۱۰۰ هزار تومان هدیهٔ ثبت‌نام، تا ۱ میلیونبا ثبت‌نام گردونهٔ هدیه را بچرخان: دست‌کم ۱۰۰٬۰۰۰ تومان و تا ۱٬۰۰۰٬۰۰۰ تومان اعتبار هدیه، بدون کارت بانکیگردونهٔ هدیه۱ میلیون برای تو، ۱ میلیون برای دوستتدوستانت را دعوت کن: برای هر دوستی که فعال شود ۱٬۰۰۰٬۰۰۰ تومان اعتبار هدیه می‌گیری و خودش هم ۱٬۰۰۰٬۰۰۰ تومانجوایز
1xAi

خلاصه درس فصل ۲ آمار و احتمال یازدهم؛ درسنامه و نکات مهم

«احتمال»: ۹ درس، هر کدام با توضیح مفاهیم، مثال حل‌شده و نکات مهم.

  • آمار و احتمال
  • پایهٔ یازدهم
  • صفحهٔ ۳۵ تا ۶۸

این درسنامه را هوش مصنوعی 1xAi از روی صفحه‌های همان درس در کتاب درسی نوشته است (برچسب «تولید هوش مصنوعی»). کنار توضیح‌ها شمارهٔ صفحهٔ کتاب آمده تا با کتاب مقایسه کنی، و مثال حل‌شدهٔ هر درس یک بار دیگر جداگانه حل و بررسی شده؛ مثالی که درست درنیامده حذف شده است.

درس ۱ · صفحهٔ ۳۵ تا ۴۰ · حدود ۱۵ دقیقه · تولید هوش مصنوعی

درس ۱: مبانی احتمال

در این درس یاد می‌گیری تفاوت آمار و احتمال را تشخیص بدهی، نقش مدل‌سازی در بررسی عدم اطمینان را توضیح بدهی و فضای نمونه و پیشامدهای آزمایش‌های ساده و ترکیبی را به زبان مجموعه‌ها بنویسی.

پیش از شروع

یک تاس می‌اندازی و عدد 22 می‌آید. آیا پیشامد «آمدن یکی از عددهای 22، 44 یا 66» رخ داده است، یا باید هر سه عدد ظاهر شوند؟

این پیشامد رخ داده است؛ کافی است نتیجهٔ تاس یکی از عددهای این مجموعه باشد. در زبان احتمال، یک مجموعه می‌تواند چند نتیجهٔ مطلوب را نشان دهد، بدون اینکه لازم باشد همهٔ آنها با هم اتفاق بیفتند.

آمار یا احتمال؟

آمار یا احتمال؟

فرض کن می‌خواهی بدانی دانش‌آموزان مدرسه‌ات چه ورزشی را بیشتر دوست دارند. از تعدادی از آن‌ها سؤال می‌کنی و با پاسخ‌هایشان، دربارهٔ علاقهٔ کل دانش‌آموزان شناخت پیدا می‌کنی. این کار آماری است: از نمونه‌ها و داده‌های معلوم، به شناخت جامعه می‌رسی. اینجا «جامعه» همهٔ دانش‌آموزان مدرسه است و «نمونه» همان کسانی‌اند که از آن‌ها پرسیده‌ای.

حالا مسیر را برعکس کن: کیسه‌ای داری که تعداد مهره‌های قرمز و آبی آن را می‌دانی، اما نمی‌دانی مهره‌ای که تصادفی بیرون می‌آوری چه رنگی خواهد بود. اینجا احتمال به کمک تو می‌آید: جامعه را می‌شناسی و می‌خواهی نتیجهٔ نمونه‌گیری را بررسی کنی.

پس برای تشخیص این دو، فقط دنبال واژهٔ «نمونه» نباش؛ از خودت بپرس: چه چیزی معلوم است و چه چیزی را می‌خواهم بشناسم؟ آمار و احتمال می‌توانند در کنار هم به تصمیم‌گیری در شرایط نامطمئن کمک کنند.

کتاب درسی، صفحهٔ ۳۶

از احساس تا مدل ریاضی

از احساس تا مدل ریاضی

وقتی کسی می‌گوید «خیلی احتمال دارد فردا باران ببارد»، «خیلی» دقیقاً چقدر است؟ ممکن است برداشت تو با برداشت او فرق کند. حتی گفتنِ «احتمال باران 90%90\% است» هم اگر فقط بر پایۀ احساس باشد، آن را به یک نتیجۀ علمی تبدیل نمی‌کند.

علم احتمال، عدم اطمینان را با یک مدل ریاضی به عدد تبدیل می‌کند تا بتوانیم نتیجه‌ها را دقیق‌تر بررسی و مقایسه کنیم. مدل یعنی توصیفی ساده و روشن از موقعیت؛ مثلاً برای انتخاب لامپ، تعداد لامپ‌های سالم و معیوب هر جعبه را مشخص می‌کنیم و می‌گوییم انتخاب به‌تصادف انجام می‌شود، نه با تشخیص لامپ سالم.

ریاضی‌دان‌ها هم از چنین مسئله‌های ساده‌ای شروع می‌کنند و قدم‌به‌قدم ابزار بررسی موقعیت‌های پیچیده‌تر را می‌سازند. هدف این نیست که نتیجۀ آینده را حتمی بدانیم؛ هدف این است که در شرایط نامطمئن، تصمیمی سنجیده‌تر بگیریم.

کتاب درسی، صفحهٔ ۳۸

نتیجه‌های ممکن را پیدا کن

نتیجه‌های ممکن را پیدا کن

دستت را داخل جعبه‌ای می‌بری تا یک لامپ برداری. پیش از بیرون آوردن آن، نمی‌دانی کدام لامپ انتخاب می‌شود؛ اما می‌توانی همهٔ نتیجه‌های ممکن را مشخص کنی. همین، قدم اول در ساختن مدل احتمالی است.

فرض کن جعبه پنج لامپ دارد و روی آن‌ها شماره‌های 11 تا 55 نوشته‌ایم. اگر شمارهٔ لامپ انتخابی را ثبت کنیم، فضای نمونه این است:

S={1,2,3,4,5}S=\{1,2,3,4,5\}

به مجموعهٔ همهٔ نتیجه‌های ممکن، فضای نمونه و به هر عضو آن، برآمد می‌گوییم. مثلاً 44 یک برآمد است؛ ولی SS مجموعهٔ همهٔ برآمدهاست، نه فقط نتیجه‌ای که این بار دیده‌ایم.

برای نوشتن فضای نمونه از خودت بپرس: «چه نتیجه‌هایی ممکن است به دست بیاید؟» هیچ نتیجهٔ ممکنی نباید جا بماند و هیچ نتیجهٔ ناممکنی نباید وارد مجموعه شود. در این جعبه، 66 برآمد نیست؛ چون لامپی با این شماره نداریم.

کتاب درسی، صفحهٔ ۳۸

پیشامدها به زبان مجموعه‌ها

پیشامدها به زبان مجموعه‌ها

فرض کن با دوستانت بازی می‌کنی و برای حرکت‌کردن باید تاس، عددی زوج نشان دهد. خواستهٔ تو را می‌توان با مجموعهٔ A={2,4,6}A=\{2,4,6\} بیان کرد. این مجموعه زیرمجموعه‌ای از فضای نمونه است و پیشامد نام دارد.

اگر عدد 22 بیاید، پیشامد AA رخ داده است؛ چون 2∈A2\in A. لازم نیست همهٔ اعضای پیشامد ظاهر شوند؛ کافی است برآمدِ آزمایش عضو آن باشد.

حالا پیشامد «آمدن عدد بزرگ‌تر از سه» را B={4,5,6}B=\{4,5,6\} بنامیم:

  • اشتراک: A∩B={4,6}A\cap B=\{4,6\} یعنی عدد هم زوج باشد و هم بزرگ‌تر از سه؛ پس هر دو پیشامد رخ می‌دهند.
  • اجتماع: A∪B={2,4,5,6}A\cup B=\{2,4,5,6\} یعنی دست‌کم یکی از دو شرط برقرار باشد. برقرار بودن هر دو شرط هم مجاز است!
  • زیرمجموعه: اگر C={4}C=\{4\} باشد، چون C⊆AC\subseteq A، رخ‌دادن CC حتماً رخ‌دادن AA را نتیجه می‌دهد؛ اما برعکس آن الزامی نیست.

کتاب درسی، صفحهٔ ۳۹

فضای نمونهٔ آزمایش‌های ترکیبی

وقتی یک آزمایش چند بخش دارد، باید نتیجهٔ هر بخش را جداگانه ثبت کنیم. مثلاً اگر دو تاس را پرتاب کنی، گفتن «یکی از تاس‌ها عدد 33 آورد» نتیجهٔ کامل آزمایش را مشخص نمی‌کند؛ باید نتیجهٔ تاس دیگر هم معلوم باشد.

برای دو بخش با فضاهای نمونهٔ S1S_1 و S2S_2، فضای نمونهٔ ترکیبی ضرب دکارتی آنهاست:

S=S1×S2S=S_1\times S_2

یعنی هر نتیجهٔ ممکن از بخش اول را با هر نتیجهٔ ممکن از بخش دوم جفت می‌کنیم. هر برآمد یک زوج مرتب است: مؤلفهٔ اول نتیجهٔ بخش اول و مؤلفهٔ دوم نتیجهٔ بخش دوم را نشان می‌دهد.

مثلاً در ثبت تعداد پیام‌های دریافتی و ارسالی گوشی، باید از قبل مشخص کنیم جای اول برای «دریافتی» است یا «ارسالی». در پرتاب دو تاس هم تاس‌ها را با رنگ یا شماره متمایز می‌کنیم؛ بنابراین (2,5)(2,5) با (5,2)(5,2) فرق دارد.

برای آزمایشی با بخش‌های بیشتر نیز همین روش را ادامه می‌دهیم؛ فقط به‌جای زوج، نتیجه را با چند مؤلفه ثبت می‌کنیم.

کتاب درسی، صفحهٔ ۴۰

مثال حل‌شده

یک خودرو در مسیر رفت و نیز در مسیر برگشت، می‌تواند صفر، یک یا دو مسافر داشته باشد. اگر فقط تعداد مسافران هر مسیر مهم باشد، فضای نمونه را بنویس و تعداد برآمدهایش را پیدا کن. سپس پیشامد «مجموع تعداد مسافران رفت و برگشت دقیقاً دو نفر باشد» را مشخص کن.

