תזכורת: חיתוך ומאורע משלים
בנושא הזה נשתמש כל הזמן בשתי פעולות על מאורעות. כשמטילים קובייה, "יצא מספר זוגי וגם גדול מ-" הוא , ו"לא יצא מספר זוגי" הוא .
במדויק: החיתוך הוא המאורע שכל התוצאות שלו שייכות גם ל- וגם ל-. המאורע המשלים הוא המאורע שכולל את כל התוצאות של מרחב המדגם שאינן ב-. ו- זרים כאשר .
בדיאגרמת ון החיתוך הוא האזור המשותף לשני העיגולים. בהטלת קובייה, - "מספר זוגי" ו- - "גדול מ-": בחיתוך תוצאות (), רק ב- התוצאה , רק ב- התוצאה , ומחוץ לשניהם .
תזכורת: הסתברות במרחב שווה-הסתברות
כשלכל התוצאות יש סיכוי שווה (קובייה הוגנת, בחירה אקראית של תלמיד), סופרים: כמה תוצאות מתאימות מתוך כמה אפשריות.
במדויק: אם במרחב המדגם יש מספר סופי של תוצאות, וכולן שוות הסתברות, אז לכל מאורע : , כאשר הוא מספר התוצאות ב-.
1. הסתברות מותנית P(A|B) ומשמעותה
מהי הסתברות מותנית
לפעמים יש לנו מידע חלקי על תוצאת הניסוי. מישהו הטיל קובייה ואמר לנו: "יצא מספר גדול מ-". עכשיו נשארו רק שלוש תוצאות אפשריות, , וההסתברות שיצא מספר זוגי כבר איננה אלא .
במדויק: ההסתברות ש- יקרה כאשר ידוע ש- קרה נקראת הסתברות מותנית, ומסמנים (קוראים: ההסתברות של בהינתן ; יש גם כתיב ). היא מוגדרת רק כאשר , ושווה ל-.
המשמעות: הידיעה ש- קרה מצמצמת את מרחב המדגם ל-. מתוך מעניין אותנו רק החלק שנמצא גם ב-, כלומר . לכן מחלקים את ההסתברות של החיתוך בהסתברות של , ולא ב-.
בהטלת קובייה, - "זוגי", - "גדול מ-": המרחב החדש הוא , ומתוכו . לכן .
הסתברות מותנית
לכל שני מאורעות ו-, כאשר :
הסתברות מותנית במרחב שווה-הסתברות
כשכל התוצאות שוות הסתברות ו- אינו ריק:
כלומר סופרים רק בתוך : כמה מהתוצאות של נמצאות גם ב-.
ההסתברות של החיתוך מתוך ההסתברות המותנית
מכפילים את ההגדרה ב-. כאשר :
מה אומר הערך של
ו- הם בדרך כלל מספרים שונים: במונה אותו חיתוך, אבל במכנה פעם ופעם .
במכנה נמצא המאורע הידוע (זה שאחרי הקו). בדיקה עצמית: הסתברות מותנית היא תמיד בין ל-, כי מוכל ב-.
דוגמה - ספירה בתוך המאורע הידוע, והשוואה ל-
מטילים שתי קוביות הוגנות. - "סכום התוצאות הוא ". - "בקובייה הראשונה יצא מספר זוגי".
א. חשבו את .
ב. חשבו את .
ג. חשבו את .
1. מרחב המדגם: זוגות שווי הסתברות.
2. , ולכן .
3. : בקובייה הראשונה , או , ובשנייה כל תוצאה. .
4. , כלומר .
5. סופרים בתוך : . בדיקה בנוסחה: .
6. סופרים בתוך : . המספר שונה מאוד מ-.
א. . ב. . ג. .
2. מאורעות תלויים ובלתי תלויים
מאורעות תלויים ובלתי תלויים
יש מאורעות שאין ביניהם שום קשר: אם הטלתי מטבע ויצא "עץ", זה לא משנה את הסיכוי שבקובייה ייצא . במקרה כזה המידע על מאורע אחד לא משנה את ההסתברות של השני.
