Pravděpodobnost není jen matematický pojem skrytý v učebnicích. Jedná se o veličinu, která přesně měří míru spolehlivosti, že k události dojde. Ber to jako postoj. Vezmete počet případů, které podporují váš výsledek, a vydělíte ho celkovým počtem možných případů. Jmenovatel zahrnuje všechny možnosti, příznivé i nepříznivé.
Výsledek obvykle spadá do určitého rozmezí. Nejčastěji se pravděpodobnost vyjadřuje jako číslo mezi 0 a 1. Hodnota 0,5 znamená stejné šance. Hodnota 0,328 je specifičtější a znamená nižší pravděpodobnost. Tuto hodnotu můžete vidět také v procentech. 70 % a 41,5 % jsou prostě různé způsoby vyjádření stejné pravděpodobnosti. Někdy však lidé raději pracují s konkrétními čísly. Výpočet pravděpodobnosti na základě deseti, tisíce nebo milionu případů činí abstraktní koncept hmatatelnějším.
Dalším běžným způsobem reprezentace pravděpodobnosti je zlomek. Čitatel (horní číslo) představuje počet příznivých případů. Jmenovatel (spodní číslo) pokrývá všechny možné výsledky. Tato struktura usnadňuje vizualizaci šancí.
Pravděpodobnost je poměr příznivých případů k celkovému počtu možných případů, včetně těch, které nevyjdou ve váš prospěch.
Tento koncept platí pro vše od házení mincí až po předpověď počasí. Pochopení základních principů pomáhá odstranit nepotřebné. Přestanete hádat a začnete počítat.
Pochopení základů pravděpodobnosti: Od kostek ke každodennímu životu
Zvažte pravděpodobnost získání konkrétní kombinace při hodu dvěma standardními šestistěnnými kostkami. Potřebujete 1 a 4. Podle matematiky existuje pouze jeden způsob, jak tento konkrétní pár vyjít z 36 možných výsledků. To je pravděpodobnost přibližně 2,78 %. Porovnejte to s hodem jednou kostkou a získáním jedničky. Šance se zvyšuje na 1 ku 6, tedy přibližně 16,7 %. Je to jednoduché.
Pravděpodobnost dosahuje svých extrémních hodnot na hranicích. Pravděpodobnost 0 znamená, že událost nemůže nastat. Pravděpodobnost 1 znamená, že k tomu dojde vždy. Představte si záhon s modrými, červenými a bílými květy. Žlutý květ je nemožné vytáhnout, protože tam nejsou. Pravděpodobnost je 0. Pokud by všechny květiny na tomto záhonu byly žluté, pokud byste některou z nich vytáhli, zaručeně byste získali žlutou květinu. Pravděpodobnost bude 1.
Tento koncept je na průsečíku matematiky a statistiky, zejména při studiu náhodných jevů. To neplatí jen ve třídách. Ekonomové jej používají k analýze tržních trendů. Lékaři ji používají k hodnocení účinnosti léků. Fyzici na něj spoléhají při studiu chování částic. Psychologové jej používají k analýze vzorců chování. Toto je nástroj, který používáme k měření důvěry. Používáme jej k hodnocení rizik při obchodních rozhodnutích. Používáme ho k předpovědi počasí.
Tato myšlenka nevznikla sama od sebe. Objevil se v roce 1654 v korespondenci mezi matematiky Pierre de Fermat a Blaise Pascal. Položili základ pro případovou analýzu. Pozdější postavy jako Sebastien de Rocafull, Jacob Bernoulli a Abraham de Moivre se na těchto základech rozšířily. Identifikovali metody pro přesný výpočet těchto pravděpodobností.
Jak vypočítat pravděpodobnost pomocí Laplaceova pravidla
Nejběžnější metodou je Laplaceovo pravidlo. Spoléhá na jednoduchý vzorec:
$$P = \frac{X}{N}$$
Zde P označuje pravděpodobnost události. X — počet příznivých výsledků. N je celkový počet možných výsledků.
