Часть серии по статистике |
Теория вероятности |
---|
В теории вероятностей , условная вероятность является мерой вероятности в качестве события , происходящего, при условии , что другое событие (по предположению, предположение, утверждение или доказательства) уже произошло. [1] Если интересующим событием является событие A, а событие B известно или предполагается, что оно произошло, «условная вероятность A при условии B » или «вероятность A при условии B » обычно записывается как P ( A | B ) , [2] [3] или иногда PB ( A )илиP ( A / B ). Например, вероятность того, что какой-либо конкретный человек кашляет в любой день, может составлять всего 5%. Но если мы знаем или предполагаем, что человек болен, то у него гораздо больше шансов кашлять. Например, условная вероятность того, что кто-то плохо себя чувствует, кашляет, может составлять 75%, и в этом случае у нас будетP (Кашель)= 5% иP (Кашель | Больной)= 75%.
Условная вероятность - одно из важнейших и фундаментальных понятий теории вероятностей. [4] Но условные вероятности могут быть довольно скользкими и могут потребовать осторожной интерпретации. [5] Например, между A и B не должно быть причинно-следственной связи , и они не должны возникать одновременно.
P ( A | B ) может быть равно P ( A ), а может и не быть (безусловная вероятность A ). Если P ( A | B ) = P ( A ) , то события A и B называются независимыми : в таком случае знание любого события не изменяет вероятность друг друга. P ( A | B ) (условная вероятность A для данного B ) обычно отличается от P ( B | A ). Например, если у человека лихорадка денге , у него может быть 90% -ная вероятность положительного результата теста на денге. В этом случае измеряется то, что если событие B («лихорадка денге») произошло, вероятность A ( тест положительный ) при условии, что B ( наличие лихорадки денге ) имеет место, составляет 90%: то есть P ( A | Б ) = 90%. В качестве альтернативы, если у человека положительный результат теста на денге, у него может быть только 15% шанс действительно заболеть этим редким заболеванием, потому что количество ложных положительных результатов теста может быть высоким. В этом случае измеряется вероятность события B (денге ) при условии, что произошло событие A ( тест положительный ): P ( B | A ) = 15%. Ошибочное приравнивание двух вероятностей может привести к различным ошибкам в рассуждении, таким как ошибка базовой ставки . Условные вероятности можно обратить с помощью теоремы Байеса .
Условные вероятности могут отображаться в таблице условных вероятностей .
Определение [ править ]
Привязка к событию [ править ]
Колмогоровское определение [ править ]
Даны два события A и B от сигма-полей в вероятностном пространстве, с безусловной вероятностью в Б быть больше нуля (т.е. Р ( В )> 0) , условная вероятность А данный B определена , чтобы быть фактором вероятности стыка событий A и B , и вероятности из B : [3] [6] [7]
где - вероятность того, что оба события A и B произойдут. Это можно представить как ограничение пространства выборки ситуациями, в которых встречается B. Логика, лежащая в основе этого уравнения, заключается в том, что если возможные исходы для A и B ограничены теми, в которых встречается B , этот набор служит новым пространством выборки.
Обратите внимание, что приведенное выше уравнение является определением, а не теоретическим результатом. Мы просто обозначают количество , как и назвать это условная вероятность А данного B .
Как аксиома вероятности [ править ]
Некоторые авторы, такие как де Финетти , предпочитают вводить условную вероятность как аксиому вероятности :
Хотя это математически эквивалентно, это может быть предпочтительнее с философской точки зрения; согласно основным интерпретациям вероятности , таким как субъективная теория , условная вероятность считается примитивной сущностью. Кроме того, эта «аксиома умножения» вводит симметрию с аксиомой суммирования для взаимоисключающих событий : [8]
Как вероятность условного события [ править ]
Условную вероятность можно определить как вероятность условного события . Гудман-Нгуен-Ван Фраассен условное событие может быть определена как
Можно показать, что
что соответствует колмогоровскому определению условной вероятности.
Условие на событии с нулевой вероятностью [ править ]
Если P ( B ) = 0 , то согласно определению P ( A | B ) не определено .
Наибольший интерес представляет случай случайной величины Y , обусловленной непрерывной случайной величиной X, приводящей к конкретному результату x . Событие имеет нулевую вероятность и, как таковое, не может быть обусловлено.
