Bỏ qua đến nội dung chính
Mục lục

Biến cố độc lập là gì và công thức nhân xác suất

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 4/11 · Chương 4

Xác suất

  • 8 phút
  • Cơ bản
  • Python 3.14
  • Cập nhật

Hai biến cố độc lập là hai biến cố mà biết một biến cố đã xảy ra không làm đổi xác suất của biến cố kia, như kết quả của hai lần tung đồng xu. Khi đó xác suất cả hai cùng xảy ra bằng tích hai xác suất, P(A ∩ B) = P(A)P(B), và bạn dùng công thức nhân xác suất này để tính "A và B" mà không cần đếm lại.

Cần biết trước: biến cố xung khắc và công thức cộng, mô phỏng bằng NumPy và value_counts().

Công thức nhân xác suất

Hai biến cố A và B gọi là độc lập (independent events) khi:

P(A∩B)=P(A)⋅P(B)P(A \cap B) = P(A) \cdot P(B)

Trong đó:

  • P(A), P(B): xác suất của từng biến cố, như len(a) / len(omega).

  • P(A ∩ B) (len(a & b) / len(omega)): xác suất cả hai cùng xảy ra.

SGK Toán 11 (Kết nối tri thức) định nghĩa độc lập bằng lời: biến cố này xảy ra hay không không làm đổi xác suất của biến cố kia. Sách viết giao là AB và nêu công thức nhân xác suất cho hai biến cố độc lập: nếu A, B độc lập thì P(AB) = P(A) · P(B). Hai lần tung một đồng xu cân đối là ví dụ quen thuộc: đồng xu không nhớ lần trước ra gì.

Tung hai đồng xu, Ω = {SS, SN, NS, NN} (S là sấp, N là ngửa). Lấy A = "đồng thứ nhất sấp", B = "đồng thứ hai sấp", D = "có ít nhất một đồng sấp":

Bước

Việc

A và B

A và D

1

P của từng biến cố

2/4 và 2/4

2/4 và 3/4

2

Tích hai xác suất

1/4

3/8

3

P(giao): đếm kết quả chung

SS: 1/4

SS, SN: 2/4

4

So bước 2 với bước 3

bằng: độc lập

khác: không độc lập

Biết đồng thứ nhất sấp thì D chắc chắn xảy ra, nên A làm đổi xác suất của D. Khối dưới đếm như bảng bằng vòng lặp; sửa hai điều kiện để kiểm cặp biến cố của bạn.

python
omega = ["SS", "SN", "NS", "NN"]
dem_a = dem_d = dem_ad = 0
for kq in omega:
    la_a = kq[0] == "S"
    la_d = "S" in kq
    dem_a += la_a
    dem_d += la_d
    dem_ad += la_a and la_d
n = len(omega)
print("P(A)P(D) =", dem_a / n * (dem_d / n))
print("P(A ∩ D) =", dem_ad / n)

KẾT QUẢ

P(A)P(D) = 0.375
P(A ∩ D) = 0.5

Đổi la_d = "S" in kq thành la_d = kq[1] == "S" rồi chạy lại: hai dòng cùng in 0.25, vì D lúc đó chính là B, biến cố độc lập với A.

Độc lập khác xung khắc

Hai từ hay bị lẫn vì cùng nói về "hai biến cố không dính nhau". Xung khắc là không cùng xảy ra được (A ∩ B rỗng). Độc lập là xảy ra cùng lúc đúng với tỉ lệ của tích. Tung một xúc xắc:

python
omega = {1, 2, 3, 4, 5, 6}
chan = {2, 4, 6}
le = {1, 3, 5}
nho = {1, 2}
for ten, b in [("lẻ", le), ("nhỏ hơn 3", nho)]:
    giao = len(chan & b) / 6
    tich = len(chan) / 6 * (len(b) / 6)
    print(f"chẵn và {ten}: P(giao) = {giao:.4f}, tích = {tich:.4f}")

KẾT QUẢ

chẵn và lẻ: P(giao) = 0.0000, tích = 0.2500
chẵn và nhỏ hơn 3: P(giao) = 0.1667, tích = 0.1667

"Chẵn" và "lẻ" xung khắc, nên P(giao) = 0 trong khi tích là 0,25: chúng không độc lập, vì biết đã ra số chẵn là biết chắc không ra số lẻ. "Chẵn" và "nhỏ hơn 3" có chung số 2 mà lại độc lập: 1/6 bằng đúng 1/2 · 1/3. Hai biến cố xung khắc mà mỗi biến cố có xác suất dương thì không bao giờ độc lập.

