Basiese beginsels van voorwaardelike waarskynlikheid
Waarskynlikheid is 'n formele manier om te meet hoe waarskynlik 'n gebeurtenis sal plaasvind. In baie werklike situasies staan die waarskynlikheid van 'n gebeurtenis nie op sy eie nie, maar word dit beïnvloed deur ander inligting wat ons reeds ken. Dit is waar die konsep van voorwaardelike waarskynlikheid belangrik word. Voorwaardelike waarskynlikheid help ons om ons oortuigings oor 'n spesifieke gebeurtenis op te dateer nadat ons addisionele inligting verkry het. Hierdie artikel bespreek die definisie, basiese formule, voorbeelde en die verband met die produkreël en Bayes se stelling.
1. Verstaan van voorwaardelike waarskynlikheid
Intuïtief is voorwaardelike waarskynlikheid die kans dat gebeurtenis A plaasvind, gegewe dat gebeurtenis B plaasgevind het. Dit word geskryf as:
\[
P(A \mid B)
\]
lees “waarskynlikheid van A gegewe B”.
Byvoorbeeld, ons wil die waarskynlikheid weet dat iemand 'n sambreel (A) dra, gegewe dat dit vandag reën (B). Dit is duidelik dat die waarskynlikheid om 'n sambreel te dra groter is as ons weet dit reën. Die inligting "dit reën" verander ons oorwegingsruimte - ons oorweeg nie meer alle weerstoestande nie, maar slegs die toestande wanneer dit reën.
2. Voorwaardelike Waarskynlikheidsformule
Die wiskundige definisie van voorwaardelike waarskynlikheid is:
\[
P(A ≈ B) = \frac{P(A ≈ B)}{P(B)}
\]
mits \(P(B) > 0\).
Inligting:
– \(P(A \mid B)\): die waarskynlikheid dat A voorkom gegewe dat B voorkom.
– \(P(A \capB)\): die waarskynlikheid dat A en B gelyktydig voorkom (die kruising van A en B).
– \(P(B)\): die waarskynlikheid dat B voorkom.
Die betekenis van hierdie formule: ons beperk ons aandag tot gebeurtenis B, en bereken dan hoe groot 'n deel van B ook A insluit.
3. Eenvoudige voorbeeld: Speelkaarte
Neem een kaart uit 'n standaard pak speelkaarte (52 kaarte). Byvoorbeeld:
– A: Die kaart wat getrek word, is 'n aas
– B: die kaart wat getrek word, is Spades
Ons wil \(P(A \mid B)\) bereken, wat die waarskynlikheid is om 'n aas te trek gegewe dat die kaart 'n skop is.
Stap:
– In spades is daar 13 kaarte, so \(P(B) = 13/52\).
– Die skywe A en B is "Aas van skoppe" wat altesaam 1 kaart is, dus \(P(A \kaart B) = 1/52\).
So:
\[
P(A ≈ B) = 1/52/13/52 = 1/13
\]
Dit beteken dat as ons reeds weet die kaart is 'n skop, die waarskynlikheid dat die kaart 'n aas is 1 in 13 is.
4. Verstaan van Interseksie (A ∩ B) en die Rol van Inligting
'n Algemene fout wanneer waarskynlikheid bestudeer word, is om \(P(A)\) met \(P(A|B)\) te verwar. In die kaartvoorbeeld:
– \(P(A) = 4/52 = 1/13\) (waarskynlikheid van Aas sonder bykomende inligting)
– \(P(A|B) = 1/13\) (toevallig dieselfde in hierdie geval)
In baie gevalle is die twee waardes egter verskillend. Bykomende inligting kan wees:
– verhoog kanse (bv. die kans om 'n eksamen te slaag as 'n mens weet iemand studeer),
– verminder geleenthede (kanse op gladde paaie as jy weet dis tyd om van die werk af huis toe te kom),
– of verander nie die waarskynlikheid as die gebeurtenisse onafhanklik is nie.
5. Onderling Onafhanklike Gebeurtenisse (Onafhanklikheid)
Twee gebeurtenisse A en B word onafhanklik genoem as gebeurtenis B nie die waarskynlikheid van A beïnvloed nie, en andersom. Formeel:
\[
P(A ≈ B) = P(A)
\]
of ekwivalent aan:
\[
P(A ≈ B) = P(A)P(B)
\]
Voorbeeld: om 'n muntstuk op te gooi en 'n dobbelsteen te rol. Die uitkoms van die muntstuk (nommer/prent) word nie beïnvloed deur die uitkoms van die dobbelsteen (1–6) nie, dus is beide onafhanklik. As A is "die muntstuk wys 'n nommer" en B is "die dobbelsteen wys 6", dan:
\[
P(A) = 1/2, ⋅ P(B) = 1/6, ⋅ P(A ⋅ B) = 1/12
\]
en dit is waar dat \(1/12 = (1/2)(1/6)\).