Вместо того, чтобы обусловливать, чтобы X был точно x , мы могли бы сделать условие, чтобы он был ближе, чем расстояние от x . Событие обычно имеет ненулевую вероятность и, следовательно, может быть обусловлено. Затем мы можем взять предел
Например, если две непрерывные случайные величины X и Y имеют совместную плотность , то по правилу Лопиталя :
В результате чего пределом является условным распределением вероятностей по У данного X и существует тогда , когда знаменатель, плотность вероятности , строго положителен.
Заманчиво определить неопределенную вероятность, используя этот предел, но это не может быть сделано согласованным образом. В частности, можно найти случайные величины X и W и значения x , w такие, что события и идентичны, но результирующие пределы не совпадают: [9]
Парадокс Бореля-Колмогорова демонстрирует это с геометрическим аргументом.
Условие на случайную переменную [ править ]
Пусть Х случайная величина и ее возможные результаты обозначены V . Например, если X представляет собой значение прокатанного кубика, то V - это набор . Предположим для презентации, что X - дискретная случайная величина, так что каждое значение в V имеет ненулевую вероятность.
Для значения x в V и события A условная вероятность равна . Письмо
для краткости, мы видим , что она является функцией двух переменных х и А .
Для фиксированного A мы можем сформировать случайную величину . Он представляет собой результат всякий раз , когда значение х из X наблюдается.
Таким образом, условную вероятность A для данного X можно рассматривать как случайную величину Y с результатами в интервале . Из закона полной вероятности , его ожидаемая величина равна безусловной вероятности из A .
Частичная условная вероятность [ править ]
Частичная условная вероятность - это вероятность события при условии, что каждое из условных событий произошло в степени (степень уверенности, степень опыта), которая может отличаться от 100%. Часто частичная условная вероятность имеет смысл, если условия проверяются в повторениях экспериментов соответствующей продолжительности . [10] Такая ограниченная частичная условная вероятность может быть определена как условно ожидаемое среднее возникновение события на испытательных стендах, длина которых соответствует всем спецификациям вероятности , то есть:
- [10]
Исходя из этого, частичную условную вероятность можно определить как
где [10]
Обусловленность Джеффри [11] [12] - это частный случай частичной условной вероятности, в котором условные события должны образовывать раздел :
Пример [ править ]
Предположим, что кто-то тайно бросает два честных шестигранных кубика , и мы хотим вычислить вероятность того, что открытое значение первого кубика равно 2, учитывая информацию о том, что их сумма не больше 5.
- Пусть D 1 будет значением, выпавшим на кубике 1.
- Пусть D 2 будет значением, брошенным на кубике 2.
Вероятность того, что D 1 = 2
В таблице 1 показано пространство выборки из 36 комбинаций выпавших значений двух кубиков, каждая из которых встречается с вероятностью 1/36, с числами, отображаемыми в красных и темно-серых ячейках, как D 1 + D 2 .
D 1 = 2 ровно в 6 из 36 исходов; Таким образом , Р ( D 1 = 2) = 6 / 36 = 1 / 6 :
Таблица 1 + D 2 1 2 3 4 5 6 D 1 1 2 3 4 5 6 7 2 3 4 5 6 7 8 3 4 5 6 7 8 9 4 5 6 7 8 9 10 5 6 7 8 9 10 11 6 7 8 9 10 11 12
Вероятность того, что D 1 + D 2 ≤ 5
Таблица 2 показывает , что D 1 + D 2 ≤ 5 ровно 10 из 36 результатов, таким образом , P ( D 1 + D 2 ≤ 5) = 10 / 36 :
Таблица 2 + D 2 1 2 3 4 5 6 D 1 1 2 3 4 5 6 7 2 3 4 5 6 7 8 3 4 5 6 7 8 9 4 5 6 7 8 9 10 5 6 7 8 9 10 11 6 7 8 9 10 11 12
Вероятность того, что D 1 = 2 при условии, что D 1 + D 2 ≤ 5
Таблица 3 показывает, что для 3 из этих 10 исходов D 1 = 2.
Таким образом, условная вероятность Р ( D 1 = 2 | D 1 + D 2 ≤ 5) = 3 / 10 = 0,3:
Таблица 3 + D 2 1 2 3 4 5 6 D 1 1 2 3 4 5 6 7 2 3 4 5 6 7 8 3 4 5 6 7 8 9 4 5 6 7 8 9 10 5 6 7 8 9 10 11 6 7 8 9 10 11 12
Здесь, в более раннем обозначении определения условной вероятности, обусловливающее событие B - это то, что D 1 + D 2 ≤ 5, а событие A - это D 1 = 2. Как видно из таблицы.