  1. ابتدا معنای ترتیب را تعیین می‌کنیم: در برآمد (x,y)(x,y)، مؤلفهٔ xx تعداد مسافران رفت و مؤلفهٔ yy تعداد مسافران برگشت است.

  2. برای هر مسیر، تعداد مسافران یکی از اعضای مجموعهٔ {0,1,2}\{0,1,2\} است؛ پس فضای نمونه برابر است با S={0,1,2}×{0,1,2}S=\{0,1,2\}\times\{0,1,2\}.

  3. هر یک از 33 حالت رفت با هر یک از 33 حالت برگشت ترکیب می‌شود؛ بنابراین تعداد برآمدها برابر است با 3×3=93\times3=9.

  4. برای پیشامد خواسته‌شده باید x+y=2x+y=2 باشد؛ پس A={(0,2),(1,1),(2,0)}A=\{(0,2),(1,1),(2,0)\}.

  5. برای بررسی پاسخ، برآمد (0,2)(0,2) یعنی در رفت مسافری نبوده و در برگشت دو مسافر بوده است؛ این برآمد با (2,0)(2,0) فرق دارد، ولی هر دو عضو پیشامد AA هستند.

جواب: S={0,1,2}×{0,1,2}S=\{0,1,2\}\times\{0,1,2\} دارای 99 برآمد است و پیشامد جابه‌جایی دقیقاً دو مسافر در مجموع برابر است با A={(0,2),(1,1),(2,0)}A=\{(0,2),(1,1),(2,0)\}.

نکات مهم

  • در آمار از داده‌ها به شناخت جامعه می‌رسیم، اما در احتمال با شناخت جامعه، نتیجه‌های ممکن و شانس آنها را با مدل ریاضی بررسی می‌کنیم.
  • فضای نمونه مجموعهٔ همهٔ برآمدهای ممکن است و یک پیشامد وقتی رخ می‌دهد که برآمد مشاهده‌شده عضو آن باشد؛ اشتراک یعنی رخ‌دادن هر دو پیشامد و اجتماع یعنی رخ‌دادن دست‌کم یکی.
  • فضای نمونهٔ آزمایش‌های ترکیبی را با ضرب دکارتی می‌سازیم، معنای جای هر مؤلفه را مشخص می‌کنیم و از تعداد برآمدها به‌تنهایی، هم‌شانس‌بودن آنها را نتیجه نمی‌گیریم.

تمرین تعاملی این درس (رایگان)تمرین تعاملی این درس

درس ۲ · صفحهٔ ۴۰ تا ۴۱ · حدود ۱۱ دقیقه · تولید هوش مصنوعی

اصول احتمال

در این درس یاد می‌گیری فضای نمونهٔ دو آزمایش را توصیف کنی، هم‌شانس بودن را بی‌دلیل فرض نکنی و با اصول احتمال، احتمال متمم، اجتماع پیشامدهای ناسازگار و تفاضل پیشامدها را به دست آوری.

پیش از شروع

اگر برای هوای صبح نوروزِ قلهٔ دماوند فقط دو حالت «آفتابی» و «ابری» بنویسیم، آیا احتمال آفتابی بودن حتماً نصف است؟ اگر حالت‌های بیشتری بنویسیم، این احتمال عوض می‌شود؟

فهرست کردن حالت‌ها به‌تنهایی نشان نمی‌دهد که هر حالت چقدر احتمال دارد. تغییر شیوهٔ دسته‌بندی وضعیت هوا هم نباید احتمال آفتابی بودن را تغییر دهد؛ برای محاسبهٔ احتمال، به اطلاعاتی فراتر از تعداد حالت‌ها نیاز داریم.

دو آزمایش، یک زوج مرتب

دو آزمایش، یک زوج مرتب

فرض کن می‌خواهی نتیجهٔ پرتاب دو تاس را در گوشی ثبت کنی. نوشتن دو عدد کافی نیست؛ باید معلوم باشد هر عدد مربوط به کدام تاس است. پس از ابتدا یکی را «تاس اول» و دیگری را «تاس دوم» می‌نامیم و نتیجه را به صورت زوج مرتب (a,b)(a,b) می‌نویسیم: مؤلفهٔ اول برای تاس اول و مؤلفهٔ دوم برای تاس دوم است.

اگر فضای نمونهٔ آزمایش اول S1S_1 و فضای نمونهٔ آزمایش دوم S2S_2 باشد، فضای نمونهٔ آزمایش ترکیبی چنین است:

S=S1×S2S=S_1\times S_2

این حاصل‌ضرب دکارتی شامل همهٔ زوج‌های مرتبی است که مؤلفهٔ اولشان از S1S_1 و مؤلفهٔ دومشان از S2S_2 انتخاب می‌شود.

مثلاً در ثبت تعداد مسافرهای تاکسی در رفت و برگشت، قرارداد می‌گذاریم مؤلفهٔ اول تعداد مسافرهای رفت باشد. آن‌وقت (1,2)(1,2) یعنی یک مسافر در رفت و دو مسافر در برگشت؛ اما (2,1)(2,1) وضعیت دیگری را نشان می‌دهد. جای مؤلفه‌ها بخشی از معنای نتیجه است.

کتاب درسی، صفحهٔ ۴۰

تعداد حالت‌ها کافی نیست

تعداد حالت‌ها کافی نیست

فرض کن برای هوای فردای شهرت دو حالت «بارانی» و «بدون باران» بنویسی. آیا فقط چون دو حالت نوشته‌ای، احتمال باران حتماً 12\tfrac{1}{2} است؟ نه؛ تعداد حالت‌ها چیزی دربارهٔ شرایط هوا به ما نمی‌گوید!

فهرست کردن برآمدها با تعیین احتمال آنها فرق دارد. فقط اگر برآمدهای فضای نمونه هم‌شانس باشند، یعنی احتمال رخ دادن همهٔ آنها برابر باشد، می‌توانیم بنویسیم:

P(A)=تعداد برآمدهای مطلوبتعداد کل برآمدها\mathrm{P}(A)=\dfrac{\text{تعداد برآمدهای مطلوب}}{\text{تعداد کل برآمدها}}

مثلاً در پرتاب دو بارِ یک سکهٔ سالم، حالت «یک بار رو و یک بار پشت» شامل دو برآمد است: «اول رو، بعد پشت» و «اول پشت، بعد رو». اما «هر دو رو» فقط یک برآمد است. پس نباید این دو حالت را صرفاً چون هرکدام یک نام دارند، هم‌شانس بدانیم.

پیش از استفاده از نسبت تعدادها، همیشه از خودت بپرس: چه دلیلی دارم که برآمدها هم‌شانس‌اند؟

کتاب درسی، صفحهٔ ۴۱

مرزهای احتمال

مرزهای احتمال

اگر کسی بگوید «احتمال بارندگی فردا از صددرصد بیشتر است»، چه اشکالی در حرفش هست؟ احتمال، اندازه‌ای برای بیان شانس رخ دادن یک پیشامد است و نمی‌تواند هر عددی باشد.

احتمال پیشامد AA را با P(A)\mathrm{P}(A) نشان می‌دهیم. طبق اصل اول احتمال، همیشه داریم:

0≤P(A)≤10\leq \mathrm{P}(A)\leq 1

پس احتمال منفی یا بزرگ‌تر از 11 پذیرفتنی نیست. هرچه احتمال به 11 نزدیک‌تر باشد، شانس رخ دادن پیشامد بیشتر است.

اصل دوم دربارهٔ کل فضای نمونه است:

P(S)=1\mathrm{P}(S)=1

چرا؟ چون فضای نمونه همهٔ نتیجه‌های ممکن آزمایش را در بر می‌گیرد؛ بنابراین نتیجهٔ آزمایش حتماً در آن قرار می‌گیرد. مثلاً در پرتاب یک تاس معمولی، پیشامد «آمدن یکی از عددهای 11 تا 66» همان کل فضای نمونه است و احتمال آن 11 است. این اصل نمی‌گوید تک‌تک نتیجه‌ها حتمی‌اند؛ می‌گوید یکی از نتیجه‌های ممکن حتماً رخ می‌دهد.

کتاب درسی، صفحهٔ ۴۱

چه وقت احتمال‌ها را جمع کنیم؟

چه وقت احتمال‌ها را جمع کنیم؟

در یک بار پرتاب تاس، آیا ممکن است هم عدد زوج بیاید و هم عدد فرد؟ نه؛ هیچ برآمدی در هر دو گروه نیست. به چنین دو پیشامدی ناسازگار می‌گوییم: رخ دادن هم‌زمانشان محال است.

اگر این پیشامدها را AA و BB بنامیم، ناسازگاری یعنی اشتراکشان تهی است:

A∩B=∅A\cap B=\varnothing

اجتماع آنها، یعنی A∪BA\cup B، پیشامدی است که در آن دست‌کم یکی از آن دو رخ می‌دهد. طبق اصل سوم احتمال، برای دو پیشامد ناسازگار داریم:

P(A∪B)=P(A)+P(B)\mathrm{P}(A\cup B)=\mathrm{P}(A)+\mathrm{P}(B)

چرا جمع کردن درست است؟ چون هیچ برآمد مشترکی نداریم که احتمال آن را دوبار حساب کنیم.

اما مثلاً «زوج آمدن» و «بزرگ‌تر از 33 آمدن» ناسازگار نیستند؛ عددهای 44 و 66 در هر دو قرار دارند. پس پیش از جمع کردن احتمال‌ها، همیشه بپرس: آیا این دو پیشامد می‌توانند هم‌زمان رخ دهند؟

کتاب درسی، صفحهٔ ۴۱

نتیجه‌های اصول احتمال

نتیجه‌های اصول احتمال

اصل جمع برای پیشامدهای ناسازگار، کلید چند نتیجهٔ مهم است: هر بار یک پیشامد را به بخش‌هایی جدا از هم تقسیم می‌کنیم.

