Υπολογιστής Πιθανότητας

Τι Είναι η Πιθανότητα;

Η πιθανότητα είναι το μαθηματικό μέτρο για το πόσο πιθανό είναι να συμβεί ένα γεγονός. Εκφράζεται ως ένας αριθμός μεταξύ 0 και 1, όπου το 0 σημαίνει ότι το γεγονός είναι αδύνατο και το 1 σημαίνει ότι το γεγονός είναι βέβαιο. Ο βασικός τύπος είναι:P{event) = αριθμός ευνοϊκών αποτελεσμάτων ÷ συνολικός αριθμός πιθανών αποτελεσμάτων.

Για παράδειγμα, όταν ρίχνουμε ένα τυπικό εξαπλευρό ζάρι, η πιθανότητα να ρίξουμε ένα 4 είναι 1/6 ~ 0.1667 (περίπου 16,67%). Υπάρχει 1 ευνοϊκό αποτέλεσμα (ρίχνοντας ένα 4) από 6 εξίσου πιθανές πιθανότητες. Η πιθανότητα μπορεί να εκφραστεί ως κλάσμα (1/6), δεκαδικό (0,1667) ή ποσοστό (16,67%) - και οι τρεις μορφές μεταφέρουν τις ίδιες πληροφορίες.

Η μελέτη των πιθανοτήτων ξεκίνησε τον 17ο αιώνα, όταν οι μαθηματικοί Μπλεζ Πασκάλ και Πιερ ντε Φερμά ανταλλάσσουν επιστολές σχετικά με τα προβλήματα των τυχερών παιχνιδιών.

Πώς να Υπολογίσετε την Πιθανότητα: Βήμα Βήμα

Ακολουθήστε τα παρακάτω βήματα για να υπολογίσετε την πιθανότητα οποιουδήποτε γεγονότος:

1. Ορισμός του χώρου δειγματοληψίας:Καταγράψτε όλα τα πιθανά αποτελέσματα. Για μια ρίψη νομίσματος: {Κεφάλια, ουρές} -- 2 αποτελέσματα συνολικά.
2. Προσδιορίστε ευνοϊκά αποτελέσματα:Μετρήστε τα αποτελέσματα που ταιριάζουν με το γεγονός που σας ενδιαφέρει.
3. Εφαρμόστε τη φόρμουλα:P = ευνοϊκό ÷ συνολικό = 1 ÷ 2 = 0,5 = 50%.
4. Επαληθεύστε:Η πιθανότητα πρέπει να είναι μεταξύ 0 και 1. Αν πάρετε έναν αρνητικό αριθμό ή μια τιμή πάνω από 1, ξαναελέγξτε τις μετρήσεις σας.

Για πιο περίπλοκα σενάρια, μπορεί να χρειαστεί να χρησιμοποιήσετε κανόνες πρόσθεσης ή πολλαπλασιασμού.κανόνας πρόσθεσηςΤο P (A ή B) = P (A) + P (B) - P (A και B).κανόνας πολλαπλασιασμούχειρίζεται τα σενάρια "και": P ((A και B) = P ((A) x P ((B) εάν το A και το B είναι ανεξάρτητα.

Κατανοώντας τις πιθανότητες έναντι των πιθανοτήτων

Πιθανότητασυγκρίνει τα ευνοϊκά αποτελέσματα με όλα τα αποτελέσματα.ΠιθανότητεςΑυτά είναι συγγενικά αλλά διαφορετικά μέτρα, και η σύγχυση τους είναι ένα κοινό λάθος.

Αν η πιθανότητα νίκης ενός παιχνιδιού είναι 1/4 (25%), τότε: πιθανότητες υπέρ = 1:3 (μία νίκη για κάθε τρεις ήττες), και πιθανότητες εναντίον = 3:1 (τρεις ήττες για κάθε μία νίκη).

