AP Statistics

xác suất đồng thờijoint probability

joint probabilityVietnamese: xác suất đồng thời

Còn gọi:Also called: joint probability

Định nghĩaIn short

Xác suất đồng thời là xác suất hai biến cố cùng xảy ra một lúc, ký hiệu P(A và B) hoặc P(A ∩ B).A joint probability is the probability that two events happen together, written P(AandB)P(A and B) or P(A ∩ B).

Trực giác: Hãy hình dung bảng hai chiều như tấm bản đồ: xác suất đồng thời là diện tích một ô so với toàn bộ bản đồ.Intuition: Think of a two-way table as a map: a joint probability is the area of one cell compared with the area of the whole map.

Công thức chínhKey formula

P(A∩B)=P(A) P(B∣A)P(A \cap B) = P(A)\,P(B \mid A)
Định nghĩa đầy đủFull definition1 phút đọc1 min read

Xác suất đồng thời (joint probability) đo khả năng hai biến cố cùng xảy ra trong toàn bộ không gian mẫu. Nếu chúng độc lập, có thể nhân hai xác suất riêng; nếu không, dùng xác suất của một biến cố với điều kiện biến cố kia đã xảy ra.

Trong bảng hai chiều, đây thường là xác suất của một ô. Khác xác suất có điều kiện, mẫu số là tổng toàn bảng, không phải tổng một hàng hoặc cột.

Joint probability measures how likely two events are to occur together, relative to the entire sample space. If the events are independent, multiply their individual probabilities; if not, multiply one probability by the probability of the other event given that the first has occurred.

In a two-way table, a joint probability is usually the probability for a single cell. Unlike a conditional probability, its denominator is the grand total of the table, not a row total or a column total.

Giải nghĩa công thứcFormula breakdown1 công thức1 formula
P(A∩B)=P(A) P(B∣A)P(A \cap B) = \htmlClass{fp-0}{P(A)}\,\htmlClass{fp-1}{P(B \mid A)}
P(A∩B)=P(A) P(B∣A)P(A \cap B) = \htmlClass{fp-0}{P(A)}\,\htmlClass{fp-1}{P(B \mid A)}

Dùng để tính xác suất hai biến cố cùng xảy ra; nếu độc lập, thay xác suất có điều kiện bằng xác suất riêng.Use this to find the probability that two events occur together; when the events are independent, replace the conditional probability with the event's individual probability.

Trong đóWhere

P(A∩B)P(A \cap B)xác suất đồng thời của AA và BB, tức xác suất cả hai cùng xảy rajoint probability of AA and BB, that is, the probability that both occurP(A)P(A)xác suất biên (marginal) của AAmarginal probability of AAP(B∣A)P(B \mid A)xác suất có điều kiện của BB khi biết AA đã xảy raconditional probability of BB given that AA has occurred
Hay hiểu saiCommon misconceptions1 ý, 1 phút đọc1 point, 1 min read

Xác suất đồng thời không phải xác suất có điều kiện.

Xác suất đồng thời xét giao so với toàn bộ không gian mẫu; xác suất có điều kiện chỉ xét trong phần đã biết. Với bảng hai chiều, mẫu số tương ứng là tổng toàn bảng hoặc tổng hàng hay cột.

A joint probability is not a conditional probability.

A joint probability compares the overlap of the two events with the whole sample space, while a conditional probability looks only within a group already known to have occurred. In a two-way table, the denominator is therefore the grand total versus a single row or column total.

Mẹo phòng thiExam tips1 mẹo1 tip

Chỉ nhân hai xác suất riêng khi hai biến cố độc lập.

Nếu chúng phụ thuộc, dùng quy tắc nhân với xác suất có điều kiện; viết rõ công thức tổng quát trước khi thay số.

Multiply the two individual probabilities only when the events are independent.

If the events are dependent, use the multiplication rule with a conditional probability, and write the general formula before substituting numbers.

Khái niệm này sinh ra từ đâuWhere the concept comes from1 phút đọc1 min read

thế kỷ 17Blaise PascalPierre de FermatChristiaan HuygensAntoine Gombaud, Chevalier de Méré

Xác suất đồng thời phát triển từ lý thuyết xác suất ở thế kỷ 17, khi Blaise Pascal và Pierre de Fermat trao đổi để giải bài toán cờ bạc.
Joint probability grew out of seventeenth-century probability theory, when Blaise Pascal and Pierre de Fermat exchanged letters to solve gambling problems.

