Thông tin thay đổi xác suất
Trong cuộc sống, chúng ta hiếm khi đánh giá xác suất trong trạng thái "không biết gì." Thường thì bạn đã có sẵn một số thông tin, và thông tin đó thay đổi cách bạn đánh giá khả năng xảy ra. Đó chính là xác suất có điều kiện - xác suất của sự kiện A khi đã biết sự kiện B đã xảy ra.
Ký hiệu: P(A|B) - đọc là "xác suất A xảy ra, biết rằng B đã xảy ra."
Ví dụ trực giác
Hãy bắt đầu với ví dụ đơn giản trước khi đi vào công thức.
Trong kỳ thi THPT quốc gia, 40% thí sinh cả nước đạt điểm Toán trên 7. Nhưng trong số thí sinh đã ôn luyện tại trung tâm chuyên luyện thi, tỷ lệ đạt trên 7 là 70%.
P(Toán > 7) = 40% - xác suất chung cho bất kỳ thí sinh nào
P(Toán > 7 | đã ôn thi chuyên) = 70% - xác suất cao hơn khi biết thêm thông tin
Thông tin "đã ôn thi chuyên" thay đổi xác suất từ 40% lên 70%.
Công thức xác suất có điều kiện
Công thức chính:
P(A|B) = P(A và B) / P(B)
Nghĩa là: xác suất A xảy ra khi B đã xảy ra bằng xác suất cả A và B cùng xảy ra, chia cho xác suất B xảy ra.
Trong 1.000 người mua hàng trên Shopee:
- 400 người mua điện thoại (sự kiện A)
- 300 người mua phụ kiện (sự kiện B)
- 150 người mua CẢ điện thoại VÀ phụ kiện (A và B)
Hỏi: nếu biết một khách hàng đã mua phụ kiện, xác suất người đó cũng mua điện thoại là bao nhiêu?
P(điện thoại | phụ kiện) = P(cả hai) / P(phụ kiện) = 150/1000 ÷ 300/1000 = 150/300 = 50%
So sánh: P(điện thoại) nói chung = 400/1000 = 40%. Nhưng nếu biết khách đã mua phụ kiện, xác suất tăng lên 50%. Thông tin bổ sung làm thay đổi xác suất.
Phân biệt P(A|B) và P(B|A)
Đây là lỗi rất phổ biến: nhầm P(A|B) với P(B|A). Hai giá trị này thường rất khác nhau.
Trong bệnh viện Bạch Mai:
- P(ho | bị COVID) = 80% - 80% người bị COVID có triệu chứng ho
- P(bị COVID | ho) = 5% - chỉ 5% người bị ho thực sự mắc COVID
Hai xác suất này rất khác nhau! Ho là triệu chứng phổ biến của nhiều bệnh (cảm lạnh, dị ứng, viêm phổi...), nên phần lớn người ho không mắc COVID. Nhưng phần lớn người mắc COVID thì ho.
Sự kiện độc lập và xác suất có điều kiện
Nếu hai sự kiện độc lập, thì biết sự kiện này xảy ra không thay đổi xác suất sự kiện kia. Nghĩa là:
Nếu A và B độc lập: P(A|B) = P(A)
Bạn tung đồng xu hai lần. Lần đầu ra ngửa. Xác suất lần hai ra ngửa vẫn là 50%, không thay đổi. Hai lần tung độc lập nhau.
Nhưng nếu bạn rút bài từ bộ 52 lá không trả lại: rút được Ách lần đầu sẽ thay đổi xác suất lần hai (còn 3 Ách trong 51 lá thay vì 4 trong 52).
Ứng dụng thực tế
Y tế và sàng lọc bệnh
Xác suất có điều kiện cực kỳ quan trọng trong y tế. Khi bạn xét nghiệm dương tính, câu hỏi thực sự là: "Xác suất tôi thực sự mắc bệnh, biết rằng xét nghiệm dương tính?" Đây là P(bệnh | dương tính), và nó phụ thuộc vào tỷ lệ mắc bệnh trong dân số.
Marketing và bán hàng
Shopee phân tích: "Xác suất khách hàng mua lại trong tháng, biết rằng họ đã đánh giá 5 sao cho đơn hàng trước?" Nếu P(mua lại | 5 sao) cao hơn nhiều so với P(mua lại) nói chung, Shopee biết rằng đánh giá tích cực là tín hiệu mạnh cho lòng trung thành.
Thi cử
"Xác suất đỗ đại học, biết rằng điểm THPT quốc gia trên 24?" Con số này rất khác so với xác suất đỗ đại học nói chung. Thông tin về điểm thi thu hẹp phạm vi đáng kể.
Bảng tần suất giúp trực quan hóa
Cách dễ nhất để tính xác suất có điều kiện là lập bảng đếm (bảng chéo). Hãy xem ví dụ:
Khảo sát 500 nhân viên văn phòng tại Hà Nội về phương tiện đi làm và mức thu nhập:
Thu nhập dưới 15 triệu: 120 đi xe máy, 80 đi xe buýt = 200 người
Thu nhập trên 15 triệu: 150 đi xe máy, 50 đi xe buýt, 100 đi ô tô = 300 người
P(ô tô | thu nhập > 15 triệu) = 100/300 = 33,3%
P(ô tô) = 100/500 = 20%
Biết ai đó có thu nhập cao tăng xác suất họ đi ô tô từ 20% lên 33%.
Xác suất có điều kiện P(A|B) cho biết xác suất A khi đã biết B xảy ra. Công thức: P(A|B) = P(A và B) / P(B). Thông tin mới luôn thay đổi xác suất, trừ khi hai sự kiện độc lập. Hãy luôn cẩn thận phân biệt P(A|B) và P(B|A) - nhầm lẫn hai giá trị này là lỗi phổ biến và nguy hiểm trong y tế, pháp luật, và kinh doanh.