Основе условне вероватноће
Вероватноћа је формални начин мерења вероватноће да ће се неки догађај догодити. У многим стварним ситуацијама, вероватноћа догађаја не постоји сама за себе, већ је под утицајем других информација које већ знамо. Ту концепт условне вероватноће постаје важан. Условна вероватноћа нам помаже да ажурирамо своја уверења о одређеном догађају након што добијемо додатне информације. Овај чланак разматра њену дефиницију, основну формулу, примере и њен однос према правилу производа и Бајесовој теорему.
1. Разумевање условне вероватноће
Интуитивно, условна вероватноћа је шанса да се догађај А догоди, под условом да се догодио догађај Б. Записује се као:
\[
P(A \sredina B)
\]
прочитајте „вероватноћа А датог Б“.
На пример, желимо да знамо вероватноћу да неко носи кишобран (А) с обзиром на то да данас пада киша (Б). Јасно је да је вероватноћа ношења кишобрана већа ако знамо да пада киша. Информација „пада киша“ мења наш простор разматрања – више не разматрамо све временске услове, већ само услове када пада киша.
2. Формула условне вероватноће
Математичка дефиниција условне вероватноће је:
\[
P(A ∈ B) = \frac{P(A ∈ B)}{P(B)}
\]
под условом да је \(P(B) > 0\).
Информације:
– \(P(A \mid B)\): вероватноћа да се А догоди, под условом да се догоди B.
– \(P(A \cap B)\): вероватноћа да се A и B догоде истовремено (пресек A и B).
– \(P(B)\): вероватноћа да се B догоди.
Значење ове формуле: ограничавамо пажњу на догађај Б, а затим израчунавамо колики део Б такође укључује А.
3. Једноставан пример: Карте за играње
Узмите једну карту из стандардног шпила карата за играње (52 карте). На пример:
– A: Извучена карта је ас
– Б: извучена карта је пик
Желимо да израчунамо \(P(A \mid B)\), што је вероватноћа извлачења аса с обзиром да је карта пик.
Лангках:
– У пику има 13 карата, тако да је \(P(B) = 13/52\).
– Кришке А и Б су „Ас пик“ што је укупно 1 карта, тако да \(P(A \cap B) = 1/52\).
Дакле:
\[
P(A ∈ B) = ∅1/52 ∅13/52 = ∅1/13
\]
То значи да ако већ знамо да је карта пик, вероватноћа да је карта ас је 1 према 13.
4. Разумевање пресека (A ∩ B) и улоге информација
Уобичајена грешка при проучавању вероватноће је мешање \(P(A)\) са \(P(A|B)\). У примеру са картицом:
– \(P(A) = 4/52 = 1/13\) (вероватноћа Аса без додатних информација)
– \(P(A|B) = 1/13\) (случајно исто и у овом случају)
Међутим, у многим случајевима те две вредности се разликују. Додатне информације могу бити:
– повећати шансе (нпр. шансе за полагање испита ако се зна да неко студира),
– смањити могућности (шансе за глатки пут ако знате да је време да се вратите кући с посла),
– или не мења вероватноћу ако су догађаји независни.
5. Међусобно независни догађаји (независност)
Два догађаја А и Б се називају независним ако догађај Б не утиче на вероватноћу догађаја А и обрнуто. Формално:
\[
P(A ∫ B) = P(A)
\]
или еквивалентно:
\[
P(A \cap B) = P(A)P(B)
\]
Пример: бацање новчића и бацање коцкице. Исход новчића (број/слика) није под утицајем исхода коцкице (1–6), тако да су оба независна. Ако је А „новчић показује број“ и Б је „коцкица показује 6“, онда:
\[
P(A) = 1/2,\quad P(B)=1/6,\quad P(A \cap B)=1/12
\]
и тачно је да је \(1/12 = (1/2)(1/6)\).
6. Правило множења
Из дефиниције условне вероватноће можемо извести правило множења:
\[
P(A ∈ B) = P(A ∈ B)P(B)
\]
или такође:
\[
P(A ∈ B) = P(B ∈ A)P(A)
\]
Ово правило је веома корисно када желимо да израчунамо вероватноћу да се два догађаја одвијају истовремено, али је лакше проценити вероватноћу једног од њих након што знамо други.
Пример: Претпоставимо да је вероватноћа да неко прође интервју (Б) 0,4. Вероватноћа да буде примљен на посао (А) ако прође интервју је 0,6. Тада је вероватноћа „проласка на интервјуу и пријема на посао“:
\[
P(A ∈ B) = P(A ∈ B)P(B) = 0⁻⁶ √(0⁻⁴) = 0⁻²
\]
7. Бајесова теорема: Обрнути услови
Често знамо \(P(A|B)\), али оно што нам заиста треба је \(P(B|A)\). Бајесова теорема пружа начин да се „преокрене“ условна вероватноћа:
\[
P(B ∈ A) = \frac{P(A ∈ B)P(B)}{P(A)}
\]
Ова теорема је веома добро позната у областима медицинске дијагнозе, машинског учења, откривања спама и доношења одлука на основу података.
Кратак пример (Здравље)
На пример:
– Б: неко је заиста болестан (преваленција) \(P(B)=0{,}01\)
– А: позитиван резултат теста
– Осетљивост теста: \(P(A|B)=0{,}95\)
– Лажно позитивно: \(P(A|\text{није болестан})=0{,}05\)
Питање: Ако је резултат теста позитиван, колика је вероватноћа да је особа заиста болесна, тј. \(P(B|A)\)?
Потребно нам је \(P(A)\):
\[
P(A)=P(A|B)P(B) + P(A|\neg B)P(\neg B)
\]
\[
P(A)=0{,}95(0{,}01) + 0{,}05(0{,}99)=0{,}0095+0{,}0495=0{,}059
\]
Дакле:
\[
P(B|A)=\frac{0{,}95 \puta 0{,}01}{0{,}059} \approx 0{,}161
\]
Резултат је био око 16,1%. Ово показује да позитиван тест не мора нужно да значи да је неко дефинитивно болестан, посебно ако је преваленција болести веома ниска.
8. Укупна вероватноћа (Закон тоталне вероватноће)
Да бисмо израчунали \(P(A)\) у ситуацији подељеној на неколико услова, можемо користити закон тоталне вероватноће. Ако \(B_1, B_2, …, B_n\) формира партицију простора узорка (међусобно дисјунктну и обухватајућу све могућности), онда:
\[
P(A) = \sum_{i=1}^{n} P(A|B_i)P(B_i)
\]
Често се комбинује са Бајесовом теоремом за обраду информација из више категорија или извора.
9. Уобичајене грешке у условној вероватноћи
Неке уобичајене грешке:
1. Претпоставимо да је \(P(A|B)\) једнако \(P(B|A)\). Ово није тачно уопштено.
2. Игнорисање основних стопа, на пример преваленције болести у Бајесовом примеру.
3. Погрешно одређивање простора узорка након што је дат услов, иако услов Б значи да бројимо само у „региону Б“.
10. Пенутуп
Условна вероватноћа је важна основа у статистици и моделирању неизвесности. Разумевањем дефиниције \(P(A|B)=\frac{P(A \cap B)}{P(B)}\), можемо проценити вероватноће разматрањем додатних информација. Овај концепт је директно повезан са правилом производа, независним догађајима, законом тоталне вероватноће и Бајесовом теоремом, која је веома корисна у многим применама у стварном свету. Што више вежбате са конкретним примерима - картама, коцкицама, анкетама, па чак и медицинским случајевима - јача ће бити ваша интуиција о томе како се вероватноће мењају како пристижу нове информације.