متمم: پیشامد AA و متمم آن، یعنی A′A'، هم‌زمان رخ نمی‌دهند و با هم کل فضای نمونه را می‌پوشانند. پس:

P(A′)=1−P(A)\mathrm{P}(A')=1-\mathrm{P}(A)

پیشامد تهی: متمم فضای نمونه، مجموعهٔ تهی است؛ بنابراین:

P(∅)=0\mathrm{P}(\varnothing)=0

اجتماع چند پیشامد: اگر AA، BB و CC دو به دو ناسازگار باشند، احتمال اجتماعشان از جمع احتمال‌ها به دست می‌آید:

P(A∪B∪C)=P(A)+P(B)+P(C)\mathrm{P}(A\cup B\cup C)=\mathrm{P}(A)+\mathrm{P}(B)+\mathrm{P}(C)

این قاعده برای هر تعداد پیشامدِ دو به دو ناسازگار برقرار است؛ یعنی هیچ دو پیشامدی نباید بخش مشترک داشته باشند.

تفاضل: پیشامد A−BA-B یعنی «وقوع AA بدون وقوع BB». مثلاً اگر AA انتخاب دانش‌آموزی علاقه‌مند به فوتبال و BB انتخاب دانش‌آموزی علاقه‌مند به والیبال باشد، A−BA-B علاقه‌مندان به فوتبالِ غیرعلاقه‌مند به والیبال را توصیف می‌کند. برای یافتن احتمال آن، فقط بخش مشترک را از احتمال AA کم می‌کنیم:

P(A−B)=P(A)−P(A∩B)\mathrm{P}(A-B)=\mathrm{P}(A)-\mathrm{P}(A\cap B)

کتاب درسی، صفحهٔ ۴۱

مثال حل‌شده

از میان دانش‌آموزان مدرسه، یک نفر به‌تصادف انتخاب می‌شود. اگر AA پیشامد شرکت او در فعالیت ورزشی و BB پیشامد شرکت او در فعالیت هنری باشد و P(A)=0.55\mathrm{P}(A)=0.55، P(B)=0.45\mathrm{P}(B)=0.45 و P(A∩B)=0.20\mathrm{P}(A\cap B)=0.20 باشد، احتمال این سه حالت را پیدا کن: فقط در ورزش شرکت کند؛ در ورزش شرکت نکند؛ در ورزش یا هنر شرکت کند.

  1. «فقط ورزش» یعنی دانش‌آموز در AA باشد اما در BB نباشد؛ پس پیشامد مورد نظر A−BA-B است.

  2. بخش مشترک را از پیشامد ورزش جدا می‌کنیم: P(A−B)=0.55−0.20=0.35\mathrm{P}(A-B)=0.55-0.20=0.35.

  3. «شرکت نکردن در ورزش» متمم AA است؛ بنابراین P(A′)=1−0.55=0.45\mathrm{P}(A')=1-0.55=0.45.

  4. برای «ورزش یا هنر»، اجتماع را به دو بخش ناسازگارِ «فقط ورزش» و «هنر» تقسیم می‌کنیم: A∪B=(A−B)∪BA\cup B=(A-B)\cup B.

  5. اکنون اصل جمع را به کار می‌بریم: P(A∪B)=0.35+0.45=0.80\mathrm{P}(A\cup B)=0.35+0.45=0.80؛ جمع مستقیم احتمال‌های AA و BB درست نبود، چون بخش مشترک را دو بار می‌شمرد.

جواب: احتمال «فقط شرکت در ورزش» برابر 0.350.35، احتمال «شرکت نکردن در ورزش» برابر 0.450.45 و احتمال «شرکت در ورزش یا هنر» برابر 0.800.80 است.

نکات مهم

  • فضای نمونهٔ دو آزمایش را با زوج‌های مرتب می‌نویسیم و فقط در صورت هم‌شانس بودن برآمدها می‌توانیم از نسبت تعداد برآمدهای مطلوب به کل برآمدها استفاده کنیم.
  • احتمال هر پیشامد در بازهٔ [0,1][0,1] است، احتمال فضای نمونه 11 و احتمال پیشامد تهی 00 است و احتمال اجتماع چند پیشامد دو به دو ناسازگار از جمع احتمال‌هایشان به دست می‌آید.
  • برای متمم و تفاضل پیشامدها داریم P(A′)=1−P(A)\mathrm{P}(A')=1-\mathrm{P}(A) و P(A−B)=P(A)−P(A∩B)\mathrm{P}(A-B)=\mathrm{P}(A)-\mathrm{P}(A\cap B).

تمرین تعاملی این درس (رایگان)تمرین تعاملی این درس

درس ۳ · صفحهٔ ۴۱ تا ۴۴ · حدود ۱۵ دقیقه · تولید هوش مصنوعی

قضیه

در این درس یاد می‌گیری با تشخیص ناسازگاری پیشامدها و استفاده از قضیه‌های متمم، تفاضل و اجتماع، احتمال پیشامدهای ترکیبی را حساب کنی.

پیش از شروع

اگر یک سکهٔ سالم را دو بار پرتاب کنیم، سه توصیف داریم: «هر دو رو»، «هر دو پشت» و «یک رو و یک پشت». آیا احتمال این سه پیشامد برابر است؟

نه؛ «یک رو و یک پشت» می‌تواند با دو ترتیب متفاوت رخ دهد، اما هرکدام از دو پیشامد دیگر فقط یک ترتیب دارند. چهار نتیجهٔ هم‌شانس داریم؛ پس احتمال دقیقاً یک بار رو آمدن 12\frac{1}{2} است، نه 13\frac{1}{3}. برای حساب‌کردن احتمال، فقط شمردن توصیف‌ها کافی نیست.

اصول احتمال و ناسازگاری

اصول احتمال و ناسازگاری

آیا سه توصیفِ پرتاب دو سکه، شانس یکسانی دارند؟ نه! در دو بار پرتاب سکهٔ سالم، «رو، پشت» و «پشت، رو» دو برآمد جدا هستند. پس «یک رو و یک پشت» از هرکدام از حالت‌های «هر دو رو» و «هر دو پشت» محتمل‌تر است؛ صرفِ نام‌گذاری حالت‌ها، آنها را هم‌شانس نمی‌کند.

برای هر پیشامد AA، اصول احتمال می‌گویند:

  • 0≤P(A)≤10\leq\mathrm{P}(A)\leq1؛ احتمال نمی‌تواند منفی یا بیشتر از یک باشد.
  • P(S)=1\mathrm{P}(S)=1؛ رخ‌دادن یکی از برآمدهای فضای نمونه قطعی است.

دو پیشامد ناسازگارند اگر نتوانند در یک اجرای آزمایش با هم رخ دهند؛ یعنی A∩B=∅A\cap B=\varnothing. مثلاً در انتخاب یک دانش‌آموز، «متولد مهر بودن» و «متولد تابستان بودن» ناسازگارند.

برای دو پیشامد ناسازگار داریم:

P(A∪B)=P(A)+P(B)\mathrm{P}(A\cup B)=\mathrm{P}(A)+\mathrm{P}(B)

نماد A∪BA\cup B یعنی دست‌کم یکی از آن دو رخ دهد. پیش از جمع‌کردن احتمال‌ها، بپرس: آیا ممکن است هر دو با هم رخ دهند؟

کتاب درسی، صفحهٔ ۴۱

متمم و پیشامد محال

متمم و پیشامد محال

اگر AA پیشامد «باریدن باران در فردا» باشد، متمم آن، یعنی A′A'، پیشامد «نباریدن باران در فردا» است. متمم یعنی رخ‌ندادن پیشامد اصلی؛ نه لزوماً رخ‌دادن یک وضعیت خاص مثل آفتابی‌بودن، چون ممکن است هوا ابری باشد ولی باران نبارد.

پیشامد AA و متمم آن هم‌زمان رخ نمی‌دهند؛ پس ناسازگارند. از طرفی، هر نتیجهٔ ممکن یا در AA است یا در A′A'؛ بنابراین اجتماعشان تمام فضای نمونه است. پس:

P(A)+P(A′)=P(S)=1\mathrm{P}(A)+\mathrm{P}(A')=\mathrm{P}(S)=1

با کم‌کردن P(A)\mathrm{P}(A) از دو طرف، داریم:

P(A′)=1−P(A)\mathrm{P}(A')=1-\mathrm{P}(A)

این رابطه وقتی کمک می‌کند که محاسبهٔ احتمال رخ‌ندادن یک پیشامد آسان‌تر از رخ‌دادن آن باشد.

حالا متممِ کل فضای نمونه چیست؟ هیچ نتیجه‌ای بیرون از فضای نمونه نیست؛ پس متمم آن، پیشامد محال ∅\varnothing است. در نتیجه:

P(∅)=1−P(S)=1−1=0\mathrm{P}(\varnothing)=1-\mathrm{P}(S)=1-1=0

کتاب درسی، صفحهٔ ۴۲

جمع چند پیشامد ناسازگار

جمع چند پیشامد ناسازگار

فرض کن از میان دانش‌آموزان مدرسه یک نفر را به‌تصادف انتخاب می‌کنیم. پیشامدهای «متولد فروردین بودن»، «متولد اردیبهشت بودن» و «متولد خرداد بودن» دو به دو ناسازگارند؛ یعنی هر دو پیشامدی را که انتخاب کنیم، نمی‌توانند هم‌زمان رخ دهند، چون هر فرد فقط یک ماه تولد دارد.

برای احتمال اینکه دانش‌آموز انتخاب‌شده متولد یکی از این سه ماه باشد، احتمال‌هایشان را جمع می‌کنیم. اگر این پیشامدها را با AA، BB و CC نشان دهیم:

P(A∪B∪C)=P(A)+P(B)+P(C)\mathrm{P}(A\cup B\cup C)=\mathrm{P}(A)+\mathrm{P}(B)+\mathrm{P}(C)

چرا؟ چون هیچ برآمدی در دو پیشامد مشترک نیست؛ پس با جمع‌کردن، چیزی دوباره شمرده نمی‌شود. این قاعده برای هر تعداد متناهی پیشامد دو به دو ناسازگار برقرار است.

حواست باشد: کافی نیست که هر سه پیشامد با هم رخ ندهند؛ باید رخ‌دادن هم‌زمانِ هر جفت از آنها هم ناممکن باشد.

