Osnove uslovne vjerovatnoće
Vjerovatnoća je formalni način mjerenja vjerovatnoće da će se neki događaj dogoditi. U mnogim stvarnim situacijama, vjerovatnoća događaja ne stoji sama za sebe, već je pod utjecajem drugih informacija koje već znamo. Ovdje koncept uslovne vjerovatnoće postaje važan. Uslovna vjerovatnoća nam pomaže da ažuriramo svoja uvjerenja o određenom događaju nakon što dobijemo dodatne informacije. Ovaj članak razmatra njenu definiciju, osnovnu formulu, primjere i njen odnos prema pravilu produkta i Bayesovom teoremu.
1. Razumijevanje uslovne vjerovatnoće
Intuitivno, uslovna vjerovatnoća je šansa da se događaj A dogodi, pod uslovom da se dogodio događaj B. Zapisuje se kao:
\[
P(A \sredina B)
\]
pročitajte „vjerovatnoća A za dati B“.
Na primjer, želimo znati vjerovatnoću da neko nosi kišobran (A) s obzirom na to da danas pada kiša (B). Jasno je da je vjerovatnoća nošenja kišobrana veća ako znamo da pada kiša. Informacija „pada kiša“ mijenja naš prostor razmatranja – više ne uzimamo u obzir sve vremenske uslove, već samo uslove kada pada kiša.
2. Formula uslovne vjerovatnoće
Matematička definicija uslovne vjerovatnoće je:
\[
P(A ∫ B) = \frac{P(A ∫ B)}{P(B)}
\]
pod uslovom da je \(P(B) > 0\).
Informacije:
– \(P(A \mid B)\): vjerovatnoća da se A dogodi, pod uslovom da se B dogodi.
– \(P(A \cap B)\): vjerovatnoća da se A i B dogode istovremeno (presjek A i B).
– \(P(B)\): vjerovatnoća da se B dogodi.
Značenje ove formule: ograničavamo našu pažnju na događaj B, a zatim izračunavamo koliki dio B također uključuje A.
3. Jednostavan primjer: Igranje karata
Uzmite jednu kartu iz standardnog špila igraćih karata (52 karte). Na primjer:
– A: Izvučena karta je as
– B: izvučena karta je Pik
Želimo izračunati \(P(A \mid B)\), što je vjerovatnoća izvlačenja asa s obzirom na to da je karta pik.
Korak:
– U piku ima 13 karata, tako da je \(P(B) = 13/52\).
– Kriške A i B su „As pik“ koji ukupno daje 1 kartu, tako da je \(P(A \cap B) = 1/52\).
Dakle:
\[
P(A ∫ B) = ∫1/52 ∫13/52 = ∫1/13
\]
To znači da ako već znamo da je karta pik, vjerovatnoća da je karta as je 1 prema 13.
4. Razumijevanje presjeka (A ∩ B) i uloge informacije
Uobičajena greška pri proučavanju vjerovatnoće je miješanje \(P(A)\) sa \(P(A|B)\). U primjeru s karticom:
– \(P(A) = 4/52 = 1/13\) (vjerovatnoća Asa bez dodatnih informacija)
– \(P(A|B) = 1/13\) (slučajno isto i u ovom slučaju)
Međutim, u mnogim slučajevima te dvije vrijednosti se razlikuju. Dodatne informacije mogu biti:
– povećati šanse (npr. šansu za polaganje ispita ako se zna da neko uči),
– smanjuju mogućnosti (šanse za glatke puteve ako znate da je vrijeme da se vratite kući s posla),
– ili ne mijenja vjerovatnoću ako su događaji nezavisni.
5. Međusobno nezavisni događaji (Nezavisnost)
Dva događaja A i B se nazivaju nezavisnim ako događaj B ne utiče na vjerovatnoću događaja A i obrnuto. Formalno:
\[
P(A ∫ B) = P(A)
\]
ili ekvivalentno:
\[
P(A \cap B) = P(A)P(B)
\]
Primjer: bacanje novčića i bacanje kocke. Rezultat bacanja novčića (broj/slika) ne zavisi od rezultata bacanja kocke (1–6), tako da su oba nezavisna. Ako je A „novčić pokazuje broj“, a B „kocka pokazuje 6“, onda:
\[
P(A) = 1/2,\quad P(B)=1/6,\quad P(A \cap B)=1/12
\]
i tačno je da je \(1/12 = (1/2)(1/6)\).