במדויק: המאורעות ו- הם בלתי תלויים אם . אחרת הם תלויים. כאשר , זה אותו דבר כמו : הידיעה ש- קרה לא משנה את ההסתברות של . ההגדרה סימטרית: אם בלתי תלוי ב-, גם בלתי תלוי ב-.
בהטלת קובייה, - "זוגי" ו- - "לכל היותר ", כלומר . , ובתוך יש שני מספרים זוגיים מתוך ארבעה: . הידיעה ש- קרה לא שינתה כלום, ולכן המאורעות בלתי תלויים, אף על פי שיש ביניהם תוצאות משותפות.
שלוש דרכים לבדוק אי-תלות
ו- בלתי תלויים אם ורק אם:
- (תמיד אפשר לבדוק כך);
- , כאשר (ואפשר להחליף בין ל-);
- , כאשר .
בדיקה אם שני מאורעות תלויים
כשנתונים שני מאורעות ו- ושואלים אם הם תלויים:
1. מחשבים , ו- (אם נתון האיחוד: ).
2. מחשבים את המכפלה .
3. משווים: אם , המאורעות בלתי תלויים. אחרת הם תלויים.
זרים ובלתי תלויים הם לא אותו דבר. אם ו- זרים ו-, , הם תלויים: , אבל . הידיעה ש- קרה אומרת ש- בוודאות לא קרה.
כאשר , המאורעות ו- תלויים אם ורק אם . אם , הידיעה ש- קרה מגדילה את הסיכוי של , ואם היא מקטינה אותו.
דוגמה א - ספירת תוצאות של קובייה
מטילים קובייה הוגנת. - "יצא מספר זוגי", - "יצא מספר שאינו גדול מ-", - "יצא מספר גדול מ-".
א. האם ו- בלתי תלויים?
ב. האם ו- בלתי תלויים?
1. , , . לכן , , .
2. סעיף א: , כלומר . המכפלה: . שוות, ולכן בלתי תלויים.
3. סעיף ב: , כלומר . המכפלה: . לא שוות, ולכן תלויים.
4. בדיקה דרך ההסתברות המותנית: . הידיעה שיצא מספר גדול מ- מגדילה את הסיכוי למספר זוגי.
א. בלתי תלויים. ב. תלויים.
דוגמה ב - נתונות הסתברויות: מוצאים את החיתוך מהאיחוד
ו- הם מאורעות במרחב מדגם מסוים. נתון: , , .
א. האם ו- בלתי תלויים?
ב. חשבו את .
1. נתון: , ו-. המטרה: לבדוק אם .
2. מנוסחת האיחוד: .
3. המכפלה: . שוות, ולכן המאורעות בלתי תלויים.
4. , וזה בדיוק , כמו שצריך במאורעות בלתי תלויים.
א. בלתי תלויים. ב. .
3. טבלה דו-ממדית
מהי טבלה דו-ממדית
כשכל פרט באוכלוסייה מסווג לפי שתי תכונות (למשל מגדר ואמצעי תחבורה), נוח לרשום את הנתונים בטבלה: תכונה אחת בשורות והשנייה בעמודות.
במדויק: טבלה דו-ממדית היא טבלה שבה השורות הן מאורעות זרים שמכסים את כל מרחב המדגם (למשל ו-), וגם העמודות הן מאורעות זרים שמכסים את כל מרחב המדגם (למשל ו-, או ). בכל משבצת נמצאת ההסתברות (או השכיחות) של החיתוך של השורה והעמודה שלה. בשוליים נמצאים הסכומים: סכום שורה הוא ההסתברות של השורה, וסכום עמודה הוא ההסתברות של העמודה.
טבלה כללית. הסכום של כל הטבלה הוא (או מספר הפרטים, כשרושמים שכיחויות).
בשאלות נפגוש טבלאות או .
