Шарттуу ыктымалдуулуктун негиздери
Ыктымалдуулук - бул окуянын болуу ыктымалдыгын өлчөөнүн расмий жолу. Көптөгөн реалдуу дүйнөдөгү кырдаалдарда окуянын ыктымалдуулугу өз алдынча эмес, биз мурунтан билген башка маалыматтарга таасир этет. Дал ушул жерде шарттуу ыктымалдуулук түшүнүгү маанилүү болуп калат. Шарттуу ыктымалдуулук кошумча маалымат алгандан кийин белгилүү бир окуя жөнүндөгү ишенимдерибизди жаңыртууга жардам берет. Бул макалада анын аныктамасы, негизги формуласы, мисалдары жана анын көбөйтүү эрежеси жана Байес теоремасы менен байланышы талкууланат.
1. Шарттуу ыктымалдуулукту түшүнүү
Интуитивдик жактан алганда, шарттуу ыктымалдуулук - бул В окуясы болгон учурда А окуясынын пайда болуу мүмкүнчүлүгү. Ал төмөнкүдөй жазылат:
\[
P(A \mid B)
\]
"берилген Внин А ыктымалдуулугун" окугула.
Мисалы, бүгүн жамгыр жаап жатканын эске алганда (B), кимдир бирөөнүн кол чатыр көтөрүп жүрүү ыктымалдыгын билгибиз келет (A). Албетте, жамгыр жаап жатканын билсек, кол чатыр көтөрүп жүрүү ыктымалдыгы жогору болот. "Жамгыр жаап жатат" деген маалымат биздин кароо мейкиндигибизди өзгөртөт — биз мындан ары бардык аба ырайынын шарттарын эмес, жамгыр жаап жаткандагы шарттарды гана эске алабыз.
2. Шарттуу ыктымалдуулук формуласы
Шарттуу ыктымалдуулуктун математикалык аныктамасы:
\[
P(A \mid B) = \frac{P(A \cap B)}{P(B)}
\]
шарты менен \(P(B) > 0\).
Маалымат:
– \(P(A \mid B)\): В пайда болгондо, А пайда болуу ыктымалдыгы.
– \(P(A \cap B)\): А жана В учурларынын бир убакта пайда болуу ыктымалдуулугу (А жана В учурларынын кесилиши).
– \(P(B)\): B пайда болуу ыктымалдыгы.
Бул формуланын мааниси: биз көңүлүбүздү В окуясына гана бурабыз, андан кийин Внын бир бөлүгүнө А дагы канча өлчөмдө кирерин эсептейбиз.
3. Жөнөкөй мисал: Оюн карталары
Оюн карталарынын стандарттуу топтомунан (52 карта) бир карта алыңыз. Мисалы:
– A: Тартылган карта туз
– B: тартылган карта - Spades
Биз \(P(A \mid B)\) эсептегибиз келет, бул карта күрөк болгондо тузду алуу ыктымалдыгы.
Кадам:
– Каркаларда 13 карта бар, ошондуктан \(P(B) = 13/52\).
– А жана В кесимдери – бул “Күрөк тузу”, алардын жалпы саны 1 карта, ошондуктан \(P(A \капкак B) = 1/52\).
Ошентип:
\[
P(A \mid B) = \frac{1/52}{13/52} = \frac{1}{13}
\]
Бул эгерде биз картанын күрөк экенин билсек, анда анын туз болуу ыктымалдыгы 13төн 1ге барабар дегенди билдирет.
4. Кесилиш чекитин (A ∩ B) жана маалыматтын ролун түшүнүү
Ыктымалдуулукту изилдөөдө кеңири таралган ката - \(P(A)\) функциясын \(P(A|B)\) менен чаташтыруу. Карта мисалында:
– \(P(A) = 4/52 = 1/13\) (кошумча маалыматсыз Ace ыктымалдуулугу)
– \(P(A|B) = 1/13\) (бул учурда кокусунан ушундай)
Бирок, көп учурларда эки маани ар башка болот. Кошумча маалымат төмөнкүлөр болушу мүмкүн:
– мүмкүнчүлүктөрдү жогорулатуу (мисалы, кимдир бирөөнүн окуп жатканын билсе, экзаменден өтүү мүмкүнчүлүгү),
– мүмкүнчүлүктөрдү азайтыңыз (эгер жумуштан үйгө кайтуу убактысы келгенин билсеңиз, жолдордун тегиз болушуна жол бербеңиз),
– же окуялар көз карандысыз болсо, ыктымалдуулукту өзгөртпөйт.
5. Өз ара көз карандысыз окуялар (Көз карандысыздык)
Эгерде В окуясы А окуясынын ыктымалдуулугуна таасир этпесе, А жана В эки окуясы көз карандысыз деп аталат жана тескерисинче. Формалдуу түрдө:
\[
P(A \mid B) = P(A)
\]
же барабар:
\[
P(A \cap B) = P(A)P(B)
\]
Мисал: тыйынды ыргытуу жана кумура тоголотуу. Монетанын жыйынтыгына (сан/сүрөт) кумуранын жыйынтыгы (1–6) таасир этпейт, ошондуктан экөө тең көз карандысыз. Эгерде А "тыйын санды көрсөтөт" жана В "кумура 6ны көрсөтөт" болсо, анда:
\[
P(A) = 1/2,\quad P(B)=1/6,\quad P(A \cap B)=1/12
\]
жана бул чындык \(1/12 = (1/2)(1/6)\).