Kiểm tính độc lập trên bảng dữ liệu

File lua_chon_do_uong.csv là số giả lập của AIDev: 1.500 ly đồ uống bán ở quán, mỗi dòng ghi khung giờ, nhóm tuổi của khách và món. Trên dữ liệu, xác suất là tần suất: value_counts(normalize=True) cho tần suất từng giá trị của một cột, còn tần suất của giao là trung bình của hai điều kiện True/False ghép bằng &.

python
import pandas as pd

ly = pd.read_csv("lua_chon_do_uong.csv")
p_gio = ly["khung_gio"].value_counts(normalize=True)
p_tuoi = ly["nhom_tuoi"].value_counts(normalize=True)
sang = ly["khung_gio"] == "Sáng"
tren_40 = ly["nhom_tuoi"] == "Trên 40"
print("P(Sáng) =", round(p_gio["Sáng"], 4))
print("P(Trên 40) =", round(p_tuoi["Trên 40"], 4))
print("Tích =", round(p_gio["Sáng"] * p_tuoi["Trên 40"], 4))
print("P(Sáng ∩ Trên 40) =", round((sang & tren_40).mean(), 4))

KẾT QUẢ

P(Sáng) = 0.3487
P(Trên 40) = 0.2013
Tích = 0.0702
P(Sáng ∩ Trên 40) = 0.0733

Tần suất của giao gần tích, lệch khoảng ba phần nghìn. Trên một bảng 1.500 dòng, hai số gần như không bao giờ bằng đúng nhau kể cả khi hai cột độc lập, vì mỗi tần suất có dao động của mẫu. Bộ số này phù hợp với việc khung giờ và nhóm tuổi độc lập; muốn quyết định "lệch bao nhiêu là quá nhiều" thì cần kiểm định chi bình phương.

Mô phỏng hai đồng xu

Khối dưới dùng số ngẫu nhiên của NumPy để tung hai đồng xu 100.000 lần (1 là sấp) và so tần suất của giao với tích hai tần suất, cho cặp độc lập A, B và cặp không độc lập A, D:

python
import numpy as np

rng = np.random.default_rng(30)
xu = rng.integers(0, 2, size=(100_000, 2))
a = xu[:, 0] == 1
b = xu[:, 1] == 1
d = xu.sum(axis=1) >= 1
print("A, B: giao", round((a & b).mean(), 4),
      "tích", round(a.mean() * b.mean(), 4))
print("A, D: giao", round((a & d).mean(), 4),
      "tích", round(a.mean() * d.mean(), 4))

KẾT QUẢ

A, B: giao 0.2503 tích 0.2513
A, D: giao 0.4994 tích 0.3757

Lần chạy này cho cặp A, B giao và tích lệch nhau khoảng một phần nghìn, còn cặp A, D lệch khoảng 0,12, gần đúng 2/4 − 3/8 = 0,125. Đổi default_rng(30) thành default_rng(8) để thấy hai dòng đổi ở chữ số thứ ba mà khoảng cách 0,125 vẫn giữ.

Kiểm tra nhanh

  1. Với omega = {1, 2, 3, 4, 5, 6}, a = {2, 4, 6} và b = {1, 2}, biểu thức len(a & b) * len(omega) == len(a) * len(b) cho kết quả gì?

    • True
    • False
  2. Trong khung bẫy, vì sao tích 0,1102 là xác suất sai của "Sáng và Cà phê sữa"?

    • Vì phải cộng hai xác suất thay cho nhân
    • Vì mean() của một cột True/False không phải tần suất
    • Vì khung giờ và món không độc lập: khách sáng gọi cà phê sữa nhiều hơn
    • Vì hai biến cố xung khắc
  3. Những câu nào đúng?