کتاب درسی، صفحهٔ ۴۱

احتمال «این، ولی نه آن»

احتمال «این، ولی نه آن»

فرض کن از میان دانش‌آموزان کلاس، یک نفر به‌تصادف انتخاب می‌شود. پیشامد AA یعنی «این دانش‌آموز والیبال بازی می‌کند» و پیشامد BB یعنی «بسکتبال بازی می‌کند». اگر بخواهیم او والیبال بازی کند، ولی بسکتبال بازی نکند، دنبال پیشامد A−BA-B هستیم.

برای پیدا کردن این بخش، از تمام اعضای AA شروع می‌کنیم و کسانی را که عضو BB هم هستند، کنار می‌گذاریم. این افراد در بخش مشترک، یعنی A∩BA\cap B، قرار دارند؛ پس:

P(A−B)=P(A)−P(A∩B)\mathrm{P}(A-B)=\mathrm{P}(A)-\mathrm{P}(A\cap B)

چرا این رابطه درست است؟ پیشامد AA از دو بخشِ ناسازگار ساخته شده است: «عضو AA، ولی نه BB» و «عضو هر دو». بنابراین احتمال این دو بخش با هم برابر احتمال AA است.

حواست باشد: معمولاً نباید کل احتمال BB را کم کنیم؛ چون ممکن است بخشی از BB اصلاً داخل AA نباشد!

کتاب درسی، صفحهٔ ۴۱

احتمال «این یا آن»

احتمال «این یا آن»

فرض کن از میان دانش‌آموزان کلاس، یک نفر را تصادفی انتخاب می‌کنیم. پیشامد AA این است که او عضو گروه ورزش باشد و پیشامد BB اینکه عضو گروه موسیقی باشد. عبارت «عضو ورزش یا موسیقی» شامل کسی هم می‌شود که عضو هر دو گروه است؛ در احتمال، «یا» به معنی «فقط یکی» نیست.

اگر احتمال‌های AA و BB را جمع کنیم، سهم اعضای مشترک دو بار حساب می‌شود: یک بار در گروه ورزش و یک بار در گروه موسیقی. پس باید احتمال بخش مشترک را یک بار کم کنیم:

P(A∪B)=P(A)+P(B)−P(A∩B)\mathrm{P}(A\cup B)=\mathrm{P}(A)+\mathrm{P}(B)-\mathrm{P}(A\cap B)

این رابطه برای هر دو پیشامد برقرار است. اگر ناسازگار باشند، بخش مشترک تهی و احتمال آن صفر است؛ بنابراین رابطه به همان جمع سادهٔ احتمال‌ها تبدیل می‌شود.

پس هر وقت در سؤال «این یا آن» دیدی، از خودت بپرس: آیا ممکن است هر دو با هم رخ بدهند؟

کتاب درسی، صفحهٔ ۴۲

مثال حل‌شده

یک عدد از میان اعداد صحیح 11 تا 100100 با شانس برابر انتخاب می‌کنیم. احتمال هرکدام را بیاب: بر 22 یا 33 بخش‌پذیر باشد؛ بر 22 بخش‌پذیر باشد ولی بر 33 نباشد؛ نه بر 22 و نه بر 33 بخش‌پذیر باشد.

  1. پیشامد AA را بخش‌پذیری بر 22 و پیشامد BB را بخش‌پذیری بر 33 می‌گیریم؛ فضای نمونه 100100 برآمد هم‌شانس دارد.

  2. در این بازه، 5050 مضربِ 22 و 3333 مضربِ 33 داریم؛ پس P(A)=50100\mathrm{P}(A)=\frac{50}{100} و P(B)=33100\mathrm{P}(B)=\frac{33}{100}.

  3. اعداد مشترک باید بر 66 بخش‌پذیر باشند؛ از 66 تا 9696، تعدادشان 1616 است، پس P(A∩B)=16100\mathrm{P}(A\cap B)=\frac{16}{100}.

  4. برای «این یا آن» بخش مشترک را یک بار کم می‌کنیم: P(A∪B)=50+33−16100=67100\mathrm{P}(A\cup B)=\frac{50+33-16}{100}=\frac{67}{100}.

  5. برای «این، ولی نه آن» داریم: P(A−B)=50−16100=34100\mathrm{P}(A-B)=\frac{50-16}{100}=\frac{34}{100}.

  6. «نه این و نه آن» متمم اجتماع است؛ بنابراین P((A∪B)′)=1−67100=33100\mathrm{P}((A\cup B)')=1-\frac{67}{100}=\frac{33}{100}.

جواب: احتمال بخش‌پذیری بر 22 یا 33 برابر 67100\frac{67}{100}، احتمال بخش‌پذیری بر 22 ولی نه بر 33 برابر 34100\frac{34}{100} و احتمال بخش‌پذیرنبودن بر هر دو برابر 33100\frac{33}{100} است.

نکات مهم

  • احتمال هر پیشامد در بازهٔ [0,1][0,1] است و احتمال اجتماع چند پیشامد دو به دو ناسازگار، برابر مجموع احتمال‌های آنهاست.
  • احتمال متمم از رابطهٔ P(A′)=1−P(A)\mathrm{P}(A')=1-\mathrm{P}(A) به دست می‌آید و احتمال پیشامد محال صفر است.
  • برای تفاضل و اجتماع، بخش مشترک را یک بار کم می‌کنیم: P(A−B)=P(A)−P(A∩B)\mathrm{P}(A-B)=\mathrm{P}(A)-\mathrm{P}(A\cap B) و P(A∪B)=P(A)+P(B)−P(A∩B)\mathrm{P}(A\cup B)=\mathrm{P}(A)+\mathrm{P}(B)-\mathrm{P}(A\cap B).

تمرین تعاملی این درس (رایگان)تمرین تعاملی این درس

درس ۴ · صفحهٔ ۴۴ تا ۴۸ · حدود ۱۵ دقیقه · تولید هوش مصنوعی

درس ۲: احتمال غیرهم‌شانس

در این درس یاد می‌گیری فضای نمونه‌ای غیرهم‌شانس را تشخیص بدهی و با جمع احتمال نتیجه‌های ساده و ساختن معادله، احتمال‌های نامعلوم و احتمال پیشامدها را به دست بیاوری.

پیش از شروع

تاسی داریم که روی سه وجهش عدد 11، روی دو وجهش عدد 22 و روی یک وجهش عدد 33 نوشته شده است. چون فقط سه عدد ممکن داریم، آیا احتمال دیدن هر عدد 13\frac{1}{3} است؟

نه؛ تعداد عددهای ممکن به‌تنهایی شانس آن‌ها را مشخص نمی‌کند. اگر وجه‌های تاس هم‌شانس باشند، احتمال دیدن عدد 11 برابر 36\frac{3}{6} است، چون روی سه وجه نوشته شده؛ پس عددهای این تاس هم‌شانس نیستند.

سه نتیجه، اما نه سه شانس برابر

سه نتیجه، اما نه سه شانس برابر

آیا سه عدد ممکن، حتماً یعنی سه شانس برابر؟ نه! تاس ابتدای درس را در نظر بگیر: روی سه وجهش عدد 11، روی دو وجهش عدد 22 و روی یک وجهش عدد 33 نوشته شده است. فرض می‌کنیم شش وجه تاس شانس یکسانی برای رو آمدن دارند.

اگر فقط عدد دیده‌شده را ثبت کنیم، فضای نمونه‌ای S={1,2,3}S=\{1,2,3\} است. هر زیرمجموعهٔ تک‌عضوی، مثل {1}\{1\}، یک پیشامد ساده است؛ احتمال آن را به‌اختصار P(1)P(1) می‌نویسیم.

عدد 11 از سه وجهِ شش وجه دیده می‌شود، پس P(1)=36P(1)=\frac{3}{6}؛ اما برای دو عدد دیگر داریم: P(2)=26P(2)=\frac{2}{6} و P(3)=16P(3)=\frac{1}{6}. بنابراین، تعداد عددهای ممکن به‌تنهایی شانس آن‌ها را نشان نمی‌دهد.

وقتی دست‌کم دو پیشامد ساده احتمال متفاوت دارند، فضای نمونه‌ای غیرهم‌شانس است. پس رابطهٔ P(A)=n(A)n(S)P(A)=\frac{n(A)}{n(S)} را فقط وقتی می‌توان به کار برد که نتیجه‌های سادهٔ فضای نمونه‌ای انتخاب‌شده هم‌شانس باشند؛ نه صرفاً وقتی بتوانیم آن‌ها را بشماریم.

کتاب درسی، صفحهٔ ۴۵

قانون جمع احتمال‌ها

قانون جمع احتمال‌ها

وقتی نتیجه‌ها هم‌شانس نیستند، به‌جای شمردن آن‌ها، احتمال‌هایشان را جمع می‌کنیم. هر نتیجهٔ ساده سهمی از کل احتمال دارد؛ این سهم‌ها لازم نیست برابر باشند، اما مجموعشان همیشه 11 است، چون حتماً یکی از نتیجه‌های فضای نمونه‌ای رخ می‌دهد:

P(S)=P(s1)+P(s2)+⋯+P(sn)=1P(S)=P(s_1)+P(s_2)+\cdots+P(s_n)=1

برای پیدا کردن احتمال یک پیشامد هم فقط سهم نتیجه‌های سادهٔ همان پیشامد را جمع می‌کنیم. مثلاً در تاس کارت قبل، احتمال دیدن عددهای 11، 22 و 33 به‌ترتیب 36\frac{3}{6}، 26\frac{2}{6} و 16\frac{1}{6} است. پیشامد «دیدن عددی کمتر از 33» شامل دو نتیجهٔ 11 و 22 است؛ پس احتمال آن از جمع احتمال همین دو نتیجه به دست می‌آید، نه از تقسیم تعداد عددهای مطلوب بر تعداد عددهای ممکن.

هر احتمال بین 00 و 11 است:

0≤P(A)≤10\leq P(A)\leq 1

بنابراین اگر جمع احتمال همهٔ نتیجه‌های ساده کمتر یا بیشتر از 11 شد، باید داده‌ها یا محاسبه‌ات را دوباره بررسی کنی.

کتاب درسی، صفحهٔ ۴۵

از نسبت شانس‌ها تا معادله

از نسبت شانس‌ها تا معادله

وقتی احتمال‌ها را نمی‌دانیم، اما نسبتشان معلوم است، می‌توانیم همه را با یک مجهول بنویسیم. مثلاً در یک مسابقهٔ چهارتیمی، احتمال قهرمانی سه تیم برابر است و تیم چهارم دو برابر هرکدام شانس دارد.

