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?
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:

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.
Hot: Danh sách các trường đã công bố điểm chuẩn Đại học 2025 (mới nhất) (2025). Xem ngay
- 500 Bài tập tổng ôn môn Toán (Form 2025) ( 38.500₫ )
- 250+ Công thức giải nhanh môn Toán 12 (chương trình mới) ( 18.000₫ )
- Sổ tay lớp 12 các môn Toán, Lí, Hóa, Văn, Sử, Địa, KTPL (chương trình mới) ( 36.000₫ )
- Bộ đề thi tốt nghiệp 2025 các môn Toán, Lí, Hóa, Văn, Anh, Sinh, Sử, Địa, KTPL (có đáp án chi tiết) ( 36.000₫ )
CÂU HỎI HOT CÙNG CHỦ ĐỀ
Lời giải
Gọi \(A\) là biến cố: "Bà \(N\) bị bệnh hiểm nghèo \(Y\) "; \(B\) là biến cố: "Xét nghiệm cho kết quả dương tính".
a) Trước khi tiến hành xét nghiệm, xác suất không mắc bệnh hiểm nghèo Y của bà N là
\(P(\bar A) = 1 - P(A) = 1 - 0,005 = 0,995.{\rm{ }}\)
b) Ta cần tính \(P(\bar A\mid \bar B)\).
Theo công thức Bayes ta có: \(P(\bar A\mid \bar B) = \frac{{P(\bar A) \cdot P(\bar B\mid \bar A)}}{{P(\bar A) \cdot P(\bar B\mid \bar A) + P(A) \cdot P(\bar B\mid A)}}.\)
\(P(\bar B\mid \bar A)\) là xác suất để bà \(N\) có xét nghiệm là âm tính nếu bà \(N\) không bị bệnh \(Y\).
Theo bài ra ta có: \(P(\bar B\mid \bar A) = 0,97{\rm{;}}\)
\(P(\bar B\mid A)\) là xác suất để bà N có xét nghiệm âm tính nếu bà N bị bệnh Y
\(P(\bar B\mid A) = 1 - 0,94 = 0,06.{\rm{ }}\)
Thay vào công thức Bayes ta có: \(P(\bar A\mid \bar B) = \frac{{0,995 \cdot 0,97}}{{0,995 \cdot 0,97 + 0,005 \cdot 0,06}} \approx 0,9997.\)
Như vậy, với xét nghiệm cho kết quả âm tính, xác suất không mắc bệnh Y của bà N tăng lên thành \(99,97\% \) (trước xét nghiệm là \(99,5\% \) ).
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.

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 \(1,96\% \).
Lời giải
Bạn cần đăng ký gói VIP ( giá chỉ từ 199K ) để làm bài, xem đáp án và lời giải chi tiết không giới hạn.
Lời giải
Bạn cần đăng ký gói VIP ( giá chỉ từ 199K ) để làm bài, xem đáp án và lời giải chi tiết không giới hạn.
Lời giải
Bạn cần đăng ký gói VIP ( giá chỉ từ 199K ) để làm bài, xem đáp án và lời giải chi tiết không giới hạn.
Lời giải
Bạn cần đăng ký gói VIP ( giá chỉ từ 199K ) để làm bài, xem đáp án và lời giải chi tiết không giới hạn.
Lời giải
Bạn cần đăng ký gói VIP ( giá chỉ từ 199K ) để làm bài, xem đáp án và lời giải chi tiết không giới hạn.