Vì sao mang đúng cái tên này? Chữ "đồng thời" trong tên gọi mô tả đúng điều mà khái niệm này làm: thay vì nhìn từng đại lượng riêng lẻ, ta đặt các biến ngẫu nhiên cùng lên một không gian xác suất (probability space) và hỏi về khả năng chúng cùng rơi vào những giá trị đã chỉ định. Khi chỉ có hai biến, phân phối tương ứng được gọi là phân phối hai biến (bivariate distribution), còn với số biến bất kỳ thì dùng tên phân phối nhiều biến (multivariate distribution) — nghĩa là cái tên phản ánh số lượng đại lượng được xét chung chứ không phản ánh một tính chất toán học nào khác. Chính vì các biến được xét chung mà ta mới phát biểu được điều kiện độc lập (independent) dưới dạng tích: P(X=x and Y=y)=P(X=x)⋅P(Y=y)P(X=x \text{ and } Y=y)=P(X=x)\cdot P(Y=y) Đẳng thức này nói rằng hai biến độc lập khi và chỉ khi xác suất đồng thời của mọi cặp giá trị bằng tích hai xác suất riêng lẻ. Bản thân từ "probability" thì có gốc xa hơn nhiều: nó đi từ tiếng Latin probabilis mà Cicero từng dùng với nghĩa "đáng tin, được số đông chấp nhận", qua tiếng Pháp cổ probabilite, và mãi đến năm 1718 mới mang nghĩa toán học như ngày nay.

Thử nghiệm tương tácInteractive explorer

Bấm ô "nữ và đi xe buýt" — đổi mẫu số, ba xác suất hiện ra

Bấm ô "nữ và đi xe buýt" — đổi mẫu số, ba xác suất hiện ra

Kéo tham số, thấy khái niệm chuyển động — đăng nhập để mở.Drag the parameters and watch the concept move — sign in to open.

Tạo tài khoảnCreate an account
Ví dụ có lời giảiWorked example3 phút đọc3 min read
Một trường trung học khảo sát toàn bộ 300 học sinh khối 12 về hai thói quen: có đi xe buýt đến trường hay không, và có ăn sáng trước khi đến trường hay không. Kết quả được tóm tắt trong bảng hai chiều (two-way table) dưới đây. Ăn sángKhông ăn sángTổngĐi xe buýt8436120Không đi xe buýt10278180Tổng186114300 Chọn ngẫu nhiên một học sinh trong số 300 học sinh này.
  1. aTính xác suất học sinh được chọn vừa đi xe buýt vừa có ăn sáng. Xác suất này thuộc loại nào?
  2. bTính xác suất học sinh được chọn có ăn sáng, biết rằng em đó đi xe buýt.
  3. cHai biến cố "đi xe buýt" và "có ăn sáng" có độc lập với nhau không? Giải thích bằng số liệu.
1Bước 1: Trước hết hãy đặt ký hiệu cho gọn, vì mọi công thức phía sau đều dựa vào đó. Gọi BB là biến cố học sinh được chọn đi xe buýt và AA là biến cố học sinh đó có ăn sáng. Tổng số học sinh là n=300n = 300, và vì mỗi học sinh có cùng cơ hội được chọn nên mọi xác suất đều tính theo tỉ số "số học sinh thỏa điều kiện chia cho 300". Cần phân biệt ngay từ đầu ba ô số trong bảng: ô giao nhau cho xác suất đồng thời, ô ở hàng hoặc cột "Tổng" cho xác suất biên (marginal probability), còn khi ta thu hẹp không gian mẫu vào một hàng hay một cột thì được xác suất có điều kiện (conditional probability).
2Bước 2: Ý (a) hỏi đúng ô giao của hàng "Đi xe buýt" và cột "Ăn sáng", tức là 84 học sinh thỏa đồng thời cả hai tính chất. Do đó P(B∩A)=84300=0,28.P(B \cap A) = \frac{84}{300} = 0{,}28. Con số 0,280{,}28 nói rằng nếu chọn ngẫu nhiên một học sinh khối 12 của trường, có 28% khả năng em đó vừa đi xe buýt vừa ăn sáng. Đây chính là xác suất đồng thời, vì cả hai điều kiện phải cùng xảy ra trên một cá thể duy nhất, và mẫu số vẫn là toàn bộ 300 học sinh chứ không bị thu hẹp.
3Bước 3: Ý (b) thì khác hẳn: cụm "biết rằng em đó đi xe buýt" cắt bỏ 180 học sinh không đi xe buýt, nên không gian mẫu chỉ còn 120 em ở hàng thứ nhất. Trong 120 em ấy có 84 em ăn sáng, vì vậy P(A∣B)=84120=0,70.P(A \mid B) = \frac{84}{120} = 0{,}70. Có thể thu được cùng kết quả bằng định nghĩa P(A∣B)=P(A∩B)/P(B)=0,28/0,40=0,70P(A \mid B) = P(A \cap B)/P(B) = 0{,}28 / 0{,}40 = 0{,}70, và sự trùng khớp này cho thấy xác suất đồng thời và xác suất có điều kiện là hai mặt của cùng một quan hệ chứ không phải hai khái niệm rời nhau.
4Bước 4: Để trả lời ý (c), ta so sánh xác suất đồng thời thực tế với tích của hai xác suất biên. Ở đây P(B)=120/300=0,40P(B) = 120/300 = 0{,}40 và P(A)=186/300=0,62P(A) = 186/300 = 0{,}62, nên nếu hai biến cố độc lập thì phải có P(B)P(A)=0,40×0,62=0,248P(B)P(A) = 0{,}40 \times 0{,}62 = 0{,}248. Tuy nhiên giá trị quan sát được là 0,280{,}28, lớn hơn 0,2480{,}248, nên điều kiện độc lập không thỏa. Cách kiểm tra thứ hai cũng cho kết luận như vậy: P(A∣B)=0,70P(A \mid B) = 0{,}70 trong khi P(A)=0,62P(A) = 0{,}62, tức là biết một học sinh đi xe buýt đã làm thay đổi khả năng em đó ăn sáng.

