Câu hỏi:

23/08/2025 33 Lưu

Hộp thứ nhất có 1 viên bi xanh và 5 viên bi đỏ. Hộp thứ hai có 3 viên bi xanh và 5 viên bi đỏ. Các viên bi có cùng kích thước và khối lượng. Lấy ra ngẫu nhiên đồng thời hai viên bi từ hộp thứ nhất chuyển sang hộp thứ hai. Sau đó lại lấy ra ngẫu nhiên đồng thời 2 viên bi từ hộp thứ hai.

a) Tính xác suất để hai viên bi lấy ra từ hộp thứ hai là bi đỏ.

b) Biết rằng 2 viên bi lấy ra từ hộp thứ hai là bi đỏ. Tính xác suất để 2 viên bi lấy ra từ hộp thứ nhất cũng là bi đỏ.

Quảng cáo

Trả lời:

verified Giải bởi Vietjack

Gọi A là biến cố "Lấy được hai viên bi đỏ từ hộp thứ nhất" và B là biến cố "Lấy được hai viên bi đỏ từ hộp thứ \({2^{\prime \prime }}\).

Ta có \(P(A) = \frac{{C_5^2}}{{C_6^2}} = \frac{2}{3}P(B\mid A) = \frac{{C_7^2}}{{C_{10}^2}} = \frac{7}{{15}}\). Suy ra \(P(\bar A) = 1 - P(A) = \frac{1}{3};P(B\mid \bar A) = \frac{{C_6^2}}{{C_{10}^2}} = \frac{1}{3}\).

a) Ta cần tính \({\rm{P}}({\rm{B}})\). Ta có \(P(B) = P(A) \cdot P(B\mid A) + P(\bar A) \cdot P(B\mid \bar A) = \frac{2}{3} \cdot \frac{7}{{15}} + \frac{1}{3} \cdot \frac{1}{3} = \frac{{19}}{{45}}\).

b) Cần tính \({\rm{P}}({\rm{A}}\mid {\rm{B}})\). \({\rm{ Có  }}P(A\mid B) = \frac{{P(A) \cdot P(B\mid A)}}{{P(B)}} = \frac{2}{3} \cdot \frac{7}{{15}}:\frac{{19}}{{45}} = \frac{{14}}{{19}}{\rm{. }}\)

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.

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 \(1,96\% \).

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.

Nâng cấp VIP