Prawdopodobieństwo warunkowe

Prawdopodobieństwo warunkowe
Polecane artykuły
Schemat Bernoulliego Rozkład Poissona ANOVA Estymator nieobciążony Analiza regresji Estymator obciążony Prawdopodobieństwo Poziom istotności Kwartyl

Prawdopodobieństwo warunkowe ( względne ) występuje, gdy mamy do czynienia ze zdarzeniem A, którego prawdopodobieństwo zależy od zdarzenia B.
Zdarzenia A oraz B nazywamy wtedy zdarzeniami zależnymi. (Sobczyk M. 2002, s. 82)

Prawdopodobieństwo warunkowe zdarzenia A przy założeniu, że zaszło zdarzenie B, oznaczane jest symbolem P (A \ B) i wyraża się wzorem:

P (A \ B) = ${\frac {p\left(A\cap B\right)}{p\left(B\right)}}$

Prawdopodobieństwo warunkowe określa szansę zajęcia jakiegoś zdarzenia, gdy wiadomo, jakie zdarzenia już zaszły. (Siwek E. 2002)

Prawdopodobieństwo P (A\B) jest naogół różne od prawdopodobieństwa (bezwarunkowego lub apriori) zdarzenia A.
W pewnych przypadkach jednak informacja o zajściu zdarzenia B nie ma wpływu na prawdopodobieństwo zdarzenia A, tj.

P (A\B)= P (A)

Otrzymujemy wówczas:

P (A i B) = $P\left(A\right)P\left(B\right)$

TL;DR

Prawdopodobieństwo warunkowe występuje, gdy prawdopodobieństwo zdarzenia A zależy od zdarzenia B. Prawdopodobieństwo warunkowe określa szansę zajścia zdarzenia, gdy wiadomo, jakie zdarzenia już zaszły. Przykładem jest prawdopodobieństwo uzyskania określonej liczby punktów w grze. Wzór Bayesa pozwala obliczyć prawdopodobieństwo warunkowe dla różnych hipotez.

Przykłady

Przykład 1

Załóżmy, że pomyślne ukończenie gry (wygrana) uzależnione jest od uzyskania 11 punktów w dwóch kolejnych rzutach
(lub dwoma kostkami jednocześnie). Jakie jest prawdopodobieństwo osiągnięcia takiego wyniku?
W pierwszym rzucie dwa wyniki nie przekreślają szans uzyskania potrzebnej liczby punktów: są to liczby 5 i 6. Prawdopodobieństwo
uzyskania jednej z nich wynosi:

$\left({\frac {1}{6}}\right)+\left({\frac {1}{6}}\right)=\left({\frac {1}{3}}\right)$

Liczba punktów, które musimy uzyskać w drugim rzucie, aby spełnione zostało przyjęte założenie, jest już ściśle uwaunkowana wynikiem
uzyskanym w pierwszym rzucie (mamy więc do czynienia z prawdopodobieństwiem warunkowym).
Prawdopodobieństwo warunkowe zdarzenia B przy założeniu, że wystąpiło zdarzenie A, oznaczymy symbolem $P\left(B\setminus A\right)$.
Tak więc w przypadku uzyskania w pierwszym rzucie 5 punktów, w drugim jedynie wyrzucenie 6 punktów da nam potrzebną sumę punktów.
I odwrotnie, jeśli w pierwszym rzucie uzyskamy 6 punktów, to w drugim jedynie wyrzucenie 5 punktów odpowiada przyjętemu założeniu.
A zatem prawdopodobieństwo uzyskania 11 punktów w dwóch kolejnych rzutach kostką wynosi:

$\left({\frac {1}{3}}\right)\left({\frac {1}{6}}\right)=\left({\frac {1}{18}}\right)$

Przykład 2

Dzieci miały zaopatrzyć łódkę taty w wodę mineralną przed jego wyjazdem z kolegą na ryby. W domu byłby dwie skrzynki: jedna z wodą
mineralną, a druga z lemoniadą. Czteroletni Jacek przyniósł 3 butelki, a młodsza o rok agatka dwie. Wyjmując butelkę, już na jeziorze, tata
zobaczył, że woda zmyła z niej nalepkę. Kolega taty zauważył, że wyjęta butelka wygląda tak samo, jak butelka lemoniady.
Z jaki prawdopodobieństwem panowie napiją się wody mineralnej, jeżeli prawd., że Agatka przyniosła wodę, a nie lemoniadę, wynosi ${\frac {1}{2}}$
natomiast w przypadku Jacka prawdopodobieństwo to wynosi ${\frac {3}{4}}$

rozwiązanie

Dzieci chciały przynieść wodę, a nie lemoniadę więc każde wzięło wszystkie swoje butelki z jednej skrzynki. Niech A oznacza, że panowie
trafili na wodę. Przyjmiemy hipotezę H, że wyjęta butelka jest jedną z przyniesionych przez Jacka i zastosujemy wzór:

P (A)= P (H)P (A\H) + P (H')P (A\H')

Mamy:

P (A\ H)=(${\frac {3}{4}}$) i P (A\ H')=(${\frac {1}{2}}$)

Teraz obliczamy:

P (A)=(${\frac {3}{5}}$)(${\frac {3}{4}}$)+(${\frac {2}{5}}$)(${\frac {1}{2}}$)=$\left({\frac {13}{20}}\right)$

Wzór Bayesa

Wzór ten wyraża prawdopodobieństwo warunkowe $P\left(H_{1}\setminus A\right)$ każdego z wzajemnie niezależnych zdarzeń $H_{1},H_{2},H_{3},...H_{n}$.,
o dodatnich prawdopodobieństwach, których suma jest całą przestrzenią zdarzeń elementarnych względem zdarzenia A o dodatnim prawdopodob.

Wiemy, że

P ($H_{1}$\ A) = P ($H_{1}$) ${\frac {P\left(A\setminus H_{1}\right)}{P\left(A\right)}}$

Zastępując prawdopodobieństwo P (A) w mianowniku ostatniego ułamka przez:

P (A)= P ($H_{1}$)P (A\$H_{1}$)+P ($H_{2}$)P (A\$H_{2}$)+.... +P ($H_{n}$)P (A\ $H_{n}$)

otrzymujemy:

P ($H_{1}$\A)= ${\frac {P\left(H_{1}\right)P(A\setminus H_{1})}{P(H_{1})P(A\setminus H_{1})+P\left(H_{2}\right)P\left(A\setminus H_{2}\right)+....+P\left(H_{n}\right)P\left(A\setminus H_{n}\right)}}$

zwany wzorem Bayesa. Wzór ten pozwala oliczyć prawdopodobieństwo warunkowe hipotezy $H_{1}$, w doświadczeniu, w którym
zaszło zdarzenie A. Analogiczne związki zachodzą również dla pozostałych hipotez $H_{2},H_{3},...H_{n}$.
Można z nich obliczyć prawdopodobieństwa warunkowe przyjętych wcześniej hipotez na podstawie wyniku doświadczenia po jego przeprowadzeniu. (Siwek E. 2002)

Bibliografia

• Durka P. J. (2002) Wstęp do współczesnej statystyki, Wydawnictwo Adamantan, Warszawa
• Kornacki J. (2006) Statystyka dla studentów kierunków technicznych i przyrodniczych (2006), Wydawnictwo Naukowo - Techniczne, Warszawa
• Siwek E. (2002) Słownik encyklopedyczny, Cykada, Katowice
• Sobczyk M. (2002) Statystyka, Wydawnictwo Naukowe PWN, Warszawa
• Sobczyk M. (2010) Statystyka opisowa, Wydawnictwo C. H. Beck, Warszawa
• Witkowski B. (red.) (2018) Statystyka w zarządzaniu., Wydawnictwo Naukowe PWN, Warszawa
• Zieliński R. (2004) Siedem wykładów wprowadzających do statystyki matematycznej, Państwowe Wydawnictwo Naukowe, Warszawa

Autor: Anna Dziadosz, Bernadeta Nowacka