Τα αθλητικά στοιχήματα χρησιμοποιούν μορφές πιθανότητας όπως κλασματική (3/1), δεκαδική (4.0), ή αμερικανική (+300).Σε δεκαδική μορφή, η πιθανότητα που υπονοείται από τις πιθανότητες 4,0 είναι 1/4,0 = 25%.Οι στοιχηματιστές χτίζουν ένα περιθώριο ("vig" ή "juice") έτσι ώστε οι υπονοούμενες πιθανότητες όλων των αποτελεσμάτων να αθροίζονται σε περισσότερο από 100% - έτσι κερδίζουν ανεξάρτητα από το αποτέλεσμα.

Τύποι Πιθανότητας

Υπάρχουν τρεις κύριες ερμηνείες της πιθανότητας, η κάθε μία χρήσιμη σε διαφορετικά πλαίσια:

Κλασική (θεωρητική) Πιθανότητα:Βασισμένο σε μαθηματική λογική και συμμετρία. Υποθέτει ότι όλα τα αποτελέσματα είναι εξίσου πιθανά. Παραδείγματα: ρίψη κέρματος, ρίψη ζαριών, κλήρωση καρτών. Η πιθανότητα να ρίξουμε ένα 6 είναι ακριβώς 1/6 από τη συμμετρία ενός δίκαιου ζαριού - δεν χρειάζεται να το ρίξουμε χιλιάδες φορές για να το μάθουμε αυτό.

Συχνιστική (πειραματική) Πιθανότητα:Με βάση τα παρατηρηθέντα δεδομένα από επαναλαμβανόμενα πειράματα. Αν ρίξετε ένα νόμισμα 1.000 φορές και πάρετε 512 κεφάλια, η πειραματική πιθανότητα των κεφαλιών είναι 512/1000 = 51,2%.

Bayesian (υποκειμενική) Πιθανότητα:Αντιπροσωπεύει ένα βαθμό πίστης, που ενημερώνεται με την άφιξη νέων στοιχείων. Ένας μετεωρολόγος που λέει ότι υπάρχει 70% πιθανότητα βροχής εκφράζει μια υποκειμενική πιθανότητα βασισμένη σε ατμοσφαιρικά μοντέλα. Η πιθανότητα Bayesian χρησιμοποιείται εκτενώς στη μηχανική μάθηση, την ιατρική διάγνωση και το επιστημονικό συμπέρασμα.

Συνθετική και Προϋπολογισμένη Πιθανότητα

Ανεξάρτητα γεγονότα:Δύο γεγονότα είναι ανεξάρτητα αν η εμφάνιση του ενός δεν επηρεάζει την πιθανότητα του άλλου.

Εξαρτώμενα γεγονότα:Τραβώντας κάρτες χωρίς αντικατάσταση. P ((πρώτη κάρτα είναι άσος) = 4/52. δεδομένου ότι η πρώτη ήταν άσος, P ((δεύτερη κάρτα είναι επίσης άσος) = 3/51 (λιγότεροι άσσοι και λιγότερες κάρτες). P ((και οι δύο άσσοι) = (4/52) x (3/51) = 12/2652 ~ 0,45%.

Προϋπολογισμένη Πιθανότητα:Για παράδειγμα, σε μια τάξη 30 μαθητών όπου 12 είναι αθλητές και 8 είναι και οι δύο αθλητές και φοιτητές τιμής: P (τιμή) τιμής αθλητής) = (8/30) / (12/30) = 8/12 ~ 0,667 = 66,7%.

Θεώρημα του Μπέιζ:Αυτός ο ισχυρός τύπος επιτρέπει την ενημέρωση της πιθανότητας μιας υπόθεσης όταν φτάνουν νέα στοιχεία. Χρησιμοποιείται σε ιατρικές δοκιμές, φιλτράρισμα spam και αμέτρητους αλγόριθμους μηχανικής μάθησης.

Διανομές Πιθανότητας

Όταν μετράμε τυχαία φαινόμενα επανειλημμένα, τα αποτελέσματα σχηματίζουν μιακατανομή πιθανοτήτων-- μια περιγραφή των αποτελεσμάτων που εμφανίζονται και πόσο συχνά.

