Câu hỏi:

23/08/2025 375 Lưu

Một bộ lọc được sử dụng để chặn thư rác trong các tài khoản thư điện tử. Tuy nhiên, vì bộ lọc không tuyệt đối hoàn hảo nên một thư rác bị chặn với xác suất 0,95 và một thư đúng (không phải là thư rác) bị chặn với xác suất 0,01 . Thống kê cho thấy tỉ lệ thư rác là \(3\% \).

a) Chọn ngẫu nhiên một thư bị chặn. Tính xác suất để đó là thư rác.

b) Chọn ngẫu nhiên một thư không bị chặn. Tính xác suất để đó là thư đúng.

c) Trong số các thư bị chặn, có bao nhiêu phần trăm là thư đúng? Trong số các thư không bị chặn, có bao nhiêu phần trăm là thư rác?

Quảng cáo

Trả lời:

verified Giải bởi Vietjack

a) Gọi A là biến cố: "Thư được chọn là thư rác";

B là biến cố: "Thư được chọn là bị chặn".

Ta có \({\rm{P}}({\rm{A}}) = 3\%  = 0,03;P(\bar A) = 1 - P(A) = 0,97\); \({\rm{P}}({\rm{B}}\mid {\rm{A}}) = 0,95\); \(P(B\mid \bar A) = 0,01\).

Ta cần phải tính \({\rm{P}}({\rm{A}}\mid {\rm{B}})\). Áp dụng công thức Bayes, ta có:

\(P(A\mid B) = \frac{{P(A) \cdot P(B\mid A)}}{{P(A) \cdot P(B\mid A) + P(\bar A) \cdot P(B\mid \bar A)}} = \frac{{0,03 \cdot 0,95}}{{0,03 \cdot 0,95 + 0,97 \cdot 0,01}} \approx 0,746\)

Vậy khi chọn ngẫu nhiên một thư bị chặn thì xác suất để đó là thư rác khoảng 0,746 .

b) Ta phải tính \(P(\bar A\mid \bar B)\).

Ta có \(P(B\mid \bar A) = 0,01 \Rightarrow P(\bar B\mid \bar A) = 0,99\);

\(P(B\mid A) = 0,95 \Rightarrow P(\bar B\mid A) = 0,05.{\rm{ }}\)

Áp dụng công thức Bayes, ta có:

\(P(\bar A\mid \bar B) = \frac{{P(\bar A) \cdot P(\bar B\mid \bar A)}}{{P(\bar A) \cdot P(\bar B\mid \bar A) + P(A) \cdot P(\bar B\mid A)}} = \frac{{0,97 \cdot 0,99}}{{0,97 \cdot 0,99 + 0,03 \cdot 0,05}} \approx 0,998\)

Vậy khi ngẫu nhiên một thư không bị chặn thì xác suất để đó là thư đúng khoảng 0,998 .

c) Từ câu a), ta thấy xác suất một thư là thư rác nếu biết rằng thư đó bị chặn là 0,746 . Nghĩa là trong số các thư bị chặn có khoảng \(74,6\% \) thư rác.

Vậy trong số các thư bị chặn có \(100\%  - 74,6\%  = 25,4\% \) là thư đúng.

Từ câu b), ta thấy xác suất để đó là thư đúng nếu biết rằng thư đó không bị chặn là 0,998 . Nghĩa là trong số các thư không bị chặn có khoảng \(99,8\% \) thư đúng.

Vậy trong số các thư không bị chặn có \(100\%  - 99,8\%  = 0,2\% \) là thư rác.

CÂU HỎI HOT CÙNG CHỦ ĐỀ

Lời giải

a) Xét hai biến cố:

A: "Linh kiện được lấy ra từ lô hàng là linh kiện tốt”;

B: "Linh kiện được lấy ra từ lô hàng do nhà máy I sản xuất".

Vi lô linh kiện để lẫn lộn 80 sản phẩm của nhà máy số I và 120 sản phẩm của nhà máy số II nên \(P(B) = \frac{{80}}{{80 + 120}} = 0,4\), suy ra \(P(\bar B) = 1 - 0,4 = 0,6\).

