POBIERZ wykład nr 2
Transkrypt
POBIERZ wykład nr 2
2016-10-15 Prawdopodobieństwo warunkowe Prawdopodobieństwo geometryczne Prawdopodobieństwo geometryczne – miarą ilość zdarzeń elementarnych odpowiadających zdarzeniu A i przestrzeni zdarzeń W są pola (objętości) odpowiednich figur (brył) geometrycznych (np. wyznaczenie liczby p, igła Buffona). Paradoks Bertranda – problem z wyborem przestrzeni W w każdym przypadku jest inna) – są to różne sposoby losowania. RPiS 2016/2017 ) RPiS 2016/2017 Aksjomat II ( P(W)=1 ), teraz B jest przestrzenią próbkowania P( B B) P( B) P( B | B) 1 P( B) P( B) P( Ak )) Aksjomat III ( Ak rozłączne: P( Ak ) k k P(( Ak ) | B) P( Ak | B) gdyż P(( Ak ) | B) k k P(( Ak ) B) k k P( ( Ak B)) k P( B) P( B) P( Ak B) P( Ak | B) P( B) k k P(A k B) k P( B) RPiS 2016/2017 Partycja przestrzeni próbek II: B k 2 Każde prawdopodobieństwo jest warunkowe P( A) P( A | Ω) A B P( A | B) 0 P( A) P( B) B A P( A | B) 1 A B P( A | B) P( A | B) P( A) P( B | A) P( B) Nie ma zależności pomiędzy wartościami P(A) i P(A|B). Można budować bardziej skomplikowane relacje. 3 RPiS 2016/2017 4 Wzór Bayesa Z definicji prawdopodobieństwa warunkowego Zbiór zdarzeń Bk k=1,2,…,n tworzy partycję przestrzeni próbek W jeżeli: I: i j : Bi B j n P( B) 0 Powyższa definicja jest zgodna z definicją aksjomatyczną prawdopodobieństwa. Odpowiada ona prawdopodobieństwu zdarzenia A w przestrzeni próbek ograniczonej do zdarzenia B. P( B | B) 1 gdyż P( A B) P( B) Kilka własności prawdopodobieństwa warunkowego P( A) 0 P( A | B) 0 gdyż P( A B) 0 P( B) 0 Aksjomat I ( P( A | B) 1 Zgodność z aksjomatami Sytuacja: A,B – to dwa zdarzenia w przestrzeni próbek W związanej z eksperymentem E, P(B)>0. W wyniku przeprowadzenia eksperymentu E stwierdzamy, że zaszło zdarzenie B. Prawdopodobieństwo warunkowe to liczba P( A B) P( A | B) P( B) dla P( B) 0 P( A B) P( B | A) P( A) dla P( A) 0 Łącznie otrzymujemy wzór Bayesa W k 1 np. zdarzenie A i przeciwne do niego zdarzenie W\A tworzą partycję przestrzeni W. Zał: zbiory B1,…,Bn tworzą partycje przestrzeni W, i : P( Bi ) 0 a zdarzenie A W. Wtedy zachodzi reguła całkowitego prawdopodobieństwa: n n i 1 i 1 P( A) P( A Bi ) P( A | Bi ) P( Bi ) RPiS 2016/2017 P( B | A) P( A | B) P( B) P( A) Stosując powyższe dla B=Bk tworzącego partycję przestrzeni W dostajemy P( Bk | A) P( Bk A) P( A | Bk ) P( Bk ) n P( A) P( A | Bi ) P( Bi ) i 1 5 RPiS 2016/2017 6 1 2016-10-15 Wzór „łańcuchowy” Wzór Bayesa Zał. P( A1 A2 An-1 ) 0 Prawdopodobieństwo a priori – prawdopodobieństwo zdarzenia przed wprowadzeniem dodatkowej informacji Prawdopodobieństwo a posteriori – prawdopodobieństwo zdarzenia po wprowadzeniu dodatkowej informacji Wtedy zachodzi wzór: P( A1 A2 An ) P( A1 ) P( A2 | A1 ) P( A3 | A1 A2 ) P( An | A1 A2 An-1 ) Przykłady: -dowód – iteracja definicji prawdopodobieństwa warunkowego P(A1) -uzasadnia metodę „drzewka” A1 I. Losowanie kul z urny II. Test medyczny (ćwiczenia) A1 P(A2|A1) A2 P(A3|A2∩A1) A3 RPiS 2016/2017 7 RPiS 2016/2017 8 2