Feltételes valószín ˝uség, függetlenség
4.2. A teljes valószín˝ uség tétele és a Bayes-tétel
Gyakran találkozunk olyan feladattal, amelyben ismerjük egy teljes eseményrendszerhez tartozó események valószín˝uségét, továbbá egy másik A eseménynek, a teljes eseményrendszer egyes eseményeire vonatkozó feltételes valószín˝uségeit. A következ˝o tétel azt mutatja, hogy ezen adatok birtokában az A esemény valószín˝usége is kiszámítható.
4.1. tétel: (A teljes valószín˝uség tétele) Ha aB1,B2, . . . ,Bn események teljes eseményrendszert alkotnak, és P(Bi)>0mindeni= 1,2, . . . ,nesetén, valamintAegy tetsz˝oleges esemény, akkor
P(A) =
n
X
i=1
P(A|Bi)·P(Bi).
Bizonyítás: Mivel a B1,B2, . . . ,Bn események teljes eseményrendszert alkotnak, ezért Bi ·Bj = ∅ (i 6= j), továbbáB1+B2+. . .+Bn= Ω. Ezt felhasználva átírhatjukA-t más alakba:
A=A·Ω =A·(B1+B2+. . .+Bn) =A·B1+A·B2+. . .+A·Bn.
A kapott események páronként kizárják egymást, mivel
(A·Bi)·(A·Bj) =A·(Bi·Bj) =A· ∅=∅. A 3. axióma alapján ezért
P(A) =P(A·B1+A·B2+. . .+A·Bn) =P(A·B1) +P(A·B2) +. . .+P(A·Bn). A szorzási szabály miatt azonbanP(A·Bi) =P(A|Bi)·P(Bi), így
P(A) =P(A·B1+A·B2+. . .+A·Bn) =P(A·B1) +P(A·B2) +. . .+P(A·Bn) =
=P(A|B1)·P(B1) +P(A|B2)·P(B2) +. . .+P(A|Bn)·P(Bn) =
=
n
X
i=1
P(A|Bi)·P(Bi).
4.1. ábra. A teljes valószín˝uségtétele szerint az A esemény valószín˝usége kiszámítható az egymást kizáró A·Bi
események valószín˝uségeinek összegeként.
4. lecke 7. oldal
4.5. feladat. Egy üzemben három gép gyártja ugyanazt a terméket. Az els˝o gép a teljes termelés 50%-át, a második gép a 30%-át, a harmadik pedig a 20%-át adja. Tapasztalataink szerint az els˝o gép által gyártott termékek 5%-a, a második gép által gyártott termékek 3%-a, míg a harmadik gép által gyártott termékek 2%-a selejtes. A nap végén a termékeket beviszik a raktárba (itt már nem állapítható meg, hogy melyik gép gyártotta a terméket). Mi a valószín˝usége, hogy a raktárból véletlenszer˝uen választott termék selejtes?
Megoldás: Jelölje A azt az eseményt, hogy a kiválasztott termék selejtes, B1,B2, illetve B3 pedig azt, hogy a terméket az els˝o, második, illetve a harmadik gép gyártotta. A feladat szövege alapján ismerjük aBiesemények valószín˝uségét: P(B1) = 0,5, P(B2) = 0,3ésP(B3) = 0,2. Ismerjük továbbá az Aeseménynek aBi feltételek
4.6. feladat. Visszatevés nélkül kihúzunk a 32 lapos magyarkártya-csomagból 2 lapot. Mi a valószín˝usége, hogy másodikra pirosat húzunk?
Megoldás: LegyenAaz az esemény, hogy másodikra pirosat húzunk. Legyen a teljes eseményrendszer az, hogy els˝ore milyen szín˝u lapot húzunk: B1 jelentse, hogy pirosat,B2, hogy zöldet,B3, hogy makkot,B4, hogy tököt.