احتمال قهرمانی هرکدام از سه تیم اول را xx می‌نامیم؛ پس احتمال تیم چهارم 2x2x است. دقت کن: «دو برابر» یعنی ضرب در 22، نه اضافه‌کردن 22 به احتمال!

حالا چون دقیقاً یکی از این چهار تیم قهرمان می‌شود، مجموع احتمال‌هایشان برابر 11 است:

x+x+x+2x=1x+x+x+2x=1

به این ترتیب، اطلاعات کلامی مسئله به یک معادله تبدیل می‌شود. بعد از حل معادله، باید مقدار مجهول را در عبارت احتمال هر تیم جای‌گذاری کنیم؛ خودِ مجهول لزوماً احتمال همهٔ تیم‌ها نیست.

این روش شبیه تقسیم یک کیک به سهم‌های نابرابر است: اول اندازهٔ سهم‌ها را نسبت به یک سهم پایه مشخص می‌کنیم، سپس از کامل‌بودن کیک کمک می‌گیریم.

کتاب درسی، صفحهٔ ۴۶

مثال حل‌شده

در یک آزمایش تصادفی، S={x,y,z}S=\{x,y,z\} است. اگر P({x,y})=23P(\{x,y\})=\frac{2}{3} و P({x,z})=12P(\{x,z\})=\frac{1}{2} باشد، احتمال هر نتیجهٔ ساده را پیدا کن.

  1. چون این سه نتیجه تمام فضای نمونه‌ای را تشکیل می‌دهند، داریم: P(x)+P(y)+P(z)=1P(x)+P(y)+P(z)=1.

  2. از دادهٔ اول می‌دانیم P(x)+P(y)=23P(x)+P(y)=\frac{2}{3}؛ پس P(z)=1−23=13P(z)=1-\frac{2}{3}=\frac{1}{3}.

  3. از دادهٔ دوم داریم P(x)+P(z)=12P(x)+P(z)=\frac{1}{2}؛ بنابراین P(x)=12−13=16P(x)=\frac{1}{2}-\frac{1}{3}=\frac{1}{6}.

  4. اکنون در دادهٔ اول جایگذاری می‌کنیم: P(y)=23−16=12P(y)=\frac{2}{3}-\frac{1}{6}=\frac{1}{2}.

  5. برای بررسی پاسخ، احتمال‌ها را جمع می‌کنیم: 16+12+13=1\frac{1}{6}+\frac{1}{2}+\frac{1}{3}=1؛ هر سه احتمال نیز در بازهٔ مجازند.

جواب: P(x)=16P(x)=\frac{1}{6}، P(y)=12P(y)=\frac{1}{2} و P(z)=13P(z)=\frac{1}{3}.

نکات مهم

  • در فضای غیرهم‌شانس، دست‌کم دو نتیجهٔ ساده احتمال متفاوت دارند و نسبت تعداد اعضا به‌تنهایی احتمال را تعیین نمی‌کند.
  • احتمال هر پیشامد بین 00 و 11 است و از جمع احتمال نتیجه‌های سادهٔ آن به دست می‌آید.
  • مجموع احتمال همهٔ نتیجه‌های ساده برابر 11 است و با استفاده از آن می‌توان برای احتمال‌های نامعلوم معادله ساخت.

تمرین تعاملی این درس (رایگان)تمرین تعاملی این درس

درس ۵ · صفحهٔ ۴۸ تا ۵۲ · حدود ۱۵ دقیقه · تولید هوش مصنوعی

درس ۳: احتمال شرطی

در این درس یاد می‌گیری با محدودکردن فضای نمونه، احتمال شرطی را معنا و محاسبه کنی، شرط را از خواسته تشخیص بدهی و از قواعد احتمال شرطی و قانون ضرب برای حل مسئله استفاده کنی.

پیش از شروع

یک بازیکن والیبال را تصادفی انتخاب کرده‌ای. حالا می‌فهمی او از بازیکن دیگری که تصادفی انتخاب شده بلندتر است. آیا همین خبر، احتمال اینکه بازیکن اول بلندقدترین عضو تیم باشد را تغییر می‌دهد؟

بله؛ خبر تازه می‌تواند احتمال را تغییر دهد، حتی اگر انتخاب قبلی عوض نشده باشد. در احتمال شرطی، فقط حالت‌هایی را بررسی می‌کنیم که با خبر تازه سازگارند؛ در مثال تیم والیبال کتاب، همین خبر احتمال را دو برابر می‌کند.

خبر تازه، فضای کوچک‌تر

خبر تازه، فضای کوچک‌تر

فرض کن در قرعه‌کشی مدرسه شرکت کرده‌ای. پیش از اعلام نتیجه، همهٔ شرکت‌کنندگان ممکن است برنده باشند؛ اما اگر بفهمی «برنده از کلاس شماست»، دیگر دانش‌آموزان کلاس‌های دیگر را در میان برنده‌های ممکن حساب نمی‌کنی. خبر تازه، فضای بررسی را کوچک‌تر کرده است.

احتمال شرطی هم همین نگاه را دارد: وقتی می‌دانیم پیشامد BB رخ داده، فقط نتیجه‌های داخل BB را نگه می‌داریم. سپس برای بررسی پیشامد AA، از میان همین نتیجه‌های باقی‌مانده، آن‌هایی را می‌شماریم که خواستهٔ ما را هم برآورده می‌کنند؛ یعنی هم در AA هستند و هم در BB.

اگر نتیجه‌های باقی‌مانده هم‌شانس باشند، احتمال برابر است با نسبت تعداد حالت‌های مطلوبِ باقی‌مانده به تعداد همهٔ حالت‌های باقی‌مانده. حواست باشد: با دانستن شرط، دیگر نباید همهٔ حالت‌های فضای اولیه را در مخرج بشماری.

حالا این نگاه را روی یک تاس امتحان کن.

کتاب درسی، صفحهٔ ۵۱

شرط کدام است، خواسته کدام؟

شرط کدام است، خواسته کدام؟

در نماد P(A∣B)P(A|B)، پیشامدِ سمت راستِ خط، یعنی BB، شرطِ معلوم است؛ پیشامد سمت چپ، یعنی AA، خواستهٔ سؤال است. آن را این‌طور بخوان: «احتمالِ AA، به شرط وقوعِ BB».

برای محاسبه داریم:

P(A∣B)=P(A∩B)P(B),P(B)>0P(A|B)=\frac{P(A\cap B)}{P(B)},\qquad P(B)>0

چرا مخرج P(B)P(B) است؟ چون با دانستن شرط، فقط حالت‌های داخل BB را بررسی می‌کنیم. صورت هم احتمالِ بخش مشترک است: حالت‌هایی که هم شرط را دارند و هم خواسته را. شرط باید احتمال مثبت داشته باشد تا تقسیم تعریف شود.

مثلاً فرض کن AA پیشامد «نمرهٔ کامل گرفتن» و BB پیشامد «عضو یک کلاس مشخص بودن» باشد. P(A∣B)P(A|B) می‌پرسد: از میان دانش‌آموزان آن کلاس، چه سهمی نمرهٔ کامل گرفته‌اند؟ اما P(B∣A)P(B|A) می‌پرسد: از میان همهٔ دارندگان نمرهٔ کامل، چه سهمی عضو آن کلاس‌اند؟

پس با جابه‌جایی شرط و خواسته، گروهی که مبنای بررسی است عوض می‌شود. صورتِ دو کسر یکسان است، اما مخرج‌ها ممکن است متفاوت باشند؛ بنابراین پاسخ‌ها لزوماً برابر نیستند.

کتاب درسی، صفحهٔ ۵۱

قواعد آشنا در فضای شرط

قواعد آشنا در فضای شرط

وقتی می‌دانیم پیشامد BB رخ داده است، فقط حالت‌های داخل BB را بررسی می‌کنیم. قواعد آشنای احتمال در همین فضای کوچک‌تر هم برقرارند؛ البته باید P(B)>0P(B)>0 باشد.

اول، در این فضا پیشامد AA یا رخ می‌دهد یا رخ نمی‌دهد. پس احتمال شرطیِ متمم برابر است با:

P(A′∣B)=1−P(A∣B)P(A'|B)=1-P(A|B)

مثلاً اگر بدانیم دانش‌آموز انتخاب‌شده عضو گروه ورزشی است، احتمال عینکی‌بودن و عینکی‌نبودن او روی‌هم برابر با 11 است. در هر دو احتمال، شرطِ «عضو گروه ورزشی بودن» ثابت می‌ماند.

دوم، اگر A1A_1 و A2A_2 ناسازگار باشند، یعنی نتوانند هم‌زمان رخ دهند، داریم:

P((A1∪A2)∣B)=P(A1∣B)+P(A2∣B)P((A_1\cup A_2)|B)=P(A_1|B)+P(A_2|B)

مثلاً برای دانش‌آموزی که می‌دانیم نمرهٔ کامل گرفته است، «عضو کلاس اول بودن» و «عضو کلاس دوم بودن» ناسازگارند. برای احتمالِ یکی از این دو، احتمال‌های شرطی را جمع می‌کنیم؛ چون هیچ دانش‌آموزی دوبار شمرده نمی‌شود.

کتاب درسی، صفحهٔ ۵۲

از احتمال شرطی تا قانون ضرب

از احتمال شرطی تا قانون ضرب

فرض کن از کیسه‌ای دو گوی را پشت‌سرهم و بدون برگرداندن بیرون می‌آوری. اگر بخواهیم احتمال «سبز بودن گوی اول و سفید بودن گوی دوم» را پیدا کنیم، باید اثر برداشت اول بر برداشت دوم را در نظر بگیریم.

پیشامد اول را AA و پیشامد دوم را BB بنامیم. از تعریف احتمال شرطی داریم:

P(B∣A)=P(A∩B)P(A)P(B|A)=\frac{P(A\cap B)}{P(A)}

اگر P(A)>0P(A)>0 باشد، با ضرب دو طرف در P(A)P(A) به قانون ضرب احتمال می‌رسیم:

P(A∩B)=P(A)×P(B∣A)P(A\cap B)=P(A)\times P(B|A)

یعنی ابتدا احتمال وقوع AA را می‌گیریم؛ سپس آن را در احتمال وقوع BB، با دانستن اینکه AA رخ داده است، ضرب می‌کنیم. در مثال کیسه، برای عامل دوم باید وضعیت کیسه را پس از بیرون‌آمدن گوی سبز در نظر بگیریم.