קריאת הסתברויות מהטבלה
השלמת טבלה דו-ממדית
כשנתונים רק חלק מהמשבצות והסכומים:
1. בונים את הטבלה עם השורות, העמודות ושורת ועמודת "סה"כ". הסכום הכללי (או מספר הפרטים).
2. רושמים כל נתון במקומו. נתון מהצורה "מבין ה-, החלק הם " הוא , ולכן רושמים במשבצת .
3. משלימים משבצת חסרה בכל שורה או עמודה שבה חסר רק מספר אחד: הסכום פחות המשבצות הידועות.
4. בודקים שכל שורה, כל עמודה והטבלה כולה מסתכמות נכון.
בהסתברות מותנית מחלקים בסכום של השורה או העמודה הידועה, ולא בסכום הכללי. "מבין הגברים, כמה..." - מחלקים בסכום שורת הגברים.
מהטבלה בודקים גם אי-תלות: משווים משבצת למכפלת שני הסכומים בשוליים שלה. אם יש משבצת אחת שבה אין שוויון, המאורעות של השורה והעמודה שלה תלויים.
דוגמה - טבלה חלקית: השלמה, הסתברות מותנית ותלות
בסקר בעיר נשאלו התושבים באיזה אמצעי תחבורה הם מגיעים לעבודה: אוטובוס, רכבת או רכב פרטי. נמצא: מהנשאלים הן נשים. מהנשאלים מגיעים באוטובוס. מהנשאלים הן נשים שמגיעות באוטובוס, הן נשים שמגיעות ברכב פרטי, ו- הם גברים שמגיעים ברכבת. בוחרים נשאל באקראי.
א. השלימו טבלה דו-ממדית של ההסתברויות.
ב. ידוע שהנשאל גבר. מהי ההסתברות שהוא מגיע באוטובוס?
ג. ידוע שהנשאל מגיע ברכב פרטי. מהי ההסתברות שזו אישה?
ד. האם המאורעות "הנשאל אישה" ו"הנשאל מגיע ברכבת" בלתי תלויים?
1. נתון: ( - אישה, - גבר), , ושלוש משבצות: , , . המטרה: טבלה מלאה, ואז שתי הסתברויות מותנות ובדיקת תלות.
2. שורת הנשים: (אישה וגם רכבת).
3. עמודת האוטובוס: (גבר וגם אוטובוס).
4. עמודת הרכבת: . עמודת הרכב הפרטי: , ומכאן גבר וגם רכב פרטי: . שורת הגברים: .
5. סעיף ב: מחלקים בסכום שורת הגברים: .
6. סעיף ג: מחלקים בסכום עמודת הרכב הפרטי: .
7. סעיף ד: המשבצת , ומכפלת השוליים . לא שוות, ולכן המאורעות תלויים.
ב. . ג. . ד. תלויים ().
4. הסתברות מותנית הפוכה (בייס) מתוך טבלה או עץ
הסתברות מותנית הפוכה
הרבה פעמים הנתונים הם בכיוון אחד, והשאלה בכיוון השני. יודעים כמה מוצרים פגומים יש אצל כל ספק, ושואלים: מוצר נמצא פגום - מה הסיכוי שהוא הגיע מספק מסוים?
במדויק: כאשר , וידועות וההסתברויות המותנות ו-, ומבקשים את , מחשבים הסתברות מותנית הפוכה. משתמשים באותה הגדרה, , כאשר את מחשבים מתוך הנתונים ().
בעץ ההסתברויות השלב הראשון הוא או , והשלב השני או . על כל ענף בשלב השני רשומה הסתברות מותנית. המסלול ואז נותן . את מקבלים בשני מסלולים, ולכן הוא סכום של שני מסלולים.
ההסתברות של מתוך העץ
כאשר :
נוסחת בייס
כאשר ו-:
במילים: המסלול שעובר ב- ומגיע ל-, חלקי כל המסלולים שמגיעים ל-.