Természetesen P(Bi) = 14 mindegyiki-re. Ha els˝ore nem pirosat húzunk, akkor annak a valószín˝usége, hogy másodikra pirosat húzunk 318, hiszen 31 lap közül 8 piros; ígyP(A|B2) =P(A|B3) =P(A|B4) = 318. Ha els˝ore pirosat húzunk, akkor annak a valószín˝usége, hogy másodikra is pirosat húzunk 317 , hiszen a 31 lap között 7 piros marad; ígyP(A|B1) = 317 .A teljes valószín˝uség tételét alkalmazva
P(A) =
A feladatot teljes valószín˝uség tételének felhasználása nélkül „józan paraszti ésszel” is megoldhattuk volna:
nyilvánvaló, hogy a feladatban a piros színnek semmilyen jelent˝osége nincs, így annak a valószín˝usége, hogy másodikra pirosat húzunk, ugyanannyi, mint annak a valószín˝usége, hogy másodikra zöldet/tököt/makkot húzunk. Mivel ezek egymást kizáró események és összegük a biztos esemény (azaz a 4 esemény egy teljes eseményrendszert alkot), ezért
P(másodikra piros) +P(másodikra zöld) +P(másodikra makk) +P(másodikra tök) = 1.
Mivel mind a négy valószín˝uség ugyanakkora, ezért annak a valószín˝usége, hogy másodikra pirosat húzunk 0,25. Ugyanennyi a valószín˝usége, hogy másodikra zöldet (makkot, tököt) húzunk. ⇐4.6. feladat
4.2. tétel: (Bayes-tétel) Ha aB1,B2, . . . ,Bnesemények teljes eseményrendszert alkotnak és P(Bi)>0minden i= 1,2, . . . ,nesetén, valamintAegy tetsz˝oleges pozitív valószín˝uség˝u esemény, azazP(A)>0, akkor
P(Bk|A) = P(A|Bk)·P(Bk)
n
X
i=1
P(A|Bi)·P(Bi) .
Bizonyítás: Alakítsuk át a P(Bk|A) valószín˝uséget a feltételes valószín˝uség definíciója szerint, majd a számlálóban alkalmazzuk a szorzási szabályt, a nevez˝oben pedig a teljes valószín˝uség tételét:
P(Bk|A) = P(Bk·A)
P(A) = P(A·Bk)
P(A) = P(A|Bk)·P(Bk))
P(A) = P(A|Bk)·P(Bk)
n
X
i=1
P(A|Bi)·P(Bi) .
A Bayes-tétel segítségével meghatározhatjuk, hogy azAesemény bekövetkezése esetén milyen valószín˝uséggel következik be a teljes eseményrendszernek valamely eseménye.
4. lecke 9. oldal
4.7. feladat. Tapasztalatok szerint az egyik gyárban az elkészült termékek 0,1%-ának a felületén található valamilyen hiba (pl. apró karcolás). Az elkészült termékek felületét egy munkás ellen˝orzi. A munkás egy olyan terméket, amelynek a felülete hibátlan, 2% valószín˝uséggel min˝osít tévesen hibásnak; míg egy hibás terméket 1% valószín˝uséggel min˝osít (szintén tévesen) hibátlannak.
a) Mennyi a valószín˝usége, hogy a munkás hibásnak min˝osít egy terméket?
b) Egy terméket a munkás hibásnak min˝osít. Mennyi a valószín˝usége, hogy a termék valóban hibás?
Megoldás:
a) Jelölje A azt az eseményt, hogy egy terméket a munkás hibásnak min˝osít. Jelölje továbbá B1 azt az eseményt, hogy egy termék hibás, míg B2 azt, hogy hibátlan. Ekkor B1 és B2 teljes eseményrendszert alkotnak. A feladat szövege alapján tudjuk, hogy P(B1) = 0,001, amib˝ol P(B2) = 1−0,001 = 0,999.