Aplikujme to na jednu šestistěnnou kostku. Chcete znát šanci hodit 2 nebo 3. Kostka má šest stran, takže N = 6. Vaše cílová čísla jsou 2 a 3. To jsou dva příznivé výsledky, takže X = 2.
Vložte tyto hodnoty do rovnice:
$$P = \frac{2}{6} \cca 0,3333 $$
Tato desetinná hodnota je mezi 0 a 1. Aby byla srozumitelnější, převeďte ji na procenta. Vynásobte 100.
$$0,3333 \krát 100 = 33,33\%$$
Takže máte 33,33% šanci, že hodíte buď 2, nebo 3.
Ale co když chcete znát šanci, že ne dostanete 2 nebo 3? Pro další událost existuje speciální vzorec:
$$P(Y) = 1 – P(X)$$
P(Y) je pravděpodobnost, že k události nedojde. P(X) je pravděpodobnost, že se to stane. Pomocí našeho předchozího příkladu:
$$P(Y) = 1 – 0,3333 = 0,6666 $$
Převedeno na procenta máte 66,66 % šanci, že nedostanete ani 2, ani 3. Je to logické. Pokud má jeden výsledek 33% šanci, musí alternativa pokrýt zbývající prostor.
Pokročilé metody: Společná a podmíněná pravděpodobnost
Laplaceovo pravidlo je to, co nazýváme klasickou nebo jednoduchou pravděpodobností. Předpokládá, že všechny výsledky jsou stejně pravděpodobné. Skutečný život je složitější. Někdy je potřeba vypočítat společnou pravděpodobnost.
Společná pravděpodobnost odpovídá na otázku: jaká je šance, že nastanou dvě samostatné události současně? Vzorec vypadá takto:
$$P(X \cap Y) = P(X) \krát P(Y)$$
Vezměte si standardní balíček karet. Jaká je pravděpodobnost nakreslení diamantu A trojky?
Pravděpodobnost vytažení jakéhokoli diamantu je 1 ku 4, neboli 0,25.
Šance na vylosování jakékoli konkrétní barvy (například trojky) je 1 ku 13.
Vynásobte je:
$$0,25 \times \frac{1}{13} \cca 0,01923 $$
Toto je pravděpodobnost 1,923 %. Zřídka, ale počítáno.
Pak je tu podmíněná pravděpodobnost. Tohle je jiné. Zde vypočítáme pravděpodobnost události za předpokladu, že jiná událost již nastala. Vzorec je upraven tak, aby zohlednil nový, menší prostor výsledků:
$$P(X | Y) = \frac{P(X \cap Y)}{P(Y)}$$
Představte si skupinu přátel. 55 % miluje horory. 20 % má rádo horory i sci-fi. Náhodně vyberete člověka, který má rád horory. Jaká je šance, že má rád i sci-fi?
Vezmete společnou pravděpodobnost (20 %) a vydělíte ji pravděpodobností podmínky (55 %):
$$\frac{20}{55} \cca 0,3636 $$
Převedeno na procenta je to 36,36% šance. Skupina potenciálních kandidátů se jednoduše zmenšila ze „všech“ na „pouze fanoušky hororových filmů“.
Tyto výpočty nejsou jen abstraktní cvičení. Utvářejí, jak interpretujeme data v medicíně, jak si ceníme pojištění a jak chápeme nahodilost světa. Matematika je těžká. Aplikace všude.
Jak vypočítat pravděpodobnost: 3 příklady ze skutečného života
Pravděpodobnost není jen abstraktní matematika. Jedná se o nástroj pro určování kurzů v reálném životě. Používáte ho při předpovídání výsledků her. Používáte jej při analýze vzorců počasí. Pochopení mechaniky čísel vám pomůže lépe se rozhodovat. Pojďme si rozebrat tři běžné scénáře, abychom viděli, jak matematika funguje v praxi.
Scénář s jedním odhadem
Představte si dva kapitány fotbalových týmů, kteří se snaží vybrat své týmy. Potřebují spravedlivý způsob, jak rozhodnout, kdo bude volit jako první. Jeden kapitán požádá neutrálního prostředníka, aby uhádl číslo od 1 do 10. Druhý kapitán musí toto číslo uhodnout na jeden pokus. jaké jsou šance?
Matematika je zde jednoduchá. Existuje deset možných výsledků. Neutrální prostředník zvolí právě jedno číslo. Existuje tedy pouze jeden příznivý výsledek.
Pomocí základního pravděpodobnostního vzorce:
P = 1/10 = 0,1
To znamená 10 %. První kapitán má malou šanci uhodnout správně na první pokus.
Ale pravděpodobnost se v průběhu hry mění. Předpokládejme, že se kapitáni pětkrát spletli. Eliminují pět čísel z celkového počtu. Nyní jsou možná pouze čtyři čísla. Neutrální prostředník stále drží v rukou pouze jedno číslo.
Nový výpočet změní obrázek:
P = 1/4 = 0,25 → 25 %
Šance se zdvojnásobily jednoduše proto, že se snížil počet možných opcí. To ilustruje klíčový koncept: pravděpodobnost je dynamická. Aktualizuje se na základě nových informací.
Kombinace nezávislých událostí
Nyní se podívejme na větší příklad. Loterie vybere jednoho výherce ze skupiny 25 lidí. Ceny zahrnují hodinky, náhrdelník, láhev vína a mobilní telefon. Každá cena má stejnou šanci na výhru. Jaká je konkrétní pravděpodobnost, že jeden člověk vyhraje a dostane víno?
To vyžaduje podívat se na dvě samostatné události, které se odehrávají společně. Nejprve musíte být vítězem. Pravděpodobnost, že budete vybráni z 25 lidí, je 1 ku 25. Za druhé, pokud vyhrajete, musíte obdržet konkrétní cenu. Ceny jsou celkem čtyři. Šance na získání vína je 1 ku 4.
K nalezení průsečíku těchto událostí používáme společný pravděpodobnostní vzorec:
P(X ∩ Y) = (1 / 25) x (1 / 4)
P = 0,04 x 0,25 = 0,01
Výsledek je 1 %. Je nepravděpodobné, že by konkrétní výsledek pocházel od konkrétní skupiny. Chcete-li vidět skutečnou pravděpodobnost, musíte vynásobit pravděpodobnost každého kroku.
Pochopení podmíněné pravděpodobnosti
Údaje o počasí nabízejí další praktické využití. Zvažte předpověď počasí pro konkrétní město v dubnu. Tento měsíc pršelo 14 ze 30 dnů. Z těchto deštivých dnů mělo 5 také bouřky. Otázka nezní “jaká je pravděpodobnost deště?” ale “vzhledem k tomu, že prší, jaká je šance na bouřky?”
Toto je podmíněná pravděpodobnost. Vzorový prostor omezujeme pouze na dny, kdy pršelo. 14 dní bez deště ignorujeme. U této konkrétní otázky na nich nezáleží.
Nejprve se podívejme na nezpracovaná procenta pro kontext. Pršelo 46,7 % času (14/30). V 16,7 % případů (5/30) byla bouřka. Na zodpovězení otázky ale nepotřebujeme celý měsíc. Potřebujeme poměr bouřek v deštivých dnech.
Vzorec používá pravděpodobnost obou událostí (bouřka A déšť) dělená pravděpodobností stavu (déšť):
P(bouřka | déšť) = P(bouřka a déšť) / P(déšť)
Protože dny „hromy a deště“ jsou podmnožinou dní „déšť“, můžeme to zjednodušit na počítání dnů:
P = 5 / 14 ≈ 0,358
Nebo 35,8 %.
To znamená, že když se podíváte z okna a uvidíte déšť, je asi jedna ku třem pravděpodobnost, že bude doprovázen bouřkou. Šance jsou mnohem vyšší, než kdybyste se jen podívali na údaje o počasí za celý měsíc.
Proč na těchto rozdílech záleží
Vědět, který vzorec použít, zabraňuje chybám ve výpočtech. Pokud se závislými událostmi zacházíte jako s nezávislými