6. Көбөйтүү эрежеси
Шарттуу ыктымалдуулуктун аныктамасынан көбөйтүү эрежесин чыгарсак болот:
\[
P(A \cap B) = P(A \mid B)P(B)
\]
же ошондой эле:
\[
P(A \cap B) = P(B \mid A)P(A)
\]
Бул эреже эки окуянын бир убакта болуп кетүү ыктымалдыгын эсептегибиз келгенде абдан пайдалуу, бирок алардын биринин ыктымалдыгын экинчисин билгенден кийин баалоо оңой.
Мисал: Кимдир бирөөнүн маектешүүдөн өтүү ыктымалдыгы (B) 0,4 деп коёлу. Эгерде ал маектешүүдөн өтсө, жумушка кабыл алынуу ыктымалдыгы (A) 0,6. Анда "маектешүүдөн өтүп, жумушка кабыл алынуу" ыктымалдыгы төмөнкүдөй:
\[
P(A \cap B) = P(A \mid B)P(B) = 0{,}6 \times 0{,}4 = 0{,}24
\]
7. Байес теоремасы: Шарттарды тескери бурмалоо
Көп учурда биз \(P(A|B)\) экенин билебиз, бирок бизге чындап керек болгон нерсе \(P(B|A)\). Байестин теоремасы шарттуу ыктымалдуулукту "оодаруунун" жолун камсыз кылат:
\[
P(B \mid A) = \frac{P(A \mid B)P(B)}{P(A)}
\]
Бул теорема медициналык диагностика, машиналык окутуу, спамды аныктоо жана маалыматтарга негизделген чечим кабыл алуу тармактарында абдан белгилүү.
Кыска мисал (Ден соолук)
Мисалы:
– B: кимдир бирөө чындап ооруп жатат (таралышы) \(P(B)=0{,}01\)
– A: тесттин жыйынтыгы оң
– Сыноонун сезгичтиги: \(P(A|B)=0{,}95\)
– Жалган оң: \(P(A|\text{ооруган жок})=0{,}05\)
Суроо: Эгерде тесттин жыйынтыгы оң болсо, анда адамдын чындыгында ооруп калуу ыктымалдыгы канча, б.а. \(P(B|A)\)?
Бизге \(P(A)\) керек:
\[
P(A)=P(A|B)P(B) + P(A|\neq B)P(\neq B)
\]
\[
P(A)=0{,}95(0{,}01) + 0{,}05(0{,}99)=0{,}0095+0{,}0495=0{,}059
\]
Ошентип:
\[
P(B|A)=\frac{0{,}95 \times 0{,}01}{0{,}059} \pprox 0{,}161
\]
Жыйынтык 16,1% тегерегинде болду. Бул оң тесттин жыйынтыгы сөзсүз түрдө кимдир бирөөнүн ооруп жатканын билдирбей турганын көрсөтүп турат, айрыкча оорунун таралышы өтө төмөн болсо.
8. Жалпы ыктымалдуулук (Жалпы ыктымалдуулук мыйзамы)
Бир нече шарттарга бөлүнгөн кырдаалда \(P(A)\) эсептөө үчүн биз жалпы ыктымалдуулук мыйзамын колдоно алабыз. Эгерде \(B_1, B_2, …, B_n\) үлгү мейкиндигинин бөлүнүшүн түзсө (өз ара ажырап, бардык мүмкүнчүлүктөрдү камтыган), анда:
\[
P(A) = \sum_{i=1}^{n} P(A|B_i)P(B_i)
\]
Көп учурда бир нече категориялардан же булактардан алынган маалыматты иштетүү үчүн ал Байес теоремасы менен айкалыштырылат.
9. Шарттуу ыктымалдуулуктагы кеңири таралган каталар
Кээ бир кеңири таралган каталар:
1. \(P(A|B)\) барабар деп эсептейли. Бул жалпысынан туура эмес.
2. Базалык көрсөткүчтөрдү, мисалы, Байес мисалындагы оорулардын таралышын эске албоо.
3. Шарт берилгенден кийин үлгү мейкиндигин туура эмес аныктоо, В шарты биз "В аймагында" гана эсептейбиз дегенди билдирет.
10. Корутунду
Шарттуу ыктымалдуулук статистикада жана белгисиздик моделдөөдө маанилүү негиз болуп саналат. \(P(A|B)=\frac{P(A \cap B)}{P(B)}\) аныктамасын түшүнүү менен, биз кошумча маалыматты эске алуу менен ыктымалдуулуктарды баалай алабыз. Бул түшүнүк көбөйтүндү эрежесине, көз карандысыз окуяларга, жалпы ыктымалдуулук мыйзамына жана көптөгөн реалдуу дүйнөдөгү колдонмолордо абдан пайдалуу болгон Байес теоремасына түздөн-түз байланыштуу. Конкреттүү мисалдар менен - карталар, сөөктөр, сурамжылоолор жана ал тургай медициналык учурлар менен канчалык көп машыксаңыз, жаңы маалымат келгенде ыктымалдуулуктар кандайча өзгөрөрү жөнүндөгү интуицияңыз ошончолук күчтүү болот.