Использовать в выводе [ править ]
В статистическом выводе условная вероятность - это обновление вероятности события на основе новой информации. [5] Новая информация может быть включена следующим образом: [1]
- Пусть A , интересующее событие, находится в пространстве выборки , скажем ( X , P ).
- Возникновение события A , если известно, что событие B произошло или произойдет, означает возникновение события A, поскольку оно ограничено B , т . Е.
- Без информации о возникновении B информация о возникновении A была бы просто P ( A )
- Вероятность А зная , что событие В имеет или будет иметь место, будет вероятность по отношению к P ( B ), вероятность того, что В произошло.
- Это приводит к тому, когда Р ( В )> 0 и 0 в противном случае.
Этот подход приводит к вероятностной мере, которая согласуется с исходной вероятностной мерой и удовлетворяет всем аксиомам Колмогорова . Эта мера условной вероятности также могла быть результатом предположения, что относительная величина вероятности A по отношению к X будет сохранена по отношению к B (см. Формальный вывод ниже).
Формулировки «свидетельство» или «информация» обычно используются в байесовской интерпретации вероятности . Условное событие интерпретируется как свидетельство условного события. То есть P ( A ) - это вероятность A до учета свидетельства E , а P ( A | E ) - это вероятность A после учета свидетельства E или после обновления P ( A ). Это согласуется с частотной интерпретацией, которая является первым определением, данным выше.
Статистическая независимость [ править ]
События A и B считаются статистически независимыми, если
Если P ( B ) не равно нулю, то это эквивалентно утверждению, что
Аналогично, если P ( A ) не равно нулю, то
также эквивалентен. Несмотря на то, что полученные формы могут показаться более интуитивными, они не являются предпочтительным определением , как условные вероятности могут быть определены, а предпочтительное определение является симметричным A и B .
Независимые события против взаимоисключающих событий
Понятия взаимно независимых событий и взаимоисключающих событий раздельны и различны. В следующей таблице сравниваются результаты для двух случаев (при условии, что вероятность обусловливающего события не равна нулю).
Если статистически независимый | Если взаимоисключающие | |
---|---|---|
0 | ||
0 | ||
0 |
Фактически, взаимоисключающие события не могут быть статистически независимыми (если только они оба не являются невозможными), поскольку знание того, что одно происходит, дает информацию о другом (в частности, что последнее, безусловно, не произойдет).
Распространенные заблуждения [ править ]
- Эти заблуждения не следует путать с «условным заблуждением» Роберта К. Шоупа 1978 года , которое имеет дело с контрфактическими примерами, которые поднимают вопрос .
Предполагая, что условная вероятность того же размера, что и обратная [ править ]
В общем случае нельзя предполагать, что P ( A | B ) ≈ P ( B | A ). Это может быть коварной ошибкой даже для тех, кто хорошо разбирается в статистике. [13] Связь между P ( A | B ) и P ( B | A ) дается теоремой Байеса :
То есть P ( A | B ) ≈ P ( B | A ), только если P ( B ) / P ( A ) ≈ 1, или, что то же самое, P ( A ) ≈ P ( B ).
Предполагая, что предельная и условная вероятности имеют одинаковый размер [ править ]
В общем случае нельзя предполагать, что P ( A ) ≈ P ( A | B ). Эти вероятности связаны законом полной вероятности :
где события образуют счетный раздел из .
Это заблуждение может возникнуть из-за систематической ошибки отбора . [14] Например, в контексте медицинской претензии, пусть S С быть событие , которое в осложнении (хроническое заболевание) S происходит вследствие обстоятельств (острого состояние) C . Пусть H будет событием, когда человек обращается за медицинской помощью. Предположим, что в большинстве случаев C не вызывает S (так что P ( S C ) низкий). Предположим также, что за медицинской помощью обращаются только в том случае, если S произошло из-за C. Таким образом, исходя из опыта пациентов, врач может ошибочно заключить, что P ( S C ) высокий. Фактическая вероятность, наблюдаемая врачом, равна P ( S C | H ).
Приоры с завышением или занижением [ править ]
Частичное или полное отсутствие учета априорной вероятности называется пренебрежением базовой ставкой . Обратное, недостаточное приспособление к априорной вероятности - это консерватизм .