Xác suất một học sinh khối 12 được chọn ngẫu nhiên vừa đi xe buýt vừa ăn sáng là 0,280{,}28; nếu đã biết em đó đi xe buýt thì xác suất em ăn sáng tăng lên 0,700{,}70. Vì P(B∩A)=0,28≠0,248=P(B)P(A)P(B \cap A) = 0{,}28 \neq 0{,}248 = P(B)P(A), hai biến cố "đi xe buýt" và "có ăn sáng" không độc lập: nhóm học sinh đi xe buýt có tỉ lệ ăn sáng cao hơn rõ rệt so với toàn khối.

Bạn nắm chắc chưa?Check your understanding

Quiz câu thật từ ngân hàng đềReal exam questions from our question bank

Vài câu thật gắn đúng khái niệm này, chấm ngay kèm giải thích từng đáp án — hệ thống ghi nhớ bạn nắm tới đâu.A few real questions on exactly this concept, graded instantly with an explanation for every choice — the system remembers how well you know it.

Tạo tài khoảnCreate an account

Học tiếp từ đâyKeep learning

Hay nhầm vớiOften confused with

Khác nhau ở đâuHow they differXác suất đồng thời lấy toàn bộ không gian mẫu làm mẫu số. Xác suất có điều kiện chỉ lấy phần không gian mà biến cố điều kiện đã xảy ra làm mẫu số.
Hay nhầm khiMixed up whenĐề cho bảng hai chiều và hỏi "chọn ngẫu nhiên một người, xác suất người đó vừa là nam vừa hút thuốc" so với "biết người đó là nam, xác suất hút thuốc" — câu đầu chia cho tổng toàn bảng, câu sau chia cho tổng hàng nam.
Khác nhau ở đâuHow they differXác suất đồng thời là giá trị lý thuyết gán cho hai biến cố cùng xảy ra. Tần số tương đối đồng thời là tỉ lệ đếm được từ một ô của bảng dữ liệu đã thu thập.
Hay nhầm khiMixed up whenKhi đề đưa bảng dữ liệu mẫu, nhiều thí sinh gọi tỉ lệ trong ô là xác suất và kết luận độc lập ngay, trong khi số liệu mẫu chỉ ước lượng cho xác suất của tổng thể.

Biên soạn bởi DucklingStudy, bản quyền thuộc DucklingStudy.Written by DucklingStudy. © DucklingStudy. Xuất bảnPublished .