6. Vermenigvuldigingsreël
Uit die definisie van voorwaardelike waarskynlikheid kan ons die vermenigvuldigingsreël aflei:
\[
P(A \cap B) = P(A \mid B)P(B)
\]
of ook:
\[
P(A µm B) = P(B µm A)P(A)
\]
Hierdie reël is baie nuttig wanneer ons die waarskynlikheid wil bereken dat twee gebeurtenisse gelyktydig plaasvind, maar dit is makliker om die waarskynlikheid van een van hulle te bepaal nadat ons die ander een ken.
Voorbeeld: Veronderstel die waarskynlikheid dat iemand 'n onderhoud slaag (B) is 0,4. Die waarskynlikheid om vir die werk aanvaar te word (A) as hulle die onderhoud slaag, is 0,6. Dan is die waarskynlikheid om "die onderhoud te slaag en vir die werk aanvaar te word":
\[
P(A × B) = P(A × B)P(B) = 0,6 × 0,4 = 0,24
\]
7. Bayes se Stelling: Omkering van die Voorwaardes
Dikwels weet ons \(P(A|B)\), maar wat ons regtig nodig het, is \(P(B|A)\). Bayes se stelling bied 'n manier om die voorwaardelike waarskynlikheid te "omdraai":
\[
P(B \midA) = \frac{P(A \midB)P(B)}{P(A)}
\]
Hierdie stelling is baie bekend op die gebied van mediese diagnose, masjienleer, strooiposopsporing en datagedrewe besluitneming.
Kort voorbeeld (Gesondheid)
Byvoorbeeld:
– B: iemand is regtig siek (prevalensie) \(P(B)=0{,}01\)
– A: positiewe toetsresultaat
– Toetssensitiwiteit: \(P(A|B)=0{,}95\)
– Vals positief: \(P(A|\teks{nie siek nie})=0{,}05\)
Vraag: Indien die toetsresultaat positief is, wat is die waarskynlikheid dat die persoon werklik siek is, d.w.s. \(P(B|A)\)?
Ons benodig \(P(A)\):
\[
P(A) = P(A|B)P(B) + P(A|\neg B)P(\neg B)
\]
\[
P(A)=0{,}95(0{,}01) + 0{,}05(0{,}99)=0{,}0095+0{,}0495=0{,}059
\]
So:
\[
P(B|A) = \frac{0,95 \times 0,01}{0,059} \approx 0,161
\]
Die resultaat was ongeveer 16,1%. Dit toon dat 'n positiewe toets nie noodwendig beteken dat iemand definitief siek is nie, veral as die voorkoms van die siekte baie laag is.
8. Totale Waarskynlikheid (Wet van Totale Waarskynlikheid)
Om \(P(A)\) te bereken in 'n situasie wat in verskeie toestande verdeel is, kan ons die wet van totale waarskynlikheid gebruik. As \(B_1, B_2, …, B_n\) 'n partisie van die steekproefruimte vorm (onderling disjunkt en omvattend alle moontlikhede), dan:
\[
P(A) = \sum_{i=1}^{n} P(A|B_i)P(B_i)
\]
Dit word dikwels gekombineer met Bayes se Stelling om inligting uit verskeie kategorieë of bronne te verwerk.
9. Algemene foute in voorwaardelike waarskynlikheid
'n Paar algemene foute:
1. Neem aan dat \(P(A|B)\) gelyk is aan \(P(B|A)\). Dit is nie in die algemeen waar nie.
2. Ignoreer basiskoerse, byvoorbeeld siekteprevalensie in die Bayes-voorbeeld.
3. Verkeerde bepaling van die steekproefruimte nadat die voorwaarde gegee is, al beteken voorwaarde B dat ons slegs in "streek B" tel.
10. Afsluiting
Voorwaardelike waarskynlikheid is 'n belangrike fondament in statistiek en onsekerheidsmodellering. Deur die definisie van \(P(A|B)=\frac{P(A \capB)}{P(B)}\) te verstaan, kan ons waarskynlikhede assesseer deur addisionele inligting in ag te neem. Hierdie konsep hou direk verband met die produkreël, onafhanklike gebeurtenisse, die wet van totale waarskynlikheid en Bayes se stelling, wat baie nuttig is in baie werklike toepassings. Hoe meer jy oefen met konkrete voorbeelde – kaarte, dobbelstene, opnames en selfs mediese gevalle – hoe sterker sal jou intuïsie word oor hoe waarskynlikhede verander soos nuwe inligting inkom.