Τοκανονική κατανομήείναι η πιο σημαντική στη στατιστική λόγω του Θεωρήματος Κεντρικού Περιορισμού: ο μέσος όρος πολλών ανεξάρτητων τυχαίων μεταβλητών τείνει προς μια κανονική κατανομή, ανεξάρτητα από την αρχική κατανομή.

Πραγματικές Εφαρμογές της Πιθανότητας

Φάρμακα:Οι κλινικές δοκιμές χρησιμοποιούν την πιθανότητα για να εκτιμήσουν αν μια θεραπεία λειτουργεί καλύτερα από την τύχη. Οι διαγνωστικές δοκιμές έχουν ευαισθησία (αληθινό θετικό ποσοστό) και ειδικότητα (αληθινό αρνητικό ποσοστό) εκφρασμένες ως πιθανότητες. Ένα θετικό αποτέλεσμα δοκιμής δεν σημαίνει βεβαιότητα της νόσου - το θεώρημα του Bayes υπολογίζει την πραγματική πιθανότητα δεδομένης της ακρίβειας της δοκιμής και της επικράτησης της νόσου.

Ασφάλιση:Ένας ασφαλιστής ζωής χρησιμοποιεί πίνακες θνησιμότητας (πιθανότητα θανάτου σε κάθε ηλικία) για να καθορίσει πόσα πρέπει να χρεώσει για ένα συμβόλαιο.

Χρηματοοικονομικά:Τα μοντέλα τιμολόγησης επιλογών (Black-Scholes) χρησιμοποιούν την πιθανότητα για την αποτίμηση των παραγώγων.

Μηχανική Μάθηση:Τα μοντέλα ταξινόμησης παράγουν πιθανότητες. Οι κατηγοριοποιητές Naive Bayes, η υλικοτεχνική παλινδρόμηση και τα νευρωνικά δίκτυα με softmax εκδόσεις παράγουν πιθανολογικές προβλέψεις. Κάθε φίλτρο ανεπιθύμητης αλληλογραφίας στο γραμματοκιβώτιο ηλεκτρονικού ταχυδρομείου χρησιμοποιεί την πιθανότητα για να αποφασίσει ποια μηνύματα θα τεθούν σε καραντίνα.

Συνηθισμένα Λάθη Πιθανότητας που Πρέπει να Αποφεύγετε

Το λάθος του τζογαδόρου:Πιστεύοντας ότι τα τυχαία γεγονότα του παρελθόντος επηρεάζουν τα μελλοντικά. Αφού ένα νόμισμα πέσει με κεφαλή 10 φορές στη σειρά, η πιθανότητα των κεφαλών στην επόμενη ρίψη είναι ακόμα ακριβώς 50%. Το νόμισμα δεν έχει μνήμη. Οι άνθρωποι που πιστεύουν ότι "οι ουρές οφείλονται" διαπράττουν την πλάνη του τζογαδόρου.

Να μπερδεύεις το "ή" με το "και":"Η πιθανότητα να ρίξουμε ένα 1 ή ένα 2" είναι P(1) + P(2) = 1/6 + 1/6 = 1/3 (αφού δεν μπορούν να συμβούν ταυτόχρονα). "Η πιθανότητα να ρίξουμε πρώτα ένα 1 και μετά ένα 2" είναι 1/6 x 1/6 = 1/36 (ανεξάρτητα γεγονότα πολλαπλασιάζονται).

Αγνοώντας τις βασικές τιμές:Η πλάνη του βασικού ποσοστού συμβαίνει όταν οι άνθρωποι αγνοούν προηγούμενες πιθανότητες. Μια σπάνια ασθένεια επηρεάζει 1 στους 10.000 ανθρώπους. Ένα τεστ έχει ακρίβεια 99%. Αν το τεστ είναι θετικό, η πιθανότητα να έχετε πραγματικά την ασθένεια είναι εκπληκτικά χαμηλή - μόνο περίπου 1%, υπολογισμένη με το θεώρημα του Bayes - επειδή η ασθένεια είναι τόσο σπάνια που τα ψευδώς θετικά ξεπερνούν τα αληθινά θετικά.