حواست باشد: عامل دوم لزوماً P(B)P(B) نیست؛ خبرِ وقوع پیشامد اول ممکن است احتمال پیشامد دوم را تغییر دهد.

کتاب درسی، صفحهٔ ۵۲

مثال حل‌شده

در کیسه‌ای 11 گوی سبز، 33 گوی سفید و 22 گوی قرمز داریم. دو گوی را به‌ترتیب و بدون جای‌گذاری بیرون می‌آوریم. احتمال اینکه گوی اول سبز و گوی دوم سفید باشد چقدر است؟

  1. پیشامد AA را «سبز بودن گوی اول» و پیشامد BB را «سفید بودن گوی دوم» می‌نامیم؛ خواستهٔ مسئله P(A∩B)P(A\cap B) است.

  2. در ابتدا 66 گوی داریم که فقط 11 گوی سبز است؛ پس P(A)=16P(A)=\frac{1}{6}.

  3. به شرط سبز بودن گوی اول، آن گوی دیگر در کیسه نیست؛ بنابراین 55 گوی باقی می‌ماند که 33 تای آن‌ها سفید است و P(B∣A)=35P(B|A)=\frac{3}{5}.

  4. از قانون ضرب استفاده می‌کنیم: P(A∩B)=P(A)P(B∣A)=16×35=110P(A\cap B)=P(A)P(B|A)=\frac{1}{6}\times\frac{3}{5}=\frac{1}{10}.

جواب: احتمال اینکه گوی اول سبز و گوی دوم سفید باشد، برابر 110\frac{1}{10} است.

نکات مهم

  • در احتمال شرطی، خبرِ وقوع شرط فضای بررسی را محدود می‌کند و در حالت‌های هم‌شانس، شمارش را در همین فضای کوچک‌تر انجام می‌دهیم.
  • در رابطهٔ P(A∣B)=P(A∩B)P(B)P(A|B)=\frac{P(A\cap B)}{P(B)} با P(B)>0P(B)>0، مخرج احتمالِ شرط است و قواعد متمم و اجتماع ناسازگارها در این فضای شرطی نیز برقرارند.
  • قانون ضرب، یعنی P(A∩B)=P(A)P(B∣A)P(A\cap B)=P(A)P(B|A) برای P(A)>0P(A)>0، احتمال رخ‌دادن هر دو پیشامد را از احتمال اول و احتمال شرطی دوم به دست می‌دهد.

تمرین تعاملی این درس (رایگان)تمرین تعاملی این درس

درس ۶ · صفحهٔ ۵۲ تا ۵۵ · حدود ۱۵ دقیقه · تولید هوش مصنوعی

قانون ضرب احتمال

در این درس یاد می‌گیری احتمال رخ دادن هم‌زمان دو یا سه پیشامد را با قانون ضرب و با توجه به شرط‌های هر مرحله حساب کنی و از آن برای یافتن احتمال شرطی کمک بگیری.

پیش از شروع

از کیسه‌ای با یک گوی سبز، سه گوی سفید و دو گوی قرمز، دو گوی را بدون برگرداندن بیرون می‌آوریم. اگر گوی اول سبز باشد، آیا شانس سفید بودن گوی دوم با شانس سفید بودن در برداشت اول برابر است؟

نه؛ با بیرون آمدن گوی سبز، تعداد گوی‌های کیسه کم می‌شود، اما تعداد سفیدها تغییر نمی‌کند، پس شانس سفید آمدن بیشتر می‌شود. برای حساب کردن احتمال «اول سبز و بعد سفید»، باید اثر برداشت اول را در احتمال برداشت دوم در نظر بگیریم؛ قانون ضرب همین کار را می‌کند.

احتمال «هر دو» با قانون ضرب

احتمال «هر دو» با قانون ضرب

فرض کن می‌خواهیم احتمال این را بدانیم که در دو برداشت، هم گوی اول سبز باشد و هم گوی دوم سفید. اگر این دو پیشامد را به‌ترتیب AA و BB بنامیم، خواستهٔ ما احتمال اشتراک آن‌ها، یعنی P(A∩B)\mathrm{P}(A\cap B) است. «هم‌زمان» در اینجا یعنی هر دو شرط برقرار باشند، نه اینکه برداشت‌ها در یک لحظه انجام شوند.

قانون ضرب می‌گوید، اگر P(A)>0\mathrm{P}(A)>0 باشد:

P(A∩B)=P(A)×P(B∣A)\mathrm{P}(A\cap B)=\mathrm{P}(A)\times\mathrm{P}(B|A)

یعنی اول احتمال رخ دادن AA را می‌گیریم؛ سپس آن را در احتمال رخ دادن BB، به شرط رخ دادن AA، ضرب می‌کنیم. نماد P(B∣A)\mathrm{P}(B|A) همین احتمال شرطی است.

این رابطه از تعریف احتمال شرطی به دست می‌آید: در رابطهٔ P(B∣A)=P(A∩B)P(A)\mathrm{P}(B|A)=\frac{\mathrm{P}(A\cap B)}{\mathrm{P}(A)}، دو طرف را در P(A)\mathrm{P}(A) ضرب می‌کنیم.

حواست باشد: عامل دوم را نباید خودکار P(B)\mathrm{P}(B) بنویسی؛ اطلاعاتِ رخ دادن پیشامد اول ممکن است احتمال پیشامد دوم را تغییر دهد.

کتاب درسی، صفحهٔ ۵۲

مرحلهٔ دوم، با شرایط تازه

مرحلهٔ دوم، با شرایط تازه

وقتی گویی را بدون جای‌گذاری بیرون می‌آوریم، یعنی آن را به کیسه برنمی‌گردانیم. پس برای برداشت بعدی باید موجودی تازهٔ کیسه را بشماریم؛ درست مثل برداشتن یک شکلات از ظرف و نخوردنِ دوبارهٔ همان شکلات!

در کیسهٔ ما ابتدا 11 گوی سبز، 33 گوی سفید و 22 گوی قرمز وجود دارد. اگر بدانیم گوی اول سبز بوده، دیگر دربارهٔ رنگ آن تردیدی نداریم: یک گوی سبز را از موجودی حذف می‌کنیم. حالا 55 گوی باقی مانده که همچنان 33 تای آن‌ها سفید است.

اگر AA پیشامد «اولی سبز است» و BB پیشامد «دومی سفید است» باشد، داریم:

P(B∣A)=35\mathrm{P}(B|A)=\frac{3}{5}

نکتهٔ مهم: فقط تعداد کل گوی‌ها را کم نکن؛ ببین از کدام رنگ برداشته شده است. اگر گوی اول سفید باشد، هم تعداد کل و هم تعداد سفیدها تغییر می‌کند. پس احتمال مرحلهٔ دوم را از روی وضعیت باقی‌مانده به دست می‌آوریم، نه موجودی اولیه.

کتاب درسی، صفحهٔ ۵۳

قانون ضرب برای سه پیشامد

قانون ضرب برای سه پیشامد

اگر بخواهیم سه پیشامد با هم رخ دهند، قانون ضرب را یک مرحله جلوتر می‌بریم. احتمال مرحلهٔ اول را می‌نویسیم؛ احتمال مرحلهٔ دوم را با شرطِ رخ دادن اولی، و احتمال مرحلهٔ سوم را با شرطِ رخ دادن هر دو پیشامد قبلی حساب می‌کنیم:

P(A1∩A2∩A3)=P(A1)P(A2∣A1)P(A3∣A1∩A2)\mathrm{P}(A_1\cap A_2\cap A_3)=\mathrm{P}(A_1)\mathrm{P}(A_2|A_1)\mathrm{P}(A_3|A_1\cap A_2)

برای معنی‌دار بودن این شرط‌ها، باید P(A1)>0\mathrm{P}(A_1)>0 و P(A1∩A2)>0\mathrm{P}(A_1\cap A_2)>0 باشد.

مثلاً در برداشتن سه گوی بدون جای‌گذاری، برای محاسبهٔ احتمال قرمز بودن گوی سوم، با شرطِ سبز بودن اولی و سفید بودن دومی، باید وضعیت کیسه را پس از هر دو برداشت در نظر بگیریم؛ نه فقط پس از برداشت دوم.

البته گاهی اطلاعات مسئله نشان می‌دهد که فقط آخرین نتیجه روی مرحلهٔ بعد اثر دارد؛ مثل بسکتبالیستی که روحیه‌اش فقط به نتیجهٔ پرتاب قبلی وابسته است. بااین‌حال، در نوشتن قانون کلی، شرطِ مرحلهٔ سوم شامل هر دو پیشامد قبلی است.

کتاب درسی، صفحهٔ ۵۳

همکاری قانون ضرب و احتمال شرطی

همکاری قانون ضرب و احتمال شرطی

گاهی سؤال دربارهٔ «هر دو پیشامد» نیست؛ می‌پرسد با دانستن یکی، احتمال دیگری چقدر است؟ اینجا قانون ضرب به ما کمک می‌کند صورتِ کسرِ احتمال شرطی را پیدا کنیم.

فرض کن سه کارت داریم: یکی دورو سبز، یکی دورو قرمز و یکی با یک روی سبز و یک روی قرمز. کارتی را تصادفی انتخاب می‌کنیم و یک روی تصادفی آن را می‌بینیم. اگر روی دیده‌شده سبز باشد، احتمال دورو سبز بودن کارت را می‌خواهیم.

اگر AA یعنی «کارت دورو سبز است» و BB یعنی «روی دیده‌شده سبز است»، خواستهٔ ما P(A∣B)\mathrm{P}(A|B) است. مسیر حل این است:

  • ابتدا با قانون ضرب، اشتراک را می‌یابیم: P(A∩B)=P(A)P(B∣A)\mathrm{P}(A\cap B)=\mathrm{P}(A)\mathrm{P}(B|A).
  • سپس، به شرط P(B)>0\mathrm{P}(B)>0، از تعریف استفاده می‌کنیم: P(A∣B)=P(A∩B)P(B)\mathrm{P}(A|B)=\frac{\mathrm{P}(A\cap B)}{\mathrm{P}(B)}.

