Шартты ықтималдық негіздері
Ықтималдық - оқиғаның болу ықтималдығын өлшеудің формальды тәсілі. Көптеген нақты жағдайларда оқиғаның ықтималдығы жеке емес, біз бұрыннан білетін басқа ақпараттың әсерінен болады. Міне, осы жерде шартты ықтималдық ұғымы маңызды бола бастайды. Шартты ықтималдық бізге қосымша ақпарат алғаннан кейін белгілі бір оқиға туралы сенімдерімізді жаңартуға көмектеседі. Бұл мақалада оның анықтамасы, негізгі формуласы, мысалдары және көбейтінді ережесімен және Байес теоремасымен байланысы талқыланады.
1. Шартты ықтималдықты түсіну
Интуитивті түрде, шартты ықтималдық - бұл В оқиғасы орын алған жағдайда А оқиғасының орын алу мүмкіндігі. Ол былай жазылады:
\[
P(A \mid B)
\]
«берілген В нүктесінің ықтималдығы» дегенді оқыңыз.
Мысалы, бүгін жаңбыр жауып тұрғанын ескере отырып (B), біреудің қолшатыр көтеріп жүру ықтималдығын білгіміз келеді (A). Әрине, жаңбыр жауып тұрғанын білсек, қолшатыр көтеру ықтималдығы жоғарырақ. «Жаңбыр жауып тұр» деген ақпарат біздің қарастыру кеңістігімізді өзгертеді - біз енді барлық ауа райы жағдайларын емес, тек жаңбыр жауып тұрған кездегі жағдайларды ескереміз.
2. Шартты ықтималдық формуласы
Шартты ықтималдықтың математикалық анықтамасы:
\[
P(A \mid B) = \frac{P(A \cap B)}{P(B)}
\]
шартымен \(P(B) > 0\).
Ақпарат:
– \(P(A \mid B)\): B орын алған жағдайда А орын алу ықтималдығы.
– \(P(A \cap B)\): A және B оқиғаларының бір мезгілде пайда болу ықтималдығы (A және B оқиғаларының қиылысуы).
– \(P(B)\): B пайда болу ықтималдығы.
Бұл формуланың мағынасы: біз назарымызды В оқиғасына шектейміз, содан кейін В бөлігінің қандай үлкен бөлігінде А болатынын есептейміз.
3. Қарапайым мысал: Ойын карталары
Стандартты ойын карталарының жиынтығынан (52 карта) бір карта алыңыз. Мысалы:
– A: Тартылған карта - туз
– B: салынған карта - Spades
Біз карта күрек болған жағдайда түзді алу ықтималдығы болып табылатын \(P(A \mid B)\) мәнін есептегіміз келеді.
Лангка:
– Күрекшелерде 13 карта бар, сондықтан \(P(B) = 13/52\).
– А және В кесінділері – «Күрек түзі», олардың жалпы саны 1 карта, сондықтан \(P(A \cap B) = 1/52\).
Сонымен:
\[
P(A \mid B) = \frac{1/52}{13/52} = \frac{1}{13}
\]
Бұл картаның күрек екенін білсек, картаның туз болу ықтималдығы 13-тен 1-ге тең екенін білдіреді.
4. Қиылысуды (A ∩ B) және ақпараттың рөлін түсіну
Ықтималдықты зерттеу кезінде жиі кездесетін қателік - \(P(A)\) функциясын \(P(A|B)\) функциясымен шатастыру. Карта мысалында:
– \(P(A) = 4/52 = 1/13\) (қосымша ақпаратсыз Ace ықтималдығы)
– \(P(A|B) = 1/13\) (бұл жағдайда кездейсоқтықпен бірдей)
Дегенмен, көп жағдайда екі мән әртүрлі болады. Қосымша ақпарат келесідей болуы мүмкін:
– мүмкіндікті арттыру (мысалы, біреудің оқып жатқанын білсе, емтиханнан өту мүмкіндігі),
– мүмкіндіктерді азайтыңыз (егер жұмыстан үйге оралатын уақыт келгенін білсеңіз, жолдардың тегіс болу мүмкіндігін азайтыңыз),
– немесе оқиғалар тәуелсіз болса, ықтималдықты өзгертпейді.
5. Өзара тәуелсіз оқиғалар (Тәуелсіздік)
Егер В оқиғасы А оқиғасының ықтималдығына әсер етпесе, А және В екі оқиғасы тәуелсіз деп аталады және керісінше. Формальды түрде:
\[
P(A \mid B) = P(A)
\]
немесе оған баламалы:
\[
P(A \cap B) = P(A)P(B)
\]
Мысал: тиынды лақтыру және штампты домалату. Тиынның нәтижесіне (сан/сурет) штамптың нәтижесі (1–6) әсер етпейді, сондықтан екеуі де тәуелсіз. Егер А «тиын санды көрсетеді» және В «штамп 6 көрсетеді» болса, онда:
\[
P(A) = 1/2,\quad P(B)=1/6,\quad P(A \cap B)=1/12
\]
және бұл рас, \(1/12 = (1/2)(1/6)\).