Πιθανότητες στον Αθλητισμό, τον Καιρό και την Καθημερινή Ζωή

Η πιθανότητα είναι ενσωματωμένη στην καθημερινή γλώσσα. Μια πρόβλεψη καιρού με "70% πιθανότητα βροχής" σημαίνει ότι σε ιστορικές καταστάσεις με παρόμοιες ατμοσφαιρικές συνθήκες, βρέχει το 70% του χρόνου. Δεν σημαίνει ότι θα βρέξει για το 70% της ημέρας. Αυτή είναι μια συχνιστική πιθανότητα που εφαρμόζεται σε ένα μόνο μελλοντικό γεγονός - μια εγγενώς πιθανολογική πρόβλεψη.

Στον αθλητισμό, οι πιθανότητες στοιχημάτων υποδηλώνουν πιθανότητες. Αν οι πιθανότητες μιας ομάδας είναι 2,50 σε δεκαδική μορφή, η υπονοούμενη πιθανότητα νίκης είναι 1/2,50 = 40%. Οι στοιχηματιστές προσθέτουν ένα περιθώριο (overround) έτσι ώστε οι πιθανότητες σε όλα τα αποτελέσματα να αθροίζουν περισσότερο από 100% - αυτός είναι ο μηχανισμός κέρδους τους. Η σύγκριση των εκτιμώμενων πιθανότητών σας με τις υπονοούμενες πιθανότητες του στοιχηματιστή είναι η θεμελιώδης άσκηση στην ανάλυση αξίας των αθλητικών στοιχημάτων.

Τα προγράμματα ιατρικής εξέτασης χρησιμοποιούν έννοιες πιθανότητας για την εξισορρόπηση ψευδών θετικών και ψευδών αρνητικών. Μια μαστογραφία με ευαισθησία 90% και ειδικότητα 95% ακούγεται εξαιρετική, αλλά αν ο επιπολασμός του καρκίνου του μαστού στον ελεγχόμενο πληθυσμό είναι 1%, η θετική προγνωστική αξία (πιθανότητα καρκίνου με θετικό τεστ) είναι μόνο περίπου 15%.

Μετατροπές, Συνδυασμοί και Αρχές Μέτρησης

Πολλά προβλήματα πιθανοτήτων απαιτούν ακριβή καταμέτρηση ευνοϊκών και συνολικών αποτελεσμάτων.

ΜετατροπέςΟ αριθμός των τρόπων για να οργανώσετε k αντικείμενα από n ξεχωριστά αντικείμενα: P ((n,k) = n! / ((n-k)!. Για 5 δρομείς σε έναν αγώνα με μετάλλια για 1η, 2η, 3η: P ((5,3) = 5! / 2! = 60 πιθανές τάξεις.

ΣυνδυασμοίΜετρήστε τις επιλογές όπου η σειρά δεν έχει σημασία: C(n,k) = n!/(k!(n-k)!). Για ένα λαχείο που επιλέγει 6 αριθμούς από 1 - 49: C(49,6) = 13.983.816 πιθανούς συνδυασμούς. Πιθανότητα νίκης = 1/13.983.816 ~ 0.0000071% ~ 1 στα 14 εκατομμύρια.

Τοαρχή του πολλαπλασιασμού: αν μια επιλογή έχει m επιλογές και μια άλλη έχει n επιλογές, υπάρχουν mxn συνολικοί συνδυασμοί. Ένα εστιατόριο με 4 πρωινό, 6 κύρια και 3 επιδόρπια έχει 4x6x3 = 72 πιθανά γεύματα τριών γευμάτων. Αυτό είναι το θεμέλιο για την οικοδόμηση χώρων δειγμάτων σε πολύπλοκα προβλήματα πιθανότητας.