הסתברות מותנית הפוכה
כשנתון עץ (או נתונים בצורת "מבין ה-...") ומבקשים :
1. בונים עץ: בשלב הראשון המאורע שהסתברותו ידועה (, ), ובשלב השני ו- עם ההסתברויות המותנות.
2. מחשבים את המסלול ואז : .
3. מחשבים : סכום כל המסלולים שמסתיימים ב-.
4. מחלקים: .
כשהנתונים בטבלה דו-ממדית: הוא המשבצת של ו- חלקי הסכום של בשוליים.
לפני שמחשבים, קובעים מה ידוע (אחרי הקו) ומה שואלים. "מוצר פגום, מה הסיכוי שהוא מספק א" הוא ההסתברות שהמוצר מספק א בהינתן שהוא פגום, ולא ההסתברות שהוא פגום בהינתן שהוא מספק א; את השנייה בדרך כלל נותנים בשאלה.
דוגמה א - נתונים בעץ: ספק של מוצר פגום
חנות מקבלת טלפונים משני ספקים: מהטלפונים מספק א, והשאר מספק ב. מהטלפונים של ספק א פגומים, ו- מהטלפונים של ספק ב פגומים. בוחרים טלפון באקראי.
א. מהי ההסתברות שהטלפון פגום?
ב. הטלפון נמצא פגום. מהי ההסתברות שהוא מספק א?
1. נתון: , , ההסתברות לפגום בהינתן ספק א היא , ובהינתן ספק ב היא . המטרה: ( - פגום), ואחר כך .
2. בונים עץ: בשלב הראשון הספק, בשלב השני פגום או תקין.
3. המסלולים שמסתיימים ב"פגום": ו-.
4. סעיף א: .
5. סעיף ב: .
6. שימו לב: מהטלפונים מספק א, אבל רק כ- מהפגומים, כי אחוז הפגומים אצלו נמוך יותר.
א. . ב. .
דוגמה ב - נתונים בטבלת שכיחויות: אותה משבצת, שני כיוונים
מתוך תלמידים שניגשו למבחן, השתתפו בקורס הכנה. מבין המשתתפים בקורס עברו את המבחן, ומבין אלה שלא השתתפו עברו. בוחרים תלמיד באקראי.
א. ידוע שהתלמיד השתתף בקורס. מהי ההסתברות שהוא עבר?
ב. ידוע שהתלמיד עבר. מהי ההסתברות שהוא השתתף בקורס?
1. נתון: תלמידים, בקורס, עברו מתוכם, עברו מתוך שלא השתתפו. המטרה: שתי הסתברויות מותנות בכיוונים הפוכים.
2. בונים טבלת שכיחויות ומשלימים: , , ועברו בסך הכול .
3. סעיף א: מחלקים בסכום שורת המשתתפים: .
4. סעיף ב: מחלקים בסכום עמודת העוברים: .
5. אותה משבצת , אבל מכנה אחר, ולכן תשובה אחרת.
א. . ב. .
5. אינטואיציות מוטעות ובעיות מהחיים (בדיקות רפואיות, גנטיקה)
אינטואיציות מוטעות בהסתברות מותנית
בדיקה רפואית מזהה נכון מהחולים. אדם קיבל תוצאה חיובית. רוב האנשים יגידו שהוא חולה "כמעט בוודאות". לעיתים קרובות זו טעות גדולה.
במדויק: יש שתי טעויות נפוצות:
- בלבול בין ל-: למשל בין ההסתברות לתוצאה חיובית בהינתן מחלה לבין ההסתברות למחלה בהינתן תוצאה חיובית.
- התעלמות מהשיעור הבסיסי: השיעור הבסיסי הוא ההסתברות של המצב האמיתי באוכלוסייה, למשל כמה אנשים חולים במחלה. כשהמחלה נדירה, גם בדיקה אמינה מאוד יכולה לתת הסתברות קטנה למחלה בהינתן תוצאה חיובית.
למה זה קורה: כשהמחלה נדירה, יש הרבה מאוד בריאים. גם אחוז קטן של טעויות אצל הבריאים נותן יותר תוצאות חיוביות מאשר כל החולים יחד. בעץ רואים את זה: מסלול "בריא - חיובי" יכול להיות גדול ממסלול "חולה - חיובי". אותו חישוב מופיע גם בגנטיקה ובמשפט (הסיכוי שנאשם שהורשע אכן אשם).
בדיקה עם תוצאה חיובית
אם היא ההסתברות להיות חולה, ההסתברות לתוצאה חיובית בהינתן חולה, ו- ההסתברות לתוצאה חיובית בהינתן בריא, ו-, אז ההסתברות להיות חולה בהינתן תוצאה חיובית היא:
היא תלויה מאוד ב-: כש- היא , וכאשר ו- היא גדלה כש- גדל.
בעיה מהחיים בהסתברות מותנית
כשנתון שיעור בסיסי באוכלוסייה ואמינות של בדיקה (או של פסק דין, או של סימן גנטי):
1. מגדירים את המאורעות ומנסחים בשפת ההסתברות מה ידוע ומה שואלים.
2. בונים עץ: בשלב הראשון המצב האמיתי (חולה / בריא) עם השיעור הבסיסי, ובשלב השני תוצאת הבדיקה.
3. מחשבים את ההסתברות המותנית ההפוכה: המסלול המבוקש חלקי כל המסלולים עם התוצאה שנצפתה.
4. בודקים את התוצאה בטבלה דו-ממדית של שכיחויות: לוקחים קבוצה של נבדקים (מצב אמיתי מול תוצאת הבדיקה), וסופרים כמה יש בכל משבצת.
5. בוחנים את ההנחות: האם הנבדק נבחר באקראי מהאוכלוסייה, או שהוא שייך לקבוצה עם שיעור בסיסי אחר?
השיעור הבסיסי תלוי באוכלוסייה. אדם שנשלח לבדיקה בגלל סימני מחלה לא נבחר באקראי, ולכן ייתכן שהוא שייך לקבוצת סיכון עם שיעור בסיסי גבוה יותר. באוכלוסייה שבה המחלה לא קיימת כלל, ההסתברות שמי שאובחן כחולה באמת חולה היא .
"הבדיקה מדויקת ב-" אומר מה קורה בהינתן שהאדם חולה. זה לא אומר שמי שקיבל תוצאה חיובית חולה ב-.
דוגמה - מחלה נדירה מול קבוצת סיכון
מחלה מסוימת נמצאת אצל מהאוכלוסייה. בדיקה למחלה מגלה מהחולים, ומזהה נכון מהבריאים (אצל מהבריאים היא נותנת בטעות תוצאה חיובית).
א. אדם שנבחר באקראי מהאוכלוסייה קיבל תוצאה חיובית. מהי ההסתברות שהוא חולה?
ב. אותה בדיקה נעשית בקבוצת סיכון, שבה חולים. נבדק מהקבוצה קיבל תוצאה חיובית. מהי ההסתברות שהוא חולה?
1. נתון: ההסתברות לחולה . ההסתברות לחיובי בהינתן חולה , ובהינתן בריא . המטרה: ההסתברות לחולה בהינתן תוצאה חיובית.
2. סעיף א, מסלול "חולה - חיובי": . מסלול "בריא - חיובי": .
3. ההסתברות לתוצאה חיובית: .
4. ההסתברות לחולה בהינתן חיובי: , כלומר כ- בלבד.
5. בדיקה בטבלת שכיחויות של נבדקים:
מתוך חיוביים רק חולים: .
6. סעיף ב, עם : מסלול "חולה - חיובי" , מסלול "בריא - חיובי" . ההסתברות: .
7. אותה בדיקה, אבל שיעור בסיסי אחר נותן תשובה שונה לגמרי.
א. . ב. .