6. Көбейту ережесі
Шартты ықтималдықтың анықтамасынан көбейту ережесін шығаруға болады:
\[
P(A \cap B) = P(A \mid B)P(B)
\]
немесе сонымен қатар:
\[
P(A \cap B) = P(B \mid A)P(A)
\]
Бұл ереже екі оқиғаның бір мезгілде болу ықтималдығын есептегіміз келгенде өте пайдалы, бірақ екіншісін білгеннен кейін біреуінің ықтималдығын бағалау оңайырақ.
Мысал: Біреудің сұхбаттан өту ықтималдығы (B) 0,4 болсын. Егер ол сұхбаттан өтсе, жұмысқа (A) қабылдану ықтималдығы 0,6 болсын. Сонда «сұхбаттан өту және жұмысқа қабылдану» ықтималдығы:
\[
P(A \cap B) = P(A \mid B)P(B) = 0{,}6 \times 0{,}4 = 0{,}24
\]
7. Байес теоремасы: Шарттарды кері айналдыру
Көбінесе біз \(P(A|B)\) екенін білеміз, бірақ бізге шын мәнінде \(P(B|A)\) қажет. Байес теоремасы шартты ықтималдықты «аударудың» жолын ұсынады:
\[
P(B \mid A) = \frac{P(A \mid B)P(B)}{P(A)}
\]
Бұл теорема медициналық диагностика, машиналық оқыту, спамды анықтау және деректерге негізделген шешім қабылдау салаларында өте танымал.
Қысқа мысал (Денсаулық)
Мысалы:
– B: біреу шынымен ауырып тұр (таралуы) \(P(B)=0{,}01\)
– A: тест нәтижесі оң
– Сынақ сезімталдығы: \(P(A|B)=0{,}95\)
– Жалған оң нәтиже: \(P(A|\text{ауырмаймын})=0{,}05\)
Сұрақ: Егер тест нәтижесі оң болса, адамның шынымен ауырып қалу ықтималдығы қандай, яғни \(P(B|A)\)?
Бізге қажет \(P(A)\):
\[
P(A)=P(A|B)P(B) + P(A|\neq B)P(\neq B)
\]
\[
P(A)=0{,}95(0{,}01) + 0{,}05(0{,}99)=0{,}0095+0{,}0495=0{,}059
\]
Сонымен:
\[
P(B|A)=\frac{0{,}95 \times 0{,}01}{0{,}059} \шамамен 0{,}161
\]
Нәтиже шамамен 16,1% болды. Бұл оң нәтиже біреудің міндетті түрде ауырып тұрғанын білдірмейтінін көрсетеді, әсіресе аурудың таралуы өте төмен болса.
8. Жалпы ықтималдық (Жалпы ықтималдық заңы)
Бірнеше шартқа бөлінген жағдайда \(P(A)\) есептеу үшін толық ықтималдық заңын қолдануға болады. Егер \(B_1, B_2, …, B_n\) үлгі кеңістігінің бөлімін құраса (барлық мүмкіндіктерді өзара ажыратып, қамтитын), онда:
\[
P(A) = \sum_{i=1}^{n} P(A|B_i)P(B_i)
\]
Ол көбінесе бірнеше санаттағы немесе көздерден алынған ақпаратты өңдеу үшін Байес теоремасымен біріктіріледі.
9. Шартты ықтималдықтағы жиі кездесетін қателіктер
Кейбір жиі кездесетін қателіктер:
1. \(P(A|B)\) мәні \(P(B|A)\) мәніне тең деп есептейік. Бұл жалпы алғанда дұрыс емес.
2. Базалық көрсеткіштерді, мысалы, Байес мысалындағы аурудың таралуын ескермеу.
3. Шарт берілгеннен кейін үлгі кеңістігін дұрыс анықтамау, тіпті В шарты тек «В аймағында» ғана есептелетінін білдірсе де.
10. Қорытынды
Шартты ықтималдық статистика мен белгісіздік модельдеудегі маңызды негіз болып табылады. \(P(A|B)=\frac{P(A \cap B)}{P(B)}\) анықтамасын түсіну арқылы біз қосымша ақпаратты ескере отырып, ықтималдықтарды бағалай аламыз. Бұл тұжырымдама көбейтінді ережесімен, тәуелсіз оқиғалармен, толық ықтималдық заңымен және көптеген нақты әлемдегі қолданбаларда өте пайдалы Байес теоремасымен тікелей байланысты. Нақты мысалдармен - карталармен, сүйектермен, сауалнамалармен және тіпті медициналық жағдайлармен неғұрлым көп жаттығатын болсаңыз, жаңа ақпарат түскен сайын ықтималдықтардың қалай өзгеретіні туралы интуицияңыз соғұрлым күшті болады.