Формальное происхождение [ править ]
Формально P ( A | B ) определяется как вероятность A согласно новой функции вероятности в пространстве выборки, так что результаты, не входящие в B, имеют вероятность 0 и что она согласуется со всеми исходными вероятностными мерами . [15] [16]
Пусть Ω - пространство выборок с элементарными событиями { ω }, и пусть P - вероятностная мера относительно σ-алгебры Ω. Предположим, нам сказали, что произошло событие B ⊆ Ω. Новое распределение вероятностей (обозначенное условным обозначением) должно быть присвоено на { ω }, чтобы отразить это. Все события, не входящие в B, будут иметь нулевую вероятность в новом распределении. Для событий в B должны быть выполнены два условия: вероятность B равна единице, и относительные величины вероятностей должны быть сохранены. Первое требуется аксиомами вероятности, и последнее проистекает из того факта, что новая вероятностная мера должна быть аналогом P, в котором вероятность B равна единице - и , следовательно, каждое событие, не входящее в B , имеет нулевую вероятность. Следовательно, для некоторого масштабного коэффициента α новое распределение должно удовлетворять:
Подставляя 1 и 2 на 3, чтобы выбрать α :
Итак, новое распределение вероятностей
Теперь для общего события A ,
См. Также [ править ]
- Теорема Байеса
- Байесовская эпистемология
- Парадокс Бореля – Колмогорова.
- Цепное правило (вероятность)
- Вероятности членства в классе
- Условная независимость
- Условное распределение вероятностей
- Обусловленность (вероятность)
- Совместное распределение вероятностей
- Проблема Монти Холла
- Попарно независимое распределение
- Апостериорная вероятность
- Обычная условная вероятность
Ссылки [ править ]
- ^ a b Gut, Аллан (2013). Вероятность: аспирантура (второе изд.). Нью-Йорк, штат Нью-Йорк: Спрингер. ISBN 978-1-4614-4707-8.
- ^ «Список вероятностных и статистических символов» . Математическое хранилище . 2020-04-26 . Проверено 11 сентября 2020 .
- ^ a b «Условная вероятность» . www.mathsisfun.com . Проверено 11 сентября 2020 .
- ^ Росс, Шелдон (2010). Первый курс вероятности (8-е изд.). Пирсон Прентис Холл. ISBN 978-0-13-603313-4.
- ^ а б Каселла, Джордж; Бергер, Роджер Л. (2002). Статистический вывод . Duxbury Press. ISBN 0-534-24312-6.
- ^ Колмогоров, Андрей (1956), Основы теории вероятностей , Челси
- ^ «Условная вероятность» . www.stat.yale.edu . Проверено 11 сентября 2020 .
- ^ Гиллис, Дональд (2000); «Философские теории вероятностей»; Рутледж; Глава 4 «Субъективная теория»
- ↑ Галь, Ярин. «Парадокс Бореля – Колмогорова» (PDF) .
- ^ a b c Драхейм, Дирк (2017). «Обобщенная условность Джеффри (частичная семантика частичной условности)» . Springer . Проверено 19 декабря 2017 года .
- ^ Джеффри, Ричард С. (1983), Логика принятия решений, 2-е издание , University of Chicago Press, ISBN 9780226395821
- ^ "Байесовская эпистемология" . Стэнфордская энциклопедия философии. 2017 . Проверено 29 декабря 2017 года .
- ^ Паулос, JA (1988) Неграмотность: математическая неграмотность и ее последствия , Хилл и Ван. ISBN 0-8090-7447-8 (стр. 63 и след. )
- ^ Томас Брюсс, F; Der Wyatt Earp Effekt; Spektrum der Wissenschaft; Март 2007 г.
- ^ Джордж Каселла и Роджер Л. Бергер (1990), Статистический вывод , Duxbury Press, ISBN 0-534-11958-1 (стр. 18 и след. )
- ^ Введение в вероятность Гринстеда и Снелла , стр. 134
Внешние ссылки [ править ]
Викискладе есть медиафайлы по теме условной вероятности . |
- Вайсштейн, Эрик В. «Условная вероятность» . MathWorld .
- F. Thomas Bruss Der Wyatt-Earp-Effekt oder die betörende Macht kleiner Wahrscheinlichkeiten (на немецком языке), Spektrum der Wissenschaft (Немецкое издание журнала Scientific American), том 2, 110–113, (2007).
- Визуальное объяснение условной вероятности