حواست باشد: P(B∣A)\mathrm{P}(B|A) و P(A∣B)\mathrm{P}(A|B) یک معنا ندارند! اگر کارت دورو سبز باشد، دیدن سبز قطعی است؛ اما دیدن سبز، دورو سبز بودن کارت را قطعی نمی‌کند.

کتاب درسی، صفحهٔ ۵۴

مثال حل‌شده

در کیسه‌ای یک گوی سبز، سه گوی سفید و دو گوی قرمز داریم. سه گوی را به‌ترتیب و بدون جای‌گذاری خارج می‌کنیم. احتمال اینکه گوی اول سفید، گوی دوم سبز و گوی سوم قرمز باشد چقدر است؟

  1. پیشامد سفید بودن گوی اول را AA، سبز بودن گوی دوم را BB و قرمز بودن گوی سوم را CC می‌نامیم؛ هدف محاسبهٔ P(A∩B∩C)\mathrm{P}(A\cap B\cap C) است.

  2. ابتدا از شش گوی، سه گوی سفیدند؛ پس P(A)=36\mathrm{P}(A)=\frac{3}{6}.

  3. با شرط سفید بودن گوی اول، پنج گوی باقی مانده که یکی سبز است؛ بنابراین P(B∣A)=15\mathrm{P}(B|A)=\frac{1}{5}.

  4. با شرط سفید بودن گوی اول و سبز بودن گوی دوم، چهار گوی باقی مانده که دو تا قرمزند؛ پس P(C∣A∩B)=24\mathrm{P}(C|A\cap B)=\frac{2}{4}.

  5. طبق قانون ضرب، P(A∩B∩C)=36×15×24=120\mathrm{P}(A\cap B\cap C)=\frac{3}{6}\times\frac{1}{5}\times\frac{2}{4}=\frac{1}{20}.

جواب: احتمال اینکه به‌ترتیب گوی سفید، سبز و قرمز خارج شود برابر 120\frac{1}{20} است.

نکات مهم

  • برای محاسبهٔ احتمال رخ دادن هر دو پیشامد، از P(A∩B)=P(A)P(B∣A)\mathrm{P}(A\cap B)=\mathrm{P}(A)\mathrm{P}(B|A) استفاده می‌کنیم، به شرط آنکه P(A)>0\mathrm{P}(A)>0 باشد.
  • در قانون ضربِ سه پیشامد، احتمال هر مرحله را با شرط رخ دادن همهٔ پیشامدهای قبلی می‌نویسیم و در برداشت بدون جای‌گذاری، تعدادهای باقی‌مانده را به‌روز می‌کنیم.
  • برای یافتن P(A∣B)\mathrm{P}(A|B) می‌توان احتمال اشتراک را با قانون ضرب به دست آورد و سپس آن را بر P(B)>0\mathrm{P}(B)>0 تقسیم کرد.

تمرین تعاملی این درس (رایگان)تمرین تعاملی این درس

درس ۷ · صفحهٔ ۵۵ تا ۵۷ · حدود ۱۵ دقیقه · تولید هوش مصنوعی

قانون احتمال کل

در این درس یاد می‌گیری با جدا کردن حالت‌های ممکن و وزن دادن به احتمال شرطی هر حالت، احتمال یک پیشامد را با قانون احتمال کل حساب کنی.

پیش از شروع

یک کیسه دو گوی سفید و سه گوی سبز دارد و کیسه‌ای دیگر یک گوی سفید و نه گوی قرمز. اگر اول یکی از کیسه‌ها را به‌تصادف انتخاب کنیم و بعد از آن گویی برداریم، آیا احتمال سفید بودن گوی همان نسبت تعداد گوی‌های سفید به همهٔ گوی‌هاست؟

نه؛ در این روش، کیسه‌ها شانس انتخاب یکسان دارند، اما تک‌تک گوی‌ها شانس یکسانی ندارند. برای پیدا کردن احتمال سفید بودن، باید سهم مسیر «انتخاب کیسهٔ اول و برداشتن سفید» و مسیر «انتخاب کیسهٔ دوم و برداشتن سفید» را جدا حساب کنیم و با هم جمع کنیم.

مسیرها را ضرب کن، سهم‌ها را جمع

مسیرها را ضرب کن، سهم‌ها را جمع

در مسئلهٔ کیسه‌ها، اول کیسه را انتخاب می‌کنیم، بعد گوی را؛ پس با یک آزمایش دومرحله‌ای روبه‌رو هستیم. چون انتخاب دو کیسه هم‌شانس است، احتمال انتخاب هرکدام 12\frac{1}{2} است؛ حتی با اینکه تعداد گوی‌هایشان برابر نیست!

برای رسیدن به گوی سفید، دو مسیر داریم:

  • کیسهٔ اول ← سفید: احتمال انتخاب کیسه 12\frac{1}{2} و احتمال سفید بودن گوی، به شرط انتخاب این کیسه، 25\frac{2}{5} است. سهم این مسیر برابر است با 12×25\frac{1}{2}\times\frac{2}{5}.
  • کیسهٔ دوم ← سفید: به همین روش، سهم این مسیر برابر است با 12×110\frac{1}{2}\times\frac{1}{10}.

چرا ضرب؟ چون باید هم کیسهٔ موردنظر انتخاب شود و هم از آن گوی سفید بیرون بیاید؛ این همان قانون ضرب احتمال است.

حالا سهم دو مسیر را جمع می‌کنیم؛ چون سفید شدن از یکی از این دو مسیر رخ می‌دهد و این مسیرها ناسازگارند: در یک بار آزمایش، هر دو کیسه انتخاب نمی‌شوند.

پس راهنما این است: در امتداد هر مسیر ضرب کن؛ سهم مسیرهای ناسازگارِ رسیدن به نتیجه را جمع کن.

کتاب درسی، صفحهٔ ۵۵

از سهم گروه‌ها تا احتمال کل

از سهم گروه‌ها تا احتمال کل

فرض کن سیب‌های یک میوه‌فروشی از چند باغ آمده‌اند. برای پیدا کردن احتمال لکه‌دار بودن یک سیب تصادفی، فقط دانستن احتمال لکه‌دار بودن سیب‌های هر باغ کافی نیست؛ سهم هر باغ از سیب‌های فروشگاه هم مهم است.

گروه‌ها باید تمام حالت‌های ممکن را بپوشانند و هم‌پوشانی نداشته باشند؛ یعنی هر سیب دقیقاً متعلق به یکی از باغ‌ها باشد. به این تقسیم‌بندی، افراز فضای نمونه می‌گوییم. احتمال هر گروه هم باید ناصفر باشد تا احتمال شرطی در آن تعریف شود.

اگر پیشامد موردنظر را AA و گروه‌ها را B1,…,BnB_1,\ldots,B_n بنامیم، قانون احتمال کل می‌گوید:

P(A)=∑k=1nP(Bk)P(A∣Bk)\mathrm{P}(A)=\sum_{k=1}^{n}\mathrm{P}(B_k)\mathrm{P}(A|B_k)

یعنی احتمال شرطیِ نتیجه در هر گروه را در احتمال انتخاب آن گروه ضرب کن، سپس سهم‌ها را جمع کن. چرا؟ چون بخش‌های A∩BkA\cap B_k هم‌پوشانی ندارند و روی‌هم تمام AA را می‌سازند.

پس میانگین سادهٔ احتمال‌های شرطی همیشه درست نیست؛ گروهی که سهم بیشتری دارد، باید وزن بیشتری در نتیجه داشته باشد.

کتاب درسی، صفحهٔ ۵۵

یک پیشامد و متمم آن

یک پیشامد و متمم آن

گاهی برای دسته‌بندی همهٔ حالت‌ها، فقط یک پرسش کافی است: «پیشامد BB رخ داده یا نه؟» حالتِ رخ ندادن آن، متمم BB است و با B′B' نشان داده می‌شود. این دو حالت هم‌زمان رخ نمی‌دهند و هیچ حالتی هم بیرون از آن‌ها نمی‌ماند؛ پس فضای نمونه را افراز می‌کنند.

مثلاً برای بررسی احتمال دیر رسیدن به مدرسه، می‌توان روزها را به «بارانی» و «غیربارانی» تقسیم کرد. اگر AA دیر رسیدن و BB بارانی بودن باشد، دیر رسیدن ممکن است در هرکدام از این دو حالت اتفاق بیفتد.

به شرط آنکه 0<P(B)<10<\mathrm{P}(B)<1، سهم هر حالت را حساب می‌کنیم و دو سهم را جمع می‌زنیم:

P(A)=P(B)P(A∣B)+P(B′)P(A∣B′)\mathrm{P}(A)=\mathrm{P}(B)\mathrm{P}(A|B)+\mathrm{P}(B')\mathrm{P}(A|B')

یادت باشد وزن حالت دوم از رابطهٔ P(B′)=1−P(B)\mathrm{P}(B')=1-\mathrm{P}(B) به دست می‌آید. متمم بودنِ دو حالت به معنی برابر بودن احتمال آن‌ها نیست؛ روزهای بارانی و غیربارانی لزوماً به یک اندازه محتمل نیستند.

کتاب درسی، صفحهٔ ۵۶

مثال حل‌شده

میوه‌فروشی از باغ شمالی سه صندوق، از باغ مرکزی پنج صندوق و از باغ جنوبی دو صندوق سیب دارد. تعداد سیب‌های همهٔ صندوق‌ها برابر است و احتمال لکه‌دار بودن سیب در این باغ‌ها، به‌ترتیب، 10%10\%، 3%3\% و 5%5\% است. یک صندوق را به‌تصادف و سپس یک سیب را به‌تصادف از آن انتخاب می‌کنیم. احتمال لکه‌دار بودن سیب چقدر است؟

  1. پیشامد AA را «سیب لکه‌دار است» و پیشامدهای B1B_1، B2B_2 و B3B_3 را به‌ترتیب «سیب از باغ شمالی، مرکزی و جنوبی است» می‌گیریم؛ این سه حالت فضای نمونه را افراز می‌کنند.

