Definicje i teorie — Matematyka
Kluczowe pojęcia z matematyki i fizyki — od podstawówki po maturę. Każda definicja z wyjaśnieniem i przykładem, w jednym kliknięciu.
Prawdopodobieństwo warunkowe, całkowite i wzór Bayesa
Prawdopodobieństwo warunkowe
$$P(A|B)=\frac{P(A\cap B)}{P(B)},\qquad P(B)>0$$
Informacja, że zaszło $B$, zawęża przestrzeń zdarzeń — dlatego dzielimy przez $P(B)$.
Praktycznie często wystarczy przeliczyć zdarzenia sprzyjające już wewnątrz $B$. Pytając o asa wśród kart czerwonych: asów czerwonych jest $2$, kart czerwonych $26$, więc $\frac{2}{26}=\frac{1}{13}$.
Niezależność
$$P(A\cap B)=P(A)\cdot P(B) \iff P(A|B)=P(A)$$
Zajście jednego zdarzenia nie zmienia szans drugiego.
Rozłączne to nie niezależne
To dwa zupełnie różne pojęcia — mylenie ich jest bardzo częste.
Dla zdarzeń rozłącznych $P(A\cap B)=0$. Gdyby były niezależne, musiałoby zachodzić $P(A)P(B)=0$, czyli jedno z nich miałoby prawdopodobieństwo zero. Zdarzenia rozłączne o dodatnich prawdopodobieństwach nigdy nie są niezależne — przeciwnie, są maksymalnie zależne: gdy zaszło jedno, drugie na pewno nie zaszło.
Suma zdarzeń
$$P(A\cup B)=P(A)+P(B)-P(A\cap B)$$
Odejmujemy część wspólną, bo inaczej policzylibyśmy ją dwa razy. Dla zdarzeń rozłącznych ten składnik znika.
Zdarzenie przeciwne
$$P(A\prime)=1-P(A)$$
To najczęściej używany skrót w zadaniach z „co najmniej”. Zamiast sumować przypadki „dokładnie jeden”, „dokładnie dwa”, „trzy”, liczymy dopełnienie:
$$P(\text{co najmniej jeden orzeł w 3 rzutach})=1-\left(\tfrac12\right)^3=\tfrac78$$
Losowanie bez zwracania
Kolejne losowania są zależne — po wyjęciu kuli zmienia się zarówno licznik, jak i mianownik.
Dla $4$ białych z $10$ kul: $P(\text{dwie białe})=\frac{4}{10}\cdot\frac{3}{9}=\frac{2}{15}$.
Prawdopodobieństwo całkowite
$$P(A)=\sum_i P(A|B_i)\cdot P(B_i)$$
Rysujemy drzewo stochastyczne i sumujemy iloczyny wzdłuż wszystkich ścieżek prowadzących do $A$.
Przykład — dwie linie produkcyjne: $P(W)=0{,}7\cdot0{,}02+0{,}3\cdot0{,}05=0{,}029$.
Kontrola: wynik zawsze mieści się między najmniejszym a największym z prawdopodobieństw warunkowych — to średnia ważona.
Wzór Bayesa
$$P(B_i|A)=\frac{P(A|B_i)\cdot P(B_i)}{P(A)}$$
Odwraca kierunek pytania: znamy skutek, pytamy o przyczynę.
Paradoks testu medycznego
Test wykrywa chorobę u $99\%$ chorych i myli się u $2\%$ zdrowych, a choruje $1\%$ populacji. Wtedy $P(T)=0{,}0099+0{,}0198=0{,}0297$, więc:
$$P(C|T)=\frac{0{,}0099}{0{,}0297}=\frac13$$
Dodatni wynik oznacza chorobę tylko w jednym przypadku na trzy. Powód: zdrowych jest $99$ razy więcej, więc nawet mały odsetek fałszywych alarmów daje w liczbach bezwzględnych dwa razy więcej wyników dodatnich niż prawdziwych wykryć.
Na co uważać
Rozróżniaj $P(A|B)$ od $P(B|A)$ — to zwykle zupełnie różne liczby. Przy losowaniu sprawdzaj, czy jest ze zwracaniem, czy bez. I nie mnóż prawdopodobieństw, gdy zdarzenia nie są niezależne.
1 wynik
Pierwszy miesiąc za 0 zł.
Bez zobowiązań. Rezygnujesz, kiedy chcesz.
Załóż konto w 2 minuty. Opłaty pojawiają się dopiero po zalogowaniu i wyborze planu. Możesz zawiesić, zmienić lub anulować plan w każdej chwili. Dołącz do ponad 600 korepetytorów którzy już pracują mądrzej.