6. Pravilo množenja
Iz definicije uslovne vjerovatnoće možemo izvesti pravilo množenja:
\[
P(A ∈ B) = P(A ∈ B)P(B)
\]
ili također:
\[
P(A \cap B) = P(B \mid A)P(A)
\]
Ovo pravilo je veoma korisno kada želimo izračunati vjerovatnoću da se dva događaja dese istovremeno, ali je lakše procijeniti vjerovatnoću jednog od njih nakon što znamo drugi.
Primjer: Pretpostavimo da je vjerovatnoća da neko prođe intervju (B) 0,4. Vjerovatnoća da bude primljen na posao (A) ako prođe intervju je 0,6. Tada je vjerovatnoća „prolaska intervjua i prihvatanja na posao“:
\[
P(A ∈ B) = P(A ∅ B)P(B) = 0⁻⁶ √(0⁻⁴) = 0⁻²
\]
7. Bayesov teorem: Obrtanje uslova
Često znamo \(P(A|B)\), ali ono što nam zaista treba je \(P(B|A)\). Bayesov teorem pruža način da se "okrene" uslovna vjerovatnoća:
\[
P(B ∫ A) = \frac{P(A ∫ B)P(B)}{P(A)}
\]
Ova teorema je veoma dobro poznata u oblastima medicinske dijagnoze, mašinskog učenja, otkrivanja neželjene pošte i donošenja odluka na osnovu podataka.
Kratak primjer (Zdravlje)
Na primjer:
– B: neko je zaista bolestan (prevalencija) \(P(B)=0{,}01\)
– A: pozitivan rezultat testa
– Osjetljivost testa: \(P(A|B)=0{,}95\)
– Lažno pozitivan: \(P(A|\text{nije bolestan})=0{,}05\)
Pitanje: Ako je rezultat testa pozitivan, koja je vjerovatnoća da je osoba zaista bolesna, tj. \(P(B|A)\)?
Potrebno nam je \(P(A)\):
\[
P(A)=P(A|B)P(B) + P(A|neg B)P(neg B)
\]
\[
P(A)=0{,}95(0{,}01) + 0{,}05(0{,}99)=0{,}0095+0{,}0495=0{,}059
\]
Dakle:
\[
P(B|A)=\frac{0{,}95 \puta 0{,}01}{0{,}059} \približno 0{,}161
\]
Rezultat je bio oko 16,1%. To pokazuje da pozitivan test ne mora nužno značiti da je neko definitivno bolestan, posebno ako je prevalencija bolesti vrlo niska.
8. Ukupna vjerovatnoća (Zakon ukupne vjerovatnoće)
Da bismo izračunali \(P(A)\) u situaciji podijeljenoj na nekoliko uslova, možemo koristiti zakon totalne vjerovatnoće. Ako \(B_1, B_2, …, B_n\) formira particiju prostora uzorka (međusobno disjunktnu i obuhvatajuću sve mogućnosti), tada:
\[
P(A) = \sum_{i=1}^{n} P(A|B_i)P(B_i)
\]
Često se kombinuje sa Bayesovim teoremom za obradu informacija iz više kategorija ili izvora.
9. Uobičajene greške u uslovnoj vjerovatnoći
Neke uobičajene greške:
1. Pretpostavimo da je \(P(A|B)\) jednako \(P(B|A)\). Ovo generalno nije tačno.
2. Ignorisanje osnovnih stopa, na primjer prevalencije bolesti u Bayesovom primjeru.
3. Pogrešno određivanje prostora uzorka nakon što je dat uslov, iako uslov B znači da računamo samo u „regionu B“.
10. Zaključak
Uslovna vjerovatnoća je važna osnova u statistici i modeliranju neizvjesnosti. Razumijevanjem definicije \(P(A|B)=\frac{P(A \cap B)}{P(B)}\), možemo procijeniti vjerovatnoće razmatrajući dodatne informacije. Ovaj koncept je direktno povezan sa pravilom proizvoda, nezavisnim događajima, zakonom totalne vjerovatnoće i Bayesovim teoremom, koji je vrlo koristan u mnogim primjenama u stvarnom svijetu. Što više vježbate sa konkretnim primjerima - kartama, kockicama, anketama, pa čak i medicinskim slučajevima - to će vaša intuicija o tome kako se vjerovatnoće mijenjaju kako pristižu nove informacije postati jača.