  2. از تعداد صندوق‌ها، وزن هر باغ را به دست می‌آوریم: P(B1)=310\mathrm{P}(B_1)=\frac{3}{10}، P(B2)=510\mathrm{P}(B_2)=\frac{5}{10} و P(B3)=210\mathrm{P}(B_3)=\frac{2}{10}.

  3. احتمال‌های شرطیِ داده‌شده عبارت‌اند از: P(A∣B1)=0.10\mathrm{P}(A|B_1)=0.10، P(A∣B2)=0.03\mathrm{P}(A|B_2)=0.03 و P(A∣B3)=0.05\mathrm{P}(A|B_3)=0.05.

  4. سهم هر باغ در احتمال لکه‌دار بودن را حساب می‌کنیم: 310×0.10=0.030\frac{3}{10}\times0.10=0.030، 510×0.03=0.015\frac{5}{10}\times0.03=0.015 و 210×0.05=0.010\frac{2}{10}\times0.05=0.010.

  5. سهم‌ها را جمع می‌کنیم: P(A)=0.030+0.015+0.010=0.055=5.5%\mathrm{P}(A)=0.030+0.015+0.010=0.055=5.5\%. میانگین سادهٔ درصدهای سه باغ مناسب نیست، چون سهم باغ‌ها در انتخاب سیب یکسان نیست.

جواب: احتمال لکه‌دار بودن سیب برابر 0.055=5.5%0.055=5.5\% است.

نکات مهم

  • در یک مسیر دومرحله‌ای، احتمال انتخاب گروه را در احتمال شرطیِ نتیجه در همان گروه ضرب می‌کنیم.
  • اگر گروه‌هایی با احتمال ناصفر فضای نمونه را افراز کنند، احتمال کل از جمع سهم‌های P(Bk)P(A∣Bk)\mathrm{P}(B_k)\mathrm{P}(A|B_k) به دست می‌آید.
  • برای یک پیشامد و متمم آن داریم P(A)=P(B)P(A∣B)+P(B′)P(A∣B′)\mathrm{P}(A)=\mathrm{P}(B)\mathrm{P}(A|B)+\mathrm{P}(B')\mathrm{P}(A|B') و وزن حالت متمم برابر 1−P(B)1-\mathrm{P}(B) است.

تمرین تعاملی این درس (رایگان)تمرین تعاملی این درس

درس ۸ · صفحهٔ ۵۷ تا ۶۳ · حدود ۱۵ دقیقه · تولید هوش مصنوعی

قانون بیز

در این درس یاد می‌گیری با تشخیص احتمال‌های پیش از مشاهده، محاسبهٔ احتمال کلِ نشانه و استفاده از قانون بیز، احتمال یک حالت را پس از دیدن اطلاعات تازه به دست بیاوری.

پیش از شروع

یک پاکت شیر کمتر از مقدار معمول شیر دارد. آیا همین مشاهده کافی است تا مطمئن شوی خط تولید خراب شده است؟

نه؛ حتی خط تولید سالم هم گاهی پاکت کم‌حجم تولید می‌کند. این مشاهده می‌تواند احتمال خرابی را بیشتر کند، اما برای محاسبهٔ احتمال جدید باید هم احتمال اولیهٔ خرابی را بدانیم و هم احتمال تولید پاکت کم‌حجم در حالت سالم و خراب را.

یک مشاهده، یک نگاه تازه

یک مشاهده، یک نگاه تازه

فرض کن برای تیم مدرسه دنبال یک هم‌تیمی هستی. پیش از دیدن بازیِ یک دانش‌آموز، دربارهٔ توانایی او حدسی داری؛ اما وقتی چند ضربهٔ دقیق از او می‌بینی، احتمال می‌دهی بازیکن ماهری باشد. اطلاعات تازه، ارزیابی تو را تغییر داده است؛ نه اینکه مهارت او را قطعی کرده باشد.

در مسئلهٔ پاکت شیر هم همین اتفاق می‌افتد. پیش از بررسی پاکت، بر اساس تجربه احتمالی برای خراب بودن خط تولید داریم؛ این «احتمال پیش از مشاهده» است. حالا پاکتی کم‌حجم پیدا می‌کنیم. چون خط خراب بیشتر از خط سالم پاکت کم‌حجم تولید می‌کند، این نشانه احتمال خرابی را در نگاه ما افزایش می‌دهد؛ به ارزیابی تازه، «احتمال پس از مشاهده» می‌گوییم.

ولی عجله نکن! خط سالم هم گاهی پاکت کم‌حجم تولید می‌کند. پس نشانهٔ خرابی با اثبات قطعی خرابی فرق دارد. قانون بیز ابزاری است که این تغییر ارزیابی را دقیق حساب می‌کند.

کتاب درسی، صفحهٔ ۵۷

از نشانه به حالت پنهان

از نشانه به حالت پنهان

فرض کن سیبی برداشته‌ای و دیده‌ای لکه‌دار است؛ حالا می‌خواهی بدانی از کدام باغ آمده است. اینجا از نشانهٔ دیده‌شده به دنبال حالت پنهان می‌رویم.

اگر AA پیشامد «سیب لکه‌دار است» و BiB_i پیشامد «سیب از باغ موردنظر آمده است» باشد، قانون بیز می‌گوید:

P(Bi∣A)=P(Bi)P(A∣Bi)P(A)\mathrm{P}(B_i\mid A)=\frac{\mathrm{P}(B_i)\mathrm{P}(A\mid B_i)}{\mathrm{P}(A)}

این رابطه به شرط P(A)>0\mathrm{P}(A)>0 به کار می‌رود. در آن:

  • P(Bi)\mathrm{P}(B_i) احتمال انتخاب باغ، پیش از مشاهده است.
  • P(A∣Bi)\mathrm{P}(A\mid B_i) احتمال دیدن سیب لکه‌دار، به شرط انتخاب آن باغ است.
  • P(Bi∣A)\mathrm{P}(B_i\mid A) احتمال انتخاب آن باغ، پس از مشاهدهٔ لکه است.

حواست به جهت شرط باشد! «چقدر احتمال دارد سیبِ این باغ لکه‌دار باشد؟» با «این سیبِ لکه‌دار چقدر احتمال دارد از این باغ باشد؟» یک سؤال نیست. قانون بیز این دو جهت را به هم مربوط می‌کند؛ نمی‌گوید احتمالشان برابر است.

کتاب درسی، صفحهٔ ۵۸

مخرج از کجا می‌آید؟

مخرج از کجا می‌آید؟

فرض کن سیبی لکه‌دار دیده‌ای و می‌خواهی بدانی از کدام باغ آمده است. این نشانه فقط از یک باغ به دست نمی‌آید؛ ممکن است سیبِ هرکدام از باغ‌ها لکه‌دار باشد. پس در مخرج قانون بیز باید احتمال دیدن نشانه از همهٔ راه‌های ممکن را حساب کنیم.

حالت‌های B1B_1 تا BnB_n باید فضای نمونه را افراز کنند؛ یعنی هر نتیجه دقیقاً در یکی از آن‌ها قرار بگیرد: نه حالتی جا بماند، نه حالت‌ها هم‌پوشانی داشته باشند.

سهم هر حالت در مشاهدهٔ AA برابر است با احتمال آن حالت، ضرب‌در احتمال مشاهده به شرط آن حالت:

P(Bk)P(A∣Bk)\mathrm{P}(B_k)\mathrm{P}(A\mid B_k)

با جمع این سهم‌ها، قانون احتمال کل به دست می‌آید:

P(A)=∑k=1nP(Bk)P(A∣Bk)\mathrm{P}(A)=\sum_{k=1}^{n}\mathrm{P}(B_k)\mathrm{P}(A\mid B_k)

بنابراین، صورت بیز سهمِ حالت موردنظر است و مخرج، مجموع سهمِ همهٔ حالت‌ها. فقط جمع‌کردن احتمال‌های شرطی کافی نیست؛ باید احتمال انتخاب هر حالت را هم در نظر بگیریم.

کتاب درسی، صفحهٔ ۵۸

دو حالت: سالم یا خراب

دو حالت: سالم یا خراب

یک پاکت شیر کم‌پر دیده‌ای؛ برای بررسی علت، خط تولید را در یکی از دو حالت در نظر بگیر: خراب یا سالم. اگر خراب بودن را BB بنامیم، سالم بودن همان B′B' است. این دو پیشامد متمم‌اند: نه هم‌زمان رخ می‌دهند و نه حالت دیگری باقی می‌ماند. بنابراین:

P(B′)=1−P(B)\mathrm{P}(B')=1-\mathrm{P}(B)

حالا AA را کم‌پر بودن پاکت بگیریم. نکته این است که پاکت کم‌پر ممکن است از خط سالم هم بیرون بیاید؛ پس در محاسبهٔ احتمال مشاهده، نباید سهم خط سالم را حذف کنیم:

P(A)=P(B)P(A∣B)+P(B′)P(A∣B′)\mathrm{P}(A)=\mathrm{P}(B)\mathrm{P}(A\mid B)+\mathrm{P}(B')\mathrm{P}(A\mid B')

برای احتمال خرابی پس از دیدن پاکت کم‌پر، سهم «خراب و کم‌پر» را بر مجموع سهم هر دو مسیر تقسیم می‌کنیم:

P(B∣A)=P(B)P(A∣B)P(B)P(A∣B)+P(B′)P(A∣B′)\mathrm{P}(B\mid A)=\frac{\mathrm{P}(B)\mathrm{P}(A\mid B)}{\mathrm{P}(B)\mathrm{P}(A\mid B)+\mathrm{P}(B')\mathrm{P}(A\mid B')}

این رابطه زمانی قابل استفاده است که احتمال مشاهده مثبت باشد و احتمال هر دو حالت سالم و خراب نیز ناصفر باشد.

کتاب درسی، صفحهٔ ۵۸

مثال حل‌شده

سه صندوق سیب از باغ‌های شمالی، مرکزی و جنوبی داریم که به‌ترتیب 10%10\%، 3%3\% و 5%5\% سیب‌هایشان لکه‌دار است. یکی از صندوق‌ها را با شانس برابر انتخاب می‌کنیم و از آن سیبی تصادفی برمی‌داریم. اگر سیب لکه‌دار باشد، احتمال اینکه صندوق مربوