สัญชาตญาณของสูตรความน่าจะเป็นแบบมีเงื่อนไขคืออะไร


30

สูตรสำหรับความน่าจะเป็นแบบมีเงื่อนไขของเกิดขึ้นเนื่องจากเกิดขึ้นคือ:AB

P(A | B)=P(AB)P(B).

ตำราเรียนของฉันอธิบายถึงสัญชาตญาณที่อยู่เบื้องหลังสิ่งนี้ในแง่ของแผนภาพเวนน์

ป้อนคำอธิบายรูปภาพที่นี่

ระบุว่าได้เกิดขึ้นเพียงวิธีเดียวสำหรับที่จะเกิดขึ้นสำหรับเหตุการณ์ที่จะตกอยู่ในจุดตัดของและ{B}A A BBAAB

ในกรณีนั้นความน่าจะเป็นของจะเท่ากับความน่าจะเป็นของทางแยกเนื่องจาก นั่นเป็นวิธีเดียวที่เหตุการณ์จะเกิดขึ้น? ฉันพลาดอะไรไป A BP(A|B)AB


7
คุณมีความเข้าใจอย่างถ่องแท้เกี่ยวกับความน่าจะเป็นตามเงื่อนไขว่า "เป็น" หรือไม่ถ้าเราลืมวิธีการคำนวณ
Juho Kokkala

4
โดยเครื่องของ B (กรณีที่ได้เกิดขึ้น) คุณ จำกัด พื้นที่ของคุณของผลลัพธ์จาก (เครื่องบินทั้งหมด) ไป B เท่านั้น คุณลืมทุกสิ่งที่อยู่นอก B ความน่าจะเป็นของเหตุการณ์ A ต้องวัดด้วยความเคารพ B เนื่องจากความน่าจะเป็นอยู่ระหว่าง 0 ถึง 1Ω
Vladislavs Dovgalecs

1
คุณพลาดข้อเท็จจริงที่ว่าวงกลมสีขาวของกิจกรรม A ไม่ได้เป็นส่วนหนึ่งของประชากรอีกต่อไปเมื่อคุณรู้ว่าเหตุการณ์ B เกิดขึ้น
Monty Harder

4
สัญชาติญาณไม่ถูกต้องหรือไม่เป็นเอกพจน์ดังนั้นทำไมถามเกี่ยวกับสัญชาตญาณที่แน่นอน (เอกพจน์) สัญชาตญาณมีประโยชน์พอเพียง แต่ไม่ใช่คำแนะนำทั้งหมดที่จะเป็นประโยชน์กับทุกคน
John Coleman

คำตอบ:


23

ปรีชาญาณที่ดีนั้นเกิดขึ้นเมื่อ B เกิดขึ้น - มีหรือไม่มี A - ความน่าจะเป็นของ A คืออะไร? คือตอนนี้เราอยู่ในจักรวาลที่ B เกิดขึ้น - วงกลมด้านขวาเต็ม ในวงกลมนั้นความน่าจะเป็นของ A คือพื้นที่ของ A ตัดกับ B หารด้วยพื้นที่ของวงกลม


5
ในคำอื่น ๆ - ฉันบอกคุณเกิดขึ้นซึ่งหมายความว่าเราอาศัยอยู่ในวงกลมภายในโลกนั้นเหตุการณ์อะไร% ที่อยู่ในเลนส์ ( )? B A BBBAB
MichaelChirico

18

ฉันจะคิดอย่างนี้: ฉันยอมรับว่าคุณเข้าใจสัญชาตญาณจนถึง:

เนื่องจาก B เกิดขึ้นวิธีเดียวที่จะเกิด A คือถึงแม้จะตกอยู่ในจุดตัดของ A & B

และฉันจะแสดงความคิดเห็นภาพที่สองที่คุณโพสต์:

  1. ลองจินตนาการว่าสี่เหลี่ยมสีขาวทั้งหมดเป็นพื้นที่ตัวอย่างของคุณ\Ω

    การกำหนดความน่าจะเป็นให้กับชุดหนึ่งหมายความว่าคุณกำลังวัดความรู้สึกบางอย่างที่ตั้งค่าไว้ มันเหมือนกับว่าคุณวัดพื้นที่สี่เหลี่ยม แต่ความน่าจะเป็นเป็นการวัดแบบต่าง ๆ ที่มีคุณสมบัติเฉพาะ (ฉันจะไม่พูดอะไรเกี่ยวกับเรื่องนี้อีก)

  2. คุณรู้ว่าและนี่ถูกตีความเช่นนี้:P(Ω)=1

    Ωแสดงถึงเหตุการณ์ทั้งหมดที่อาจเกิดขึ้นและมีบางอย่างเกิดขึ้นดังนั้นเราจึงมีความเป็นไปได้ 100% ที่จะเกิดอะไรขึ้น

  3. Analogously ชุดมีความน่าจะเป็นที่มีสัดส่วนความน่าจะเป็นของพื้นที่ตัวอย่าง\กราฟิกพูดคุณจะเห็นว่าจึงวัด(ความน่าจะเป็นของ ) จะต้องมีน้อยกว่าOmega) เหตุผลเดียวที่ถูกต้องสำหรับชุดB ชุดนี้สามารถวัดและตัวชี้วัดของมันคือB)P ( ) Ω Ω P ( ) P ( Ω ) B P ( B )AP(A)ΩAΩAP(A)P(Ω)ABP(AB)

  4. ถ้าตอนนี้คุณจะบอกว่าได้เกิดขึ้นคุณต้องคิดว่าถ้าเป็นของคุณ "ใหม่" \ถ้าคือ "ใหม่" ของคุณแล้วคุณสามารถเป็น 100% แน่ใจว่าทุกอย่างที่เกิดขึ้นในชุดBB Ω B Ω BBBΩBΩB

    และนั่นหมายความว่าอย่างไร นั่นหมายความว่าตอนนี้ในการประกวด "ใหม่"และคุณต้องลดความน่าจะเป็นทั้งหมดในการวัดโดยคำนึงถึงว่าพวกเขาจะต้องแสดงในรูปของพื้นที่ตัวอย่าง "ใหม่" . มันเป็นสัดส่วนที่เรียบง่ายP(BB)=1B

    สัญชาตญาณของคุณเกือบจะถูกเมื่อคุณพูดว่า:

ความน่าจะเป็นของ P (A | B) จะเท่ากับความน่าจะเป็นของการแยก A

และ "เกือบ" เป็นเพราะความจริงที่ว่าตอนนี้พื้นที่ตัวอย่างของคุณเปลี่ยนไป ( ตอนนี้เป็นแล้ว) และคุณต้องการ rescaleตามลำดับBP(AB)

  1. P(AB)เป็นของคุณในโลกใหม่ที่มีพื้นที่ตัวอย่างคือตอนนี้Bในคำพูดที่คุณจะพูดแบบนี้ (และโปรดลองนึกภาพบนภาพด้วยชุด):P(AB)B

    ในโลกใหม่อัตราส่วนระหว่างการวัดของและการวัดจะต้องเท่ากับอัตราส่วนระหว่างการวัดและการวัดBABΩAB

  2. สุดท้ายแปลสิ่งนี้ในภาษาคณิตศาสตร์ (สัดส่วนที่ง่าย):

P(B):P(AB)=P(Ω):P(AB)

และเนื่องจาก จึงเป็นเช่นนั้น:P(Ω)=1

P(AB)=P(AB):P(B)

5

คุณจะเห็นสัญชาตญาณคิดอย่างง่ายดายเกี่ยวกับปัญหาต่อไปนี้

สมมติว่าคุณมี 10 ลูก: 6 สีดำและ 4 สีแดง ลูกบอลสีดำ 3 อันยอดเยี่ยมและลูกบอลสีแดงเพียง 1 อันนั้นยอดเยี่ยม มีโอกาสมากที่ลูกบอลสีดำจะน่ากลัวหรือไม่

คำตอบนั้นง่ายมาก: มันคือ 50% เพราะเรามีลูกบอลสีดำสุดยอด 3 ลูกจากทั้งหมด 6 ลูกสีดำ

นี่คือวิธีที่คุณจับคู่ความน่าจะเป็นกับปัญหาของเรา:

  • 3 ลูกที่เป็นสีดำและน่ากลัวตรงกับP(AB)
  • 6 ลูกที่เป็นสีดำสอดคล้องกับP(B)
  • ความน่าจะเป็นที่ลูกบอลน่ากลัวเมื่อเรารู้ว่ามันเป็นสีดำ:P(AB)

1
การเขียนแทนที่จะใช้จะสมเหตุสมผลกว่าหรือไม่ n(B)=6P(B)=6
Silverfish

@ Silververfish มันจะแม่นยำกว่านี้ แต่ฉันหลังจากปรีชาในกรณีนี้
Aksakal

4

สำหรับสัญชาตญาณพื้นฐานของสูตรความน่าจะเป็นแบบมีเงื่อนไขฉันมักจะใช้ตารางสองทาง สมมติว่ามีนักเรียน 150 คนต่อปีซึ่ง 80 คนเป็นผู้หญิงและ 70 คนแต่ละคนต้องเรียนหลักสูตรภาษาเดียว ตารางสองทางของนักเรียนที่เรียนหลักสูตรต่าง ๆ คือ:

        | French   German   Italian  | Total
-------- --------------------------- -------
Male    |     30       20        20  |    70
Female  |     25       15        40  |    80
-------- --------------------------- -------
Total   |     55       35        60  |   150

เนื่องจากนักเรียนคนหนึ่งเรียนหลักสูตรภาษาอิตาลีความน่าจะเป็นที่พวกเขาเป็นเพศหญิงคืออะไร หลักสูตรภาษาอิตาลีมีนักเรียน 60 คนโดย 40 คนเป็นผู้หญิงเรียนภาษาอิตาลีดังนั้นความน่าจะเป็น:

P(F|Italian)=n(FItalian)n(Italian)=4060=23

โดยที่คือความสำคัญของเซตคือจำนวนไอเท็มที่บรรจุอยู่ โปรดทราบว่าเราจำเป็นต้องใช้ในตัวเศษและไม่ใช่แค่เนื่องจากตัวหลังจะรวมหญิงทั้งหมด 80 รวมถึงอีก 40 คน ผู้ไม่เรียนภาษาอิตาลีn(A)An(FItalian)n(F)

แต่ถ้าคำถามถูกพลิกไปความน่าจะเป็นที่นักเรียนเรียนหลักสูตรภาษาอิตาลีคืออะไรเนื่องจากพวกเขาเป็นเพศหญิง จากนั้นนักเรียนหญิง 40 จาก 80 คนเรียนหลักสูตรภาษาอิตาลีดังนั้นเราจึงมี:

P(Italian|F)=n(ItalianF)n(F)=4080=12

ฉันหวังว่านี่จะเป็นสัญชาตญาณว่าทำไม

P(A|B)=n(AB)n(B)

การทำความเข้าใจว่าทำไมเศษส่วนสามารถเขียนได้ด้วยความน่าจะเป็นแทนที่จะเป็นภาวะเชิงการนับเป็นเรื่องของเศษส่วนที่เท่ากัน ตัวอย่างเช่นให้เรากลับไปที่ความน่าจะเป็นที่นักเรียนเป็นเพศหญิงเนื่องจากพวกเขากำลังเรียนภาษาอิตาลี มีนักเรียนทั้งหมด 150 คนดังนั้นความน่าจะเป็นที่นักเรียนเป็นผู้หญิงและการศึกษาภาษาอิตาลีคือ 40/150 (นี่คือความน่าจะเป็น "ร่วม") และความน่าจะเป็นที่นักเรียนเรียนภาษาอิตาลีอยู่ที่ 60/150 (นี่คือความน่าจะเป็น ) โปรดทราบว่าการแบ่งความน่าจะเป็นร่วมด้วยความน่าจะเป็นที่ได้จาก:

P(FItalian)P(Italian)=40/15060/150=4060=n(FItalian)n(Italian)=P(F|Italian)

(หากต้องการดูว่าเศษส่วนเท่ากันให้คูณตัวเศษและส่วนด้วย 150 จะลบ "/ 150" ในแต่ละรายการ)

โดยทั่วไปหากพื้นที่การสุ่มตัวอย่างของคุณมีภาวะเชิงการนับ - ในตัวอย่างนี้ภาวะเชิงการนับนั้นเท่ากับ 150 - เราพบว่าΩn(Ω)

P(A|B)=n(AB)n(B)=n(AB)/n(Ω)n(B)/n(Ω)=P(AB)P(B)

3

ฉันจะย้อนกลับตรรกะ ความน่าจะเป็นที่ทั้งและเป็นอย่างใดอย่างหนึ่ง:AB

  1. ความน่าจะเป็นเกิดขึ้นและนั่นทำให้เกิดขึ้นBA
  2. บทบาทเดียวกัน แต่ย้อนกลับสำหรับและAB

สิ่งนี้จะทำให้คุณ

p(AB)=p(B)p(AB)

หากคุณกำลังมองหาสิ่งที่เป็นลบต่อข้อเสนอแนะของคุณในขณะที่ความน่าจะเป็นของให้นั้นมีอยู่ในความน่าจะเป็นของผลิตภัณฑ์พื้นที่ที่คุณทอยลูกเต๋ามีขนาดเล็กกว่าพื้นที่ความน่าจะเป็นดั้งเดิมของคุณ แน่นอนคุณ "ใน"ดังนั้นคุณหารด้วยขนาดของพื้นที่ใหม่ABB


2

แผนภาพ Venn ไม่ได้แสดงถึงความน่าจะเป็น แต่จะแสดงถึงการวัดส่วนย่อยของพื้นที่กิจกรรม ความน่าจะเป็นคืออัตราส่วนระหว่างสองมาตรการ ความน่าจะเป็นของ X คือขนาดของ "ทุกสิ่งที่ถือเป็น X" แบ่งขนาดของ "เหตุการณ์ทั้งหมดที่กำลังพิจารณา" เมื่อใดก็ตามที่คุณคำนวณความน่าจะเป็นคุณจะต้องมีทั้ง "ช่องว่างแห่งความสำเร็จ" และ "พื้นที่ประชากร" คุณไม่สามารถคำนวณความน่าจะเป็นได้โดยขึ้นอยู่กับพื้นที่ความสำเร็จว่า "ใหญ่แค่ไหน" ตัวอย่างเช่นความน่าจะเป็นในการหมุนเจ็ดกับสองลูกเต๋าคือจำนวนวิธีในการกลิ้งเจ็ดหารด้วยจำนวนรวมของวิธีในการกลิ้งสองลูกเต๋า เพียงแค่รู้ว่าจำนวนวิธีการหมุนเจ็ดนั้นไม่เพียงพอที่จะคำนวณความน่าจะเป็น P (A | B) คืออัตราส่วนของการวัดของ "ทั้ง A และ B เกิดขึ้น" พื้นที่และการวัดของช่องว่าง "B เกิดขึ้น" นั่นคือสิ่งที่ "|" หมายถึง: มันหมายถึง "ทำสิ่งที่เกิดขึ้นหลังจากนี้พื้นที่ประชากร"


2

ฉันคิดว่าวิธีที่ดีที่สุดในการคิดเกี่ยวกับสิ่งนี้คือการวาดเส้นทางทีละขั้นตอน

ขออธิบายเหตุการณ์ B เป็นกลิ้งบนตายยุติธรรม - นี้สามารถแสดงให้เห็นได้อย่างง่ายดายที่จะมีความน่าจะเป็น{6} ตอนนี้ขออธิบายเหตุการณ์เป็นวาด Ace จากดาดฟ้า 52 ใบมาตรฐานของบัตร - นี้สามารถแสดงให้เห็นได้อย่างง่ายดายที่จะมีความน่าจะเป็น{13}416113

ตอนนี้เรามาทำการทดสอบที่เราจะหมุนแม่พิมพ์แล้วเลือกการ์ด ดังนั้นจะเป็นไปได้ที่เราวาดเอซระบุว่าเราได้รีดแล้ว4หากคุณดูที่รูปภาพนี่จะเป็นเส้นทาง (ขึ้นไป) แล้วตามด้วยพา ธ (ขึ้นอีกครั้ง)P(A|B)416113

สังหรณ์ใจน่าจะเป็นพื้นที่ทั้งหมดคือสิ่งที่เรามีอยู่แล้วได้รับ: กลิ้ง4เราสามารถละเว้นและเริ่มต้นนำไปสู่เส้นทางลงไปเพราะมันคือ GIVEN ที่เรากลิ้ง4ตามกฎของการคูณพื้นที่ทั้งหมดของเรานั้นขวา)411312134(16×113)+(16×1213)

ทีนี้ความน่าจะเป็นที่เราดึง Ace ออกมาเป็นอะไร? คำตอบโดยใช้เส้นทางคือซึ่งเราต้องหารด้วยพื้นที่ทั้งหมด ดังนั้นเราจะได้4(16×113)

P(A|B)=16×113(16×113)+(16×1213).

ป้อนคำอธิบายรูปภาพที่นี่


2
ฉันสงสัยว่าการลงคะแนนเสียงนั้นเป็นเพราะต้นไม้น่าจะเป็นประโยชน์อย่างมาก บางทีความกังวลก็คือการใช้เหตุการณ์อิสระสำหรับภาพประกอบพลาดจุดที่น่าจะเป็นไปตามเงื่อนไขซึ่งก็คือการแจกแจงความน่าจะเป็นอาจเปลี่ยนแปลงได้ขึ้นอยู่กับเหตุการณ์การปรับเงื่อนไข การใช้ภาพประกอบผิวเผินน้อยอาจช่วยได้
whuber

1

คิดในแง่ของการนับ ความน่าจะเป็นที่ขอบคือจำนวนที่เกิดขึ้น A หารด้วยขนาดตัวอย่าง ความน่าจะเป็นร่วมของ A และ B คือกี่ครั้งที่ A เกิดขึ้นพร้อมกับ B หารด้วยขนาดตัวอย่าง ความน่าจะเป็นแบบมีเงื่อนไขของ A ที่ให้ B คือจำนวน A ที่เกิดขึ้นพร้อมกับ B หารด้วยกี่ครั้งที่ B เกิดขึ้นนั่นคือมีเพียง A ของ "ภายใน" B ของ

คุณสามารถค้นหาภาพประกอบที่สวยงามบนบล็อกนี้ซึ่งแสดงโดยใช้บล็อกเลโก้


1

ในขณะที่เขียนมีคำตอบประมาณ 10 คำตอบซึ่งดูเหมือนจะพลาดจุดสำคัญที่สุดนั่นก็คือคุณพูดถูก

ในกรณีนั้นความน่าจะเป็นของ P (A | B) จะเท่ากับความน่าจะเป็นของการแยก A B เพราะนั่นเป็นวิธีเดียวที่เหตุการณ์จะเกิดขึ้นได้

นี่เป็นเรื่องจริง สิ่งนี้อธิบายได้ว่าเหตุใดปริมาณที่เรากำหนดจึงเป็นจริงP(A|B)P(AB)

ฉันพลาดอะไรไป

คุณหายไปว่าความน่าจะเป็นที่ B พึงพอใจเนื่องจาก B นั้นน่าจะเป็น 1 เนื่องจากเหตุการณ์นี้ค่อนข้างแน่นอนและไม่ใช่ซึ่งอาจน้อยกว่า 1 หารด้วยทำให้ความน่าจะเป็นแบบมีเงื่อนไขของ B เท่ากับ B เท่ากับ 1 ตามที่คาดไว้ ที่จริงแล้วสิ่งนี้ดีกว่าและทำให้แผนที่น่าจะเป็น - ดังนั้นความน่าจะเป็นตามเงื่อนไขคือความน่าจะเป็นจริงP(BB)=P(B)P(B)AP(A|B)


0

ฉันรู้สึกว่ามันง่ายขึ้นเมื่อเรามีข้อมูลที่เป็นรูปธรรมในการประมาณความน่าจะเป็น

ลองใช้mtcarsข้อมูลเป็นตัวอย่างข้อมูลมีลักษณะเช่นนี้ (เราใช้จำนวนกระบอกสูบและประเภทการส่งเท่านั้น)

> mtcars[,c("am","cyl")]
                    am cyl
Mazda RX4            1   6
Mazda RX4 Wag        1   6
Datsun 710           1   4
Hornet 4 Drive       0   6
...  
...
Ford Pantera L       1   8
Ferrari Dino         1   6
Maserati Bora        1   8
Volvo 142E           1   4

เราสามารถคำนวณการแจกแจงร่วมในตัวแปรสองตัวโดยทำตารางไขว้:

> prop.table(table(mtcars$cyl,mtcars$am))

          0       1
  4 0.09375 0.25000
  6 0.12500 0.09375
  8 0.37500 0.06250

ความน่าจะเป็นร่วมหมายถึงเราต้องการพิจารณาตัวแปรสองตัวในเวลาเดียวกัน ตัวอย่างเช่นเราจะถามจำนวนรถยนต์ที่มี 4 สูบและเกียร์ธรรมดา

ตอนนี้เรามาถึงความน่าจะเป็นแบบมีเงื่อนไข ฉันพบวิธีที่ง่ายที่สุดในการอธิบายความน่าจะเป็นแบบมีเงื่อนไขคือการใช้คำว่าการกรองข้อมูล

สมมติว่าเราต้องการรับเราจะทำการประมาณดังนี้:P(am=1|cyl=4)

> cyl_4_cars=subset(mtcars, cyl==4)
> prop.table(table(cyl_4_cars$am))

        0         1 
0.2727273 0.7272727 

นั่นหมายถึงเราดูแลรถยนต์เพียง 4 กระบอกเท่านั้น ดังนั้นเราจึงกรองข้อมูลในนั้น หลังจากกรองแล้วเราจะตรวจสอบว่ามีการส่งด้วยตนเองจำนวนเท่าใด

คุณสามารถเปรียบเทียบเงื่อนไขนี้กับข้อต่อที่ฉันกล่าวถึงก่อนหน้านี้เพื่อรับรู้ความแตกต่าง


0

ถ้าAเป็นซูเปอร์Bน่าจะเป็นที่Aจะเกิดขึ้นอยู่เสมอ 1 ให้ที่เกิดขึ้นคือB P(A|B) = 1อย่างไรก็ตามBตัวเองอาจมีโอกาสน้อยกว่า 1 มาก

ลองพิจารณาตัวอย่างต่อไปนี้:

  • รับxเป็นจำนวนธรรมชาติใน 1..100
  • Aคือ ' xคือจำนวนคู่'
  • Bคือ ' xหารด้วย 10'

จากนั้นเรามี:

  • P(A) คือ 0.5
  • P(B) คือ 0.1

ถ้าเรารู้ว่าxคือหารด้วย 10 (คือxอยู่ในB) เรารู้ว่ามันยังเป็นเลขคู่ (เช่นxอยู่ในA) P(A|B) = 1เพื่อให้

จากกฎของเบย์เรามี:

P(A|B)=P(AB)P(B)

โปรดทราบว่าในกรณี (พิเศษ) ของเรานั่นคือความน่าจะเป็นที่เป็นเลขคู่และตัวเลขหารด้วย 10 จะเท่ากับความน่าจะเป็นที่หารด้วย 10 ดังนั้นเราจึงมีและเสียบกลับนี้ในกฎ Bayes' เราได้รับ1P(AB)xxP(AB)=P(B)P(A|B)=P(B)/P(B)=1


สำหรับตัวอย่างที่ไม่เสื่อมพิจารณาพิจารณาเช่นA' xคือหารด้วย 7' และB' xหารด้วย 3' จากนั้นP(A|B)เทียบเท่ากับ 'เมื่อเรารู้ว่าxหารด้วย 3 ความน่าจะเป็นที่หารด้วย 7 คืออะไร? หรือเท่ากัน 'เศษส่วนของจำนวน 3, 6, ... , 99 คือหารด้วย 7'


0

ฉันคิดว่าข้อความเริ่มต้นของคุณอาจเข้าใจผิด

คุณเขียน:

สูตรความน่าจะเป็นแบบมีเงื่อนไขของการเกิดขึ้นเมื่อ B เกิดขึ้นคือ:

จากคำพูดของคุณอาจฟังดูราวกับว่ามี 2 เหตุการณ์ "First B เกิดขึ้นจากนั้นเราต้องการคำนวณความน่าจะเป็นที่ A จะเกิดขึ้น"

กรณีนี้ไม่ได้. (ต่อไปนี้ถูกต้องไม่ว่าจะมีความเข้าใจผิดหรือไม่)

เรามีเพียง 1 เหตุการณ์ซึ่งถูกอธิบายโดยหนึ่งใน 4 ความเป็นไปได้:

  1. ไม่ใช่หรือ ;AB

  2. justไม่ใช่ ;AB

  3. justไม่ใช่ ;BA

  4. ทั้งและ{B}AB

วางตัวเลขตัวอย่างลงบนมันสมมติว่า

P(A)=0.5,P(B)=0.5,andA and B are independent.

มันตามมาว่า

P(A and B)=0.25andP(neither A nor B)=0.25.

ในขั้นต้น (ที่มีความรู้เกี่ยวกับเหตุการณ์ที่เกิดขึ้นไม่ได้) เรารู้ว่า0.25P(AB)=0.25

แต่เมื่อเรารู้ว่าเกิดขึ้นเราก็อยู่ในพื้นที่ที่แตกต่างออกไป คือครึ่งหนึ่งของดังนั้นความน่าจะเป็นของได้รับ ,เป็น0.5ไม่ใช่เพราะรู้ว่าเกิดขึ้นP ( AB ) P ( B ) A B P ( A)BP(AB)P(B)AB 0.5 0.25 BP(A|B)0.50.25B


0

ความน่าจะเป็นของการปรับสภาพไม่เท่ากับความน่าจะเป็นของการตัดกัน นี่คือคำตอบที่ใช้งานง่าย:

1) : "เรารู้ว่าเกิดขึ้นความน่าจะเป็นที่จะเกิดขึ้นคืออะไร"P(BA)AB

2: : "เราไม่รู้ว่าจะเกิดหรือหรือไม่ความน่าจะเป็นที่ทั้งสองจะเกิดขึ้นคืออะไร?P(AB)AB

ความแตกต่างคือในครั้งแรกเรามีข้อมูลเพิ่มเติม (เรารู้ว่าเกิดขึ้นก่อน) ในอันที่สองเราไม่รู้อะไรเลยA

เริ่มจากความน่าจะเป็นของอันที่สองเราสามารถอนุมานความน่าจะเป็นของอันที่สองได้

เหตุการณ์ที่ทั้งและจะเกิดขึ้นสามารถเกิดขึ้นได้สองวิธี:AB

1) ความน่าจะเป็นของและความน่าจะเป็นของเนื่องจากเกิดขึ้นABA

2) ความน่าจะเป็นของและความน่าจะเป็นของที่เกิดขึ้นBAB

ปรากฎว่าทั้งสองสถานการณ์เหมือนกันที่จะเกิดขึ้น (ฉันไม่สามารถหาเหตุผลที่เข้าใจเองได้) ดังนั้นเราต้องน้ำหนักทั้งสองสถานการณ์ด้วย0.5

P(AB)=1/2P(A(BA))+1/2P(B(AB))

ตอนนี้ใช้ที่และเป็นอิสระและจำไว้ว่าสถานการณ์ทั้งสองมีแนวโน้มที่จะเกิดขึ้นอย่างเท่าเทียมกันABA

P(AB)=P(A)P(BA)

Tadaaa ... ตอนนี้แยกความน่าจะเป็นของการปรับสภาพ!

BTW ฉันจะรักถ้ามีคนอธิบายได้ว่าทำไมสถานการณ์ 1 และ 2 ถึงเท่ากัน ที่สำคัญอยู่ในนั้น imo

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.