    • Hai biến cố xung khắc, mỗi biến cố có xác suất dương, thì không độc lập
    • Hai biến cố độc lập thì không bao giờ cùng xảy ra
    • "Chẵn" và "nhỏ hơn 3" khi tung một xúc xắc là hai biến cố độc lập
    • Hai lần tung một đồng xu cân đối cho hai biến cố độc lập
  4. Trong ví dụ bảng đồ uống, giao "Sáng ∩ Trên 40" lệch tích khoảng ba phần nghìn. Câu nào đúng?

    • Dữ liệu chứng minh hai cột độc lập
    • Hai cột chắc chắn không độc lập vì hai số không bằng nhau
    • Tần suất của mẫu dao động, nên lệch nhỏ vẫn phù hợp với việc hai cột độc lập
    • Lệch ba phần nghìn là do value_counts() làm tròn
Đúng hết lần đầu +15 XP

Bài tập

Kiểm hai biến cố có độc lập không

Bạn viết hàm kiểm cho một bộ đề xác suất. omega là set các kết quả đồng khả năng, a và b là hai set con của omega. Viết thân hàm doc_lap(omega, a, b): A và B độc lập khi P(A ∩ B) = P(A)P(B).

So bằng số nguyên (nhân chéo hai vế với số kết quả của omega) hay bằng math.isclose(), không so hai số thực bằng ==. Hàm không sửa a, b của nơi gọi.

Trả về: True khi A và B độc lập, một bool.

Ví dụ hai đồng xu, omega = {"SS", "SN", "NS", "NN"}, a = {"SS", "SN"}, b = {"SS", "NS"}: doc_lap(omega, a, b) cho True.

python
def doc_lap(omega, a, b):
    pass  # Viết thân hàm thay cho dòng này

Tóm tắt

  • A và B độc lập khi biết A xảy ra không làm đổi xác suất của B, tức P(A ∩ B) = P(A)P(B).

  • Công thức nhân P(A ∩ B) = P(A)P(B) chỉ dùng khi hai biến cố độc lập; không độc lập mà nhân thì sai im lặng.

  • Xung khắc là A ∩ B rỗng; hai biến cố xung khắc có xác suất dương thì không độc lập.

  • Kiểm độc lập trên tập kết quả đếm được bằng số nguyên: len(a & b) * len(omega) == len(a) * len(b).

  • Trên dữ liệu, tần suất của giao chỉ gần tích khi hai cột độc lập, vì tần suất dao động theo mẫu.

Câu hỏi thường gặp

Công thức biến cố độc lập cho ba biến cố viết thế nào?

Ba biến cố độc lập (đôi một và cả ba) thì P(A ∩ B ∩ C) = P(A)P(B)P(C). Ví dụ ba lần tung đồng xu đều sấp có xác suất (1/2)³ = 1/8; với mảng NumPy, (a & b & c).mean() cho tần suất để bạn so với tích.

Hai biến cố độc lập thì biến cố đối của chúng có độc lập không?

Có. A và B độc lập thì A và B̄, Ā và B, Ā và B̄ cũng độc lập, vì P(A ∩ B̄) = P(A) − P(A)P(B) = P(A)P(B̄). Biến cố đối và P(B̄) = 1 − P(B) nằm ở bài biến cố đối và công thức cộng.

Độc lập liên quan gì đến xác suất có điều kiện?

Độc lập nghĩa là xác suất của A khi đã biết B bằng đúng xác suất của A khi chưa biết gì. Bài xác suất có điều kiện viết điều đó thành P(A|B) = P(A) và tính P(A|B) từ bảng hai chiều bằng pd.crosstab().

Chủ đề

biến cố độc lập

Dữ liệu của bài

Bài này có hữu ích?

Hỏi đáp

Đang tải câu hỏi…

Tham vấn chuyên môn

Nguyễn Việt Chung

Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE

  • Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
  • Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
  • Xây hệ thống AI cho doanh nghiệp tại VietPlatform.
Biên soạn: AIDev Team · Rà soát · Quy trình biên tập