Tushen Yiwuwar Sharaɗi
Probabilitas adalah cara formal untuk mengukur seberapa besar kemungkinan suatu peristiwa terjadi. Dalam banyak situasi nyata, peluang suatu peristiwa tidak berdiri sendiri, melainkan dipengaruhi oleh informasi lain yang sudah kita ketahui. Di sinilah konsep probabilitas kondisional menjadi penting. Probabilitas kondisional membantu kita memperbarui keyakinan tentang kejadian tertentu setelah memperoleh informasi tambahan. Artikel ini membahas pengertian, rumus dasar, contoh, serta kaitannya dengan aturan perkalian dan Teorema Bayes.
1. Fahimtar Yiwuwar Sharaɗi
Secara intuitif, probabilitas kondisional adalah peluang terjadinya peristiwa A dengan syarat peristiwa B telah terjadi. Notasinya ditulis sebagai:
\[
P(A \tsakiyar B)
\]
karanta "yiwuwar A da aka bayar B".
Misalnya, kita ingin mengetahui peluang seseorang membawa payung (A) dengan syarat hari ini hujan (B). Jelas peluang membawa payung akan lebih besar jika kita tahu hujan sedang terjadi. Informasi “hujan” mengubah ruang pertimbangan kita—kita tidak lagi melihat semua kondisi cuaca, tetapi hanya kondisi saat hujan.
2. Tsarin Yiwuwar Sharaɗi
Ma'anar lissafi na yiwuwar sharaɗi ita ce:
\[
P(A \mid B) = \frac{P(A \cap B)}{P(B)}
\]
idan dai \(P(B) > 0\).
Bayani:
– \(P(A \mid B)\): yuwuwar faruwar A idan aka yi la'akari da cewa B yana faruwa.
– \(P(A \cap B)\): yuwuwar A da B suna faruwa a lokaci guda (mahaɗar A da B).
– \(P(B)\): yuwuwar faruwar B.
Ma'anar wannan dabarar: muna iyakance hankalinmu ga taron B, sannan mu ƙididdige girman ɓangaren B kuma ya haɗa da A.
3. Misali Mai Sauƙi: Katunan Wasa
Ɗauki kati ɗaya daga cikin katunan wasa na yau da kullun (katuna 52). Misali:
– A: kartu yang terambil adalah As
– B: kartu yang terambil adalah Sekop
Muna son yin lissafin \(P(A \mid B)\), wanda shine yuwuwar zana Ace tunda katin spade ne.
Mataki:
– A cikin spades akwai katunan 13, don haka \(P(B) = 13/52\).
– Yanka A da B sune "Ace of spades" wanda jimillar kati 1 ne, don haka \(P(A \cap B) = 1/52\).
Don haka:
\[
P(A \tsakiyar B) = \frac{1/52}{13/52} = \frac{1}{13}
\]
Wannan yana nufin cewa idan mun riga mun san cewa katin yana da yawa, yuwuwar cewa katin Ace ne 1 cikin 13.
4. Fahimtar Mahadar Hanya (A ∩ B) da Matsayin Bayani
Kuskuren da aka saba gani yayin nazarin yiwuwar yin hakan shine a rikita \(P(A)\) da \(P(A|B)\). A cikin misalin katin:
– \(P(A) = 4/52 = 1/13\) (yiwuwar Ace ba tare da ƙarin bayani ba)
– \(P(A|B) = 1/13\) (haka ne a wannan yanayin)
Duk da haka, a lokuta da yawa dabi'un biyu sun bambanta. Ƙarin bayani na iya zama:
– ƙara damar samun nasara (misali damar cin jarrabawa idan mutum ya san wani yana karatu),
– rage damammaki (damar samun hanyoyi masu santsi idan kun san lokaci ya yi da za ku dawo gida daga aiki),
- ko kuma baya canza yiwuwar idan abubuwan da suka faru ba su da alaƙa da juna.
5. Abubuwan da suka shafi 'yancin kai na juna ('Yanci)
Dua peristiwa A dan B disebut saling bebas jika kejadian B tidak mempengaruhi peluang A, dan sebaliknya. Secara formal:
\[
P(A \tsakiyar B) = P(A)
\]
ko kuma daidai da:
\[
P(A \cap B) = P(A)P(B)
\]
Misali: jefa tsabar kuɗi da birgima da mayafi. Sakamakon tsabar kuɗin (lamba/hoto) ba ya shafar sakamakon mayafin (1–6), don haka duka biyun suna da 'yancin kai. Idan A shine "tsabar kuɗi tana nuna lamba" kuma B shine "mayafin yana nuna 6", to:
\[
P(A) = 1/2,\quad P(B)=1/6,\quad P(A \cap B)=1/12
\]
kuma gaskiya ne cewa \(1/12 = (1/2)(1/6)\).
