: Bài toán 3 hộp bi
Đề: Có 3 hộp bi: hộp 1 có 3 bi đỏ, 2 bi xanh; hộp 2 có 4 bi đỏ, 1 bi xanh; hộp 3 có 2 bi đỏ, 3 bi xanh. Chọn ngẫu nhiên 1 hộp (xác suất mỗi hộp là 1/3), rồi rút ngẫu nhiên 1 bi từ hộp đó. Tính xác suất rút được bi đỏ.
- Ai = "chọn hộp i", P(Ai) = 1/3 với i = 1,2,3. {A₁,A₂,A₃} là hệ đầy đủ.
- B = "rút được bi đỏ". P(B|A₁) = 3/5; P(B|A₂) = 4/5; P(B|A₃) = 2/5.
- P(B) = (1/3)(3/5) + (1/3)(4/5) + (1/3)(2/5) = (3+4+2)/15 = 9/15 = 0,6.
Ví dụ 3: Bài toán xét nghiệm y tế
Đề: Tỉ lệ người mắc một bệnh trong dân số là 1%. Xét nghiệm cho kết quả dương tính đúng ở 95% người có bệnh, nhưng cũng cho dương tính giả (sai) ở 3% người không có bệnh. Tính xác suất một người xét nghiệm ngẫu nhiên có kết quả dương tính.
- A = "mắc bệnh", P(A) = 0,01; A̅ = "không mắc bệnh", P(A̅) = 0,99.
- B = "kết quả dương tính". P(B|A) = 0,95; P(B|A̅) = 0,03.
- P(B) = 0,01×0,95 + 0,99×0,03 = 0,0095 + 0,0297 = 0,0392 (khoảng 3,92%).
Ví dụ 4: Tiếp nối ví dụ 3 bằng công thức Bayes
Đề: Từ kết quả ví dụ 3, tính xác suất một người thực sự mắc bệnh, biết kết quả xét nghiệm của họ là dương tính.
- Áp dụng công thức Bayes: P(A|B) = P(A)·P(B|A) / P(B) = 0,0095 / 0,0392.
- P(A|B) ≈ 0,2423 (khoảng 24,2%).
- Kết quả này thấp bất ngờ so với độ chính xác 95% của xét nghiệm — vì bệnh hiếm (chỉ 1% dân số), số ca dương tính giả (từ nhóm 99% không bệnh) áp đảo số ca dương tính thật.
Ví dụ 5: Kiểm chứng tổng xác suất bằng 1
Đề: Từ ví dụ 1 (P(A₁)=0,6; P(A₂)=0,4; P(B|A₁)=0,05; P(B|A₂)=0,02; P(B)=0,038), tính P(A₁|B) và P(A₂|B), rồi kiểm tra tổng hai giá trị này.
- P(A₁|B) = 0,6×0,05/0,038 = 0,03/0,038 ≈ 0,7895.
- P(A₂|B) = 0,4×0,02/0,038 = 0,008/0,038 ≈ 0,2105.
- Tổng: 0,7895 + 0,2105 = 1 — đúng như lý thuyết, vì A₁, A₂ là hệ đầy đủ nên khi biết B đã xảy ra, chắc chắn một trong hai đã xảy ra.
Lỗi hay sai khi dùng công thức xác suất toàn phần
- Dùng hệ biến cố không đầy đủ. Nếu các Ai không phủ hết không gian mẫu (thiếu trường hợp) hoặc không xung khắc (chồng lấn), công thức cho kết quả sai.
- Nhầm P(B|Ai) với P(Ai|B). P(B|Ai) là xác suất B xảy ra trong điều kiện Ai đã xảy ra (dữ kiện đề cho) — khác hoàn toàn P(Ai|B) là kết quả cần tìm bằng công thức Bayes.
- Quên nhân với P(Ai). Chỉ cộng các P(B|Ai) mà quên trọng số P(Ai) của từng kịch bản sẽ cho kết quả sai hoàn toàn.
- Kết luận sai trực giác ở bài toán bệnh hiếm (ví dụ 4). Xét nghiệm chính xác 95% không có nghĩa xác suất mắc bệnh khi dương tính là 95% — phải tính đầy đủ qua công thức toàn phần và Bayes, đặc biệt khi tỉ lệ mắc bệnh nền rất thấp.
- Không kiểm tra tổng các P(Ai) bằng 1. Nếu tổng xác suất các kịch bản không bằng 1, hệ biến cố chưa đầy đủ, cần xem lại đề bài trước khi tính tiếp.
Bài tập tự luyện công thức xác suất toàn phần (có đáp án)
- Một lớp có 55% học sinh nữ và 45% học sinh nam. Tỉ lệ đạt học sinh giỏi ở nữ là 30%, ở nam là 20%. Tính xác suất một học sinh chọn ngẫu nhiên là học sinh giỏi.
- Có 2 túi bi: túi A có 5 bi đỏ, 3 bi xanh; túi B có 2 bi đỏ, 6 bi xanh. Tung một đồng xu để chọn túi (xác suất mỗi túi 50%), rồi rút 1 bi. Tính xác suất rút được bi đỏ.
Đáp án:
- P(giỏi) = 0,55×0,3 + 0,45×0,2 = 0,165 + 0,09 = 0,255 (25,5%).
- P(đỏ) = 0,5×(5/8) + 0,5×(2/8) = 0,5×0,625 + 0,5×0,25 = 0,3125 + 0,125 = 0,4375.
Câu hỏi thường gặp về công thức xác suất toàn phần
Công thức xác suất toàn phần là gì?
P(B) = P(A₁)P(B|A₁) + ... + P(Aₙ)P(B|Aₙ), với {A₁,...,Aₙ} là hệ biến cố đầy đủ.
Hệ biến cố đầy đủ là gì?
Các biến cố đôi một xung khắc và có hợp bằng toàn bộ không gian mẫu — đúng một biến cố luôn xảy ra.
Công thức xác suất toàn phần khác công thức Bayes ở điểm nào?
Xác suất toàn phần tính P(B); công thức Bayes dùng kết quả đó để tính ngược P(Ai|B).
Khi nào dùng công thức xác suất toàn phần?
Khi B chỉ xảy ra qua một trong nhiều kịch bản A₁,...,Aₙ đã biết P(Ai) và P(B|Ai), nhưng chưa biết P(B).
Công thức với 2 biến cố A, A̅ là gì?
P(B) = P(A)P(B|A) + P(A̅)P(B|A̅) — trường hợp hệ đầy đủ đơn giản nhất.
Kết luận
Công thức xác suất toàn phần là công cụ "chia trường hợp" để tính P(B) khi biến cố B phụ thuộc vào nhiều kịch bản trung gian — điều kiện bắt buộc là các kịch bản đó phải tạo thành một hệ biến cố đầy đủ. Đây cũng là bước không thể thiếu trước khi áp dụng công thức Bayes, như minh hoạ ở ví dụ xét nghiệm y tế: một xét nghiệm có độ chính xác cao vẫn có thể cho xác suất mắc bệnh thấp bất ngờ khi bệnh hiếm gặp. Sau bài này, nên ôn thêm công thức cộng xác suất và công thức Bayes, xác suất có điều kiện để nắm trọn bộ công cụ xác suất có điều kiện.