Vì tỉ lệ phế phẩm của các nhà máy I, II lần lượt là: \(4\% ;3\% \) nên tỉ lệ thành phẩm (linh kiện tốt) của các nhà máy I, II lần lượt là \(96\% ;97\% \).

Do đó \({\rm{P}}({\rm{A}}\mid {\rm{B}}) = 0,96\) và \({\rm{P}}({\rm{A}}\mid \bar B) = 0,97\).

Áp dụng công thức xác suất toàn phần, ta có xác suất để linh kiện được lấy ra là linh kiện tốt là:

\({\rm{P}}({\rm{A}}) = {\rm{P}}({\rm{B}}) \cdot {\rm{P}}({\rm{A}}\mid {\rm{B}}) + {\rm{P}}(\bar B) \cdot {\rm{P}}({\rm{A}}\mid \bar B) = 0,4 \cdot 0,96 + 0,6 \cdot 0,97 = 0,966.\)

b) Xét biến cố C: "Linh kiện được lấy ra từ lô hàng là linh kiện phế phẩm".

Khi đó, ta có \({\rm{C}} = \bar A\). Suy ra \({\rm{P}}({\rm{C}}) = {\rm{P}}(\bar A) = 1 - {\rm{P}}({\rm{A}}) = 1 - 0,966 = 0,034\).

Theo bài ra ta có: \(P(C\mid B) = 4\%  = 0,04\).

Do đó, nếu linh kiện được lấy ra là linh kiện phế phẩm thì xác suất sản phẩm đó do nhà máy I sản xuất là: \({\rm{P}}({\rm{B}}\mid {\rm{C}}) = \frac{{P(B) \cdot P(C\mid B)}}{{P(C)}} = \frac{{0,4 \cdot 0,04}}{{0,034}} = \frac{8}{{17}}\).

Nếu linh kiện được lấy ra là linh kiện phế phẩm thì xác suất sản phẩm đó do nhà máy II sản xuất là: \({\rm{P}}(\bar B\mid {\rm{C}}) = 1 - {\rm{P}}({\rm{B}}\mid {\rm{C}}) = 1 - \frac{8}{{17}} = \frac{9}{{17}}\).

Vi \(\frac{9}{{17}} > \frac{8}{{17}}\) nên nếu linh kiện được lấy ra là linh kiện phế phẩm thì xác suất linh kiện đó do nhà máy II sản xuất là cao hơn.

Lời giải

a) Xét hai biến cố: \(K\) : "Người được chọn ra không mắc bệnh";

\(D\) : "Người được chọn ra có phản ứng dương tính".

Do tỉ lệ người mắc bệnh là \(0,1\%  = 0,001\) nên \({\rm{P}}(K) = 1 - 0,001 = 0,999\).

Trong số những người không mắc bệnh có \(5\% \) số người có phản ứng dương tính nên \({\rm{P}}(D\mid K) = 5\%  = 0,05\). Vì ai mắc bệnh khi xét nghiệm cũng có phản ứng dương tính nên \({\rm{P}}(D\mid \bar K) = 1\).

Sơ đồ hình cây ở Hình 3 biểu thi tình huống đã cho.

Giả sử có một loại bệnh mà tỉ lệ người mắc bệnh là 0,1 phần trăm. Giả sử có một loại xét nghiệm, mà ai mắc bệnh khi xét nghiệm cũng có phản ứng dương tính (ảnh 1)

b) Ta thấy: Khả năng mắc bệnh của một người xét nghiệm có phản ứng dương tính chính là \({\rm{P}}(\bar K\mid D)\). Áp dụng công thức Bayes, ta có:

\({\rm{P}}(\bar K\mid D) = \frac{{{\rm{P}}(\bar K) \cdot {\rm{P}}(D\mid \bar K)}}{{{\rm{P}}(\bar K) \cdot {\rm{P}}(D\mid \bar K) + {\rm{P}}(K) \cdot {\rm{P}}(D\mid K)}} = \frac{{0,001}}{{0,001 + 0,999 \cdot 0,05}} \approx 1,96\% .\)

Vậy xác suất mắc bệnh của một người xét nghiệm có phản ứng dương tính là \(1,96\% \).