6. Dokar ninkawa
Dari definisi probabilitas kondisional, kita dapat menurunkan aturan perkalian :
\[
P(A \cap B) = P(A \tsakiyar B)P(B)
\]
ko kuma:
\[
P(A \cap B) = P(B \tsakiyar A)P(A)
\]
Wannan ƙa'ida tana da matuƙar amfani idan muna son ƙididdige yiwuwar faruwar abubuwa biyu a lokaci guda, amma yana da sauƙi a tantance yiwuwar faruwar ɗayansu bayan sanin ɗayan.
Misali: A ce yiwuwar wani ya ci jarrabawar hira (B) shine 0,4. Yiwuwar a karɓi aikin (A) idan ya ci jarrabawar ita ce 0,6. To, yuwuwar "cin jarrabawar hira da kuma karɓar aikin" ita ce:
\[
P(A \cap B) = P(A \mid B)P(B) = 0{,}6 \sau 0{,}4 = 0{,}24
\]
7. Ka'idar Bayes: Juya Yanayin
Sering kali kita mengetahui \(P(A|B)\), tetapi yang kita butuhkan adalah \(P(B|A)\). Teorema Bayes menyediakan cara untuk “membalik” probabilitas kondisional:
\[
P(B \mid A) = \frac{P(A \mid B)P(B)}{P(A)}
\]
Wannan ka'idar ta shahara sosai a fannoni na ganewar asali na likita, koyon na'ura, gano spam, da kuma yanke shawara bisa ga bayanai.
Gajeren Misali (Lafiya)
Misali:
– B: wani yana rashin lafiya sosai (yawan jama'a) \(P(B)=0{,}01\)
– A: sakamakon gwaji mai kyau
– Gwaji mai sauƙin fahimta: \(P(A|B)=0{,}95\)
– An tabbatar da ƙarya: \(P(A|\text{not sick})=0{,}05\)
Tambaya: Idan sakamakon gwajin ya kasance tabbatacce, menene yuwuwar cewa mutumin yana rashin lafiya, wato \(P(B|A)\)?
Muna buƙatar \(P(A)\):
\[
P(A)=P(A|B)P(B) + P(A|\neg B)P(\neg B)
\]
\[
P(A)=0{,}95(0{,}01) + 0{,}05(0{,}99)=0{,}0095+0{,}0495=0{,}059
\]
Don haka:
\[
P(B|A)=\frac{0{,}95 \sau 0{,}01}{0{,}059} \approx 0{,}161
\]
Sakamakon ya kasance kusan kashi 16,1%. Wannan ya nuna cewa gwajin da aka yi ya nuna cewa mutum yana da rashin lafiya ba lallai bane ya nuna cewa yana da rashin lafiya, musamman idan yawan cutar ya yi ƙasa sosai.
8. Jimlar Yiwuwa (Dokar Jimlar Yiwuwa)
Untuk menghitung \(P(A)\) dalam situasi yang terbagi ke beberapa kondisi, kita dapat memakai hukum probabilitas total . Jika \(B_1, B_2, …, B_n\) membentuk partisi ruang sampel (saling lepas dan mencakup semua kemungkinan), maka:
\[
P(A) = \sum_{i=1}^{n} P(A|B_i)P(B_i)
\]
Sau da yawa ana haɗa shi da Ka'idar Bayes don sarrafa bayanai daga rukunoni ko tushe daban-daban.
9. Kurakurai da Aka Fi Sani a Kan Yiwuwar Sharaɗi
Wasu kurakurai na yau da kullun:
1. Menganggap \(P(A|B)\) sama dengan \(P(B|A)\) . Ini tidak benar secara umum.
2. Mengabaikan peluang dasar (base rate) , misalnya prevalensi penyakit pada contoh Bayes.
3. Keliru menentukan ruang sampel setelah kondisi diberikan , padahal syarat B berarti kita hanya menghitung di dalam “wilayah B”.
10. Kammalawa
Probabilitas kondisional adalah fondasi penting dalam statistik dan pemodelan ketidakpastian. Dengan memahami definisi \(P(A|B)=\frac{P(A \cap B)}{P(B)}\), kita dapat menilai peluang dengan mempertimbangkan informasi tambahan. Konsep ini terhubung langsung dengan aturan perkalian, kejadian saling bebas, hukum probabilitas total, dan Teorema Bayes yang sangat berguna dalam berbagai aplikasi nyata. Semakin sering Anda berlatih dengan contoh konkret—kartu, dadu, survei, hingga kasus medis—semakin kuat pula intuisi Anda tentang bagaimana peluang berubah saat informasi baru masuk.
