in

Аналитик данных. Часть 17. Условная вероятность

Ты мне еще будешь условия ставить?(с)

Когда мы хотим пересчитать вероятность некоторого события при условии, что какое-то другое событие произошло, мы используем условную вероятность.

Условная вероятность

Чтобы понять, что это такое, рассмотрим один пример:

Игральная кость подбрасывается один раз. Известно, что
выпало (строго) больше трёх очков. Какова при этом вероятность
того, что выпало нечётное число очков?

Мы знаем, что у игральной кости 6 граней, поэтому вероятность выпадения каждой цифры — 1/6, так же по условиям задачи у нас результат строго больше трёх.

Нам нужна условная вероятность, того, что выпало нечетное число очков. Давайте рассуждать. Нечетное число из условия «больше трёх» у нас только одно — пятёрка.

Когда мы считаем условную вероятность (всю вероятностью массу значений), вероятности которые уже не происходят надо перераспределить на значения, которые происходят, иначе в итоге мы не получим единицу в итоге. Поэтому, мы переносим с 1,2,3 значения 1/6 к 4,5,6. А значит под цифрами 4,5,6 будут значения 1/3.

Правильный ответ: 1/3.

Итак, условной вероятностью события S при условии, что произошло событие
H, называется число

Прямая черта | означает «при условии». SH = S⋂H — пересечение событий S и H (событие, когда S и H происходят одновременно, т.е. исходы есть в обоих событиях).

На примере задачки с игральной костью:

  • событие S {x — нечётное}
  • событие H {x>3}

Давайте посмотрим на числитель формулы — P(SH), т.е. там мы должны прописать вероятность, где выполняются два условия одновременно, т.е. больше трёх и нечётное — это пятёрка, соотв. её вероятность 1/6 — записываем

Событие H — это у нас числа больше трёх. Это 4,5,6. Их вероятность (1/6+1/6+1/6) равна 1/2 —  так и запишем:

Результат этого вычисления 1/3

Важный момент: Вероятность P(H) не должна быть равна нулю (т.к. деление). В случае P(H) = 0 будем считать, что условная вероятность P(S | H) не определена.

Формула полной вероятности

Здесь мы тоже обратимся к примеру. Допустим, вы с братюней играете в CS 1.6. Вас двое стрелков и каждый с какой-то степенью вероятности делает хэдшот. Вы — про игрок, ваш друг — нуб. Т.е. вероятность сделать хэдшот у вас будет разная, но всё равно, так или иначеЮ попасть в голову есть у обоих

Чтобы выбрать, кто из вас стреляет — вы подкидываете монетку, т.е. шанс, что каждый будет стрелять прямо сейчас — 1/2.

Таким образом, вы целое событие (эксперимент) разбили как бы на два (событие внутри события, да). Твоя попытка (H1) — одно событие, попытка братюни (H2) — другое событие.

Разбиением называется конечный или счётный набор попарно
непересекающихся событий H1, H2, . . . , объединение которых равно
тождественному событию (множеству всех возможных результатов
эксперимента).

При этом не факт, что и ты, и он попадете в голову сопернику, вы ведь можете промазать. Вероятность успеха мы обозначим S

Таким образом, чтобы посчитать общую вероятность успеха (S) вам нужно посчитать вероятность, что будет стрелять первый игрок (H1) и попадёт по мишени, и вероятность того, что будет стрелять второй игрок (H2) и тоже попадёт по мишени. Такие события (ваши выстрелы в данном случае), обычно называются гипотезами

Обычно для некоторого события S можно вычислить P(S | Hi) и P(Hi). Чтобы было понятно, переведём в наш пример: P(Hi) — это вероятность того, что будет стрелять либо первый игрок, либо второй (подкидывание монетки), P(S | Hi) — условная вероятность, что произошло событие S (кто-то из вас попал) при условии выполнения гипотезы

Разложим событие S на кусочки:

S = S ∩ (H1 ∪ H2) = S∩H1 ∪ S∩H2

Теперь перейдем непосредственно к формуле полной вероятности

Давайте решать задачу. Вы, как отец в КС, выдаете хэдшот с вероятностью 1 (предположим, вы всегда попадаете), ваш друг нуб попадает в голову с вероятностью 10-5 .С какой вероятностью в результате эксперимента пуля попадет в мишень? Делаем разбиение по событиям (гипотезам)

  • S = {попадание в голову, хэдшот} — это как раз то, что мы ищем
  • H1 = {Стреляет первый игрок, вы}
  • H2 = {Стреляет второй игрок, братюня}

По условиям, у вас равные шансы на выстрел: P(H1) = P(H2) = 1/2

Подставляем данные по формуле полной вероятности: P(S) = P(S | H1)P(H1) + P(S | H2)P(H2)

Если в числом значении, это будет 1 * 1/2 + 10-5 *1/2 = 1 + 10-5 / 2 — такова вероятность, что эксперимент завершится удачей (будет хэдшот)

Формула Байеса

Формула Байеса позволяет переоценить вероятности гипотез после того, как получено знание о результате эксперимента. Если перенести эту формулировку на нашу задачу, то можно представить следующую ситуацию:

Кто-то из вас сделал попал по мишени, эксперимент завершился удачей. Но вам нужно выяснить, кто из вас конкретно сделал этот хэдшот

Т.е. по факту мы меняем события: P (H1 | S), т.е. мы считаем вероятность того, что стрелял первый игрок при условии, что он попал в мишень). Да, при условии, что вы попадаете всегда в цель, а ваш братюня стреляет в молоко, скорее всего, это сделал первый игрок, но всё равно нельзя исключить возможность, что это попал второй игрок. Для этого нам и понадобится формула Байеса

Вероятность одного события делим на вероятность всех событий

Теперь мы можем решить задачу. Вероятность для первого стрелка ≈ 0,99999:

Для второго 0,000001:

Еще одна задачка

Предположим, что некий тест на какую-нибудь болезнь имеет вероятность успеха 95%; то есть 5% — это вероятность ошибки теста. Предположим также, что болезнь очень распространена и имеется у 1% респондентов. Пусть теперь некий человек получил позитивный результат теста. С какой вероятностью этот человек действительно болен?

Чтобы упростить решение задачи, давайте выпишем все события, которые в ней описаны:

  • S = {тест оказался положительным}
  • H1 = {человек болен}
  • H2 = {человек не болен}

Теперь распишем известные нам вероятности:

  • P(H1) = 0,01 — вероятность, что человек болен (т.е.1% по умолчанию)
  • P(H2) = P(H2) — 1 — P(H1) = 0,99 — вероятность, что человек не болен (99% людей в мире здоровы)
  • P(S1H1) = 0,95 (тест оказывается положительным и человек действительно болен)
  • P(S1H2) = 0,05 (вероятность ошибки теста).

Итак, что мы ищем, мы ищем вероятность того, что человек болен при условии, что тест оказался положительным — P(H1|S).

Парадокс Монти Холла

Самый популярный парадокс, связанный с условной вероятностью. Если быть точнее — это задача в теории вероятностей, решение которой, на первый взгляд, противоречит здравому смыслу. Эта задача не является парадоксом в узком смысле этого слова, так как не содержит в себе противоречия, она называется парадоксом потому, что её решение может показаться неожиданным. Звучит она так:

Представьте, что вы стали участником игры, в которой вам нужно выбрать одну из трёх дверей. За одной из дверей находится автомобиль, за двумя другими дверями — козы. Вы выбираете одну из дверей, например, номер 1, после этого ведущий, который знает, где находится автомобиль, а где — козы, открывает одну из оставшихся дверей, например, номер 3, за которой находится коза. После этого он спрашивает вас — не желаете ли вы изменить свой выбор и выбрать дверь номер 2? Увеличатся ли ваши шансы выиграть автомобиль, если вы примете предложение ведущего и измените свой выбор?

На самом деле, решение задачи сводится к тому, что ДА, надо соглашаться на предложение ведущего. Если кратко:

Подробное решение можно почитать здесь.

Добавить комментарий

Ваш адрес email не будет опубликован.