Το Πρόβλημα των Γενεθλίων και η Αντιφατική Πιθανότητα

Η πιθανότητα συχνά παράγει αποτελέσματα που είναι λάθος για την ανθρώπινη διαίσθηση. Το πρόβλημα γενεθλίων είναι το πιο διάσημο παράδειγμα: πόσοι άνθρωποι χρειάζεστε σε ένα δωμάτιο για να υπάρχει 50% πιθανότητα δύο από αυτούς να έχουν γενέθλια μαζί; Οι περισσότεροι άνθρωποι μαντεύουν έναν μεγάλο αριθμό όπως 183 (το μισό από 365).23 άτομα.

Ο υπολογισμός χρησιμοποιεί τη συμπληρωματική πιθανότητα: P ((τουλάχιστον ένα κοινό γενέθλιο) = 1 - P ((όχι κοινά γενέθλια). P ((όχι κοινό γενέθλιο) για 23 άτομα = (365/365) x (364/365) x (363/365) x ... x (343/365) ~ 0,493.

Ο λόγος που είναι τόσο χαμηλός είναι ο αριθμός των ζευγαριών: με 23 άτομα υπάρχουν C(23,2) = 253 πιθανά ζευγάρια, το καθένα με μια μικρή (~ 0,27%) πιθανότητα αντιστοίχισης. Με τόσες πολλές ανεξάρτητες πιθανότητες, μια αντιστοίχιση γίνεται πιο πιθανή από ό, τι όχι. Αυτή η λογική επεκτείνεται στην ασφάλεια: με μόλις 82 άτομα, υπάρχει μια πιθανότητα 99,9% για κοινό γενέθλιο. Για συγκρούσεις hash στην κρυπτογραφία (ένα σχετικό πρόβλημα που ονομάζεται "επίθεση γενεθλίων"), αυτό το μαθηματικό δείχνει γιατί οι συναρτήσεις hash χρειάζονται πολύ μεγάλους χώρους εξόδου.

Άλλα αντιφατικά αποτελέσματα πιθανότητας περιλαμβάνουν το πρόβλημα Μόντι Χολ (το να αλλάζεις πόρτες κερδίζει τα 2/3 των περιπτώσεων), το θεώρημα της καταστροφής του τζογαδόρου (ακόμη και ένα ελάχιστο πλεονέκτημα του σπιτιού εγγυάται μακροπρόθεσμη χρεοκοπία του παίκτη) και το παράδοξο του Σίμσον (μια τάση που εμφανίζεται σε αρκετές ομάδες μπορεί να αντιστραφεί όταν οι ομάδες συνδυάζονται).

Σημείωση πιθανότητας και ορολογία

Χρησιμοποιώντας αυτόν τον Υπολογιστή Πιθανότητας

Εισάγετε τον αριθμό των ευνοϊκών αποτελεσμάτων και των συνολικών πιθανών αποτελεσμάτων. Ο υπολογιστής επιστρέφει την πιθανότητα ως δεκαδικό, ποσοστό και εκφράζει τις πιθανότητες τόσο υπέρ όσο και κατά. Επαληθεύστε τις εισροές σας: τα ευνοϊκά αποτελέσματα πρέπει να είναι μη αρνητικά και δεν μπορούν να υπερβαίνουν τα συνολικά αποτελέσματα. Τα συνολικά αποτελέσματα πρέπει να είναι θετικά. Τα αποτελέσματα ενημερώνονται άμεσα - ιδανικά για τον έλεγχο προβλημάτων στην τάξη, πρακτική εξετάσεων και επαλήθευση χειροκίνητων υπολογισμών. Όλα τα κοινά σενάρια πιθανότητας μπορούν να μοντελοποιηθούν με την σωστή καταμέτρηση των ευνοϊκών και συνολικών αποτελεσμάτων πριν από την εισαγωγή τιμών.