Tóm tắt nội dung: Xác suất có điều kiện là một chủ đề trọng tâm trong chương trình GDPT mới, đóng vai trò nền tảng cho khoa học dữ liệu, học máy (machine learning) và thống kê hiện đại. Bài viết hệ thống lại các khái niệm then chốt như xác suất tiên nghiệm, xác suất hậu nghiệm và định lý Bayes, giúp học sinh nắm vững bản chất toán học cũng như mối liên hệ mật thiết của lý thuyết xác suất với thực tế đời sống.
Tác giả: Nguyễn Song Thiên Long, Nguyễn Thái An, Trần Đình Vĩnh Thụy (Trích Tạp chí Epsilon, Số 25).
1. Kiến thức cần nắm
1.1. Xác suất có điều kiện
Cho hai biến cố bất kỳ là \(A\) và \(B\). Khi đó, xác suất xảy ra biến cố \(B\) với điều kiện biến cố \(A\) đã xảy ra được định nghĩa là xác suất có điều kiện của \(B\) theo \(A\), ký hiệu là \(P(B|A)\).
Công thức xác suất có điều kiện:
\[ P(B|A) = \frac{P(AB)}{P(A)}, \quad \text{với } P(A) > 0. \quad (1) \]Góc nhìn trong suy diễn Bayes:
- \(P(B|A)\) được gọi là xác suất hậu nghiệm (posterior probability), tức là xác suất xảy ra biến cố \(B\) sau khi đã thu thập thêm thông tin/điều kiện \(A\).
- Ngược lại, \(P(B)\) là xác suất tiên nghiệm (prior probability), đại diện cho niềm tin hay ước lượng ban đầu về khả năng xảy ra của biến cố \(B\) dựa trên kinh nghiệm sẵn có mà chưa cần kiểm chứng dữ liệu mới \(A\).
- Như vậy, công thức (1) cho phép ta liên tục cập nhật xác suất tiên nghiệm thành xác suất hậu nghiệm mỗi khi đón nhận thêm dữ kiện mới.
Ứng dụng trong Trí tuệ nhân tạo & Học máy (Machine Learning):
Trong các bài toán phân loại (classification), mục tiêu chính là xây dựng mô hình nhằm dự báo chính xác nhãn \(Y\) dựa trên vector đặc trưng đầu vào \(X\). Vấn đề này quy về việc tính xác suất hậu nghiệm \(P(Y|X)\) – biểu thị khả năng một quan sát thuộc về lớp \(Y\) sau khi đã ghi nhận các đặc trưng \(X\).
1.2. Định lý Bayes
Từ hệ thức cơ bản (1), định lý Bayes dưới dạng đầy đủ được phát biểu như sau:
\[ P(B|A) = \frac{P(B)P(A|B)}{P(B)P(A|B) + P\left(\overline{B}\right)P\left(A|\overline{B}\right)} \]trong đó \(A, B\) là hai biến cố bất kỳ thỏa mãn điều kiện \(P(A) > 0\) và \(0 < P(B) < 1\).
Chứng minh:
Theo định nghĩa xác suất có điều kiện, vì \(P(B) > 0\), ta có:
\[ P(AB) = P(BA) = P(B)P(A|B) \]