Mivel a munkás a hibás terméket 1% valószín˝uséggel jónak min˝osít, ezért 99% valószín˝uséggel a hibás teméket hibásnak min˝osíti, azazP(A|B1) = 0,99. A szövegb˝ol szintén kiolvasható, hogyP(A|B2) = 0,02.
Használjuk a teljes valószín˝uség tételét:
P(A) =P(A|B1)·P(B1) +P(A|B2)·P(B2) = 0,99·0,001 + 0,02·0,999 = 0,02097, vagyis a munkás körülbelül 2 százalékos valószín˝uséggel min˝osít egy terméket hibásnak.
b) A kérdés az, hogy mennyi a valószín˝usége annak, hogy egy termék hibás, feltéve, hogy a munkás hibásnak min˝osíti, vagyis aP(B1|A) valószín˝uséget kell kiszámolnunk. Írjuk fel a Bayes-tételt a kérdéses valószín˝uségre:
P(B1|A) = P(A|B1)·P(B1)
P(A|B1)·P(B1) +P(A|B2)·P(B2) = 0,99·0,001
0,99·0,001 + 0,02·0,999 ≈0,047,
azaz körülbelül 4,7 százalék annak a valószín˝usége, hogy egy, a munkás által hibásnak talált termék tényleg hibás.
⇐4.7. feladat
Azt kaptuk tehát, hogy ha egy terméket a munkás hibásnak min˝osít, akkor kicsi annak a valószín˝usége (mindössze 4,7 százalék), hogy a termék tényleg hibás. Vajon mi értelme lenne akkor egy ilyen munkatársat alkalmazni?! A válaszhoz el˝oször gondoljuk meg a következ˝ot:
Aktivitás: Számítsa ki annak a valószín˝uségét, hogy egy, a munkás által hibátlannak min˝osített termék valóban hibátlan!
Lassan körvonalazódik a munkatárs haszna. Képzeljük el, hogy létezik egy drága berendezés, amellyel pontosan meg lehet állapítani egy termékr˝ol, hogy van-e a felszínén hiba. Azonban a vizsgálat sokkal tovább tart, mint a munkás általi szemrevételezés, ezért az összes termék megvizsgálása gyakorlatilag lehetetlen. Ehelyett a következ˝oképpen járunk el: a munkás megvizsgálja a terméket, és ha jónak találja, akkor szinte biztosak lehetünk benne, hogy a termék hibátlan (lásd az el˝oz˝o aktivitásbeli feladatot). Ha a munkás hibásnak találja a terméket, akkor megvizsgáljuk a berendezéssel is, így döntjük el, hogy valóban hibás-e a termék. Mivel egy terméket a munkás 0,02 valószín˝uséggel min˝osít hibásnak, így átlagosan csak minden 50. terméket kell a berendezéssel megvizsgálni, és így rengeteg id˝ot (és vele pénzt) takarítunk meg.
Érdekesség: Az egészségügyben hasonló elven m˝uködik számos sz˝ur˝ovizsgálatra szolgáló teszt. A Down-szindrómát például a magzat kromoszómavizsgálatával ki lehet mutatni, ez azonban egy rendkívül kockázatos beavatkozást igényel, amely növeli a vetélés esélyét. Ezért ehelyett a Down-szindróma sz˝urésére különféle, kockázatmentes teszteket fejlesztettek ki (jelenleg az ún. kombinált teszt a legjobb). Ha a teszt negatív eredményt ad, akkor a születend˝o gyerek „szinte biztosan” nem lesz Down-szindrómás (közel 1 a valószín˝usége). Ha a teszt pozitív eredményt ad, még akkor is kicsi a valószín˝usége, hogy a születend˝o gyerek Down-szindrómás lesz (vagyis nem kell egyb˝ol megijedni!). Ilyen esetekben azonban a kismamáknak felajánlják, hogy elvégzik a magzati kromoszómavizsgálatot.
4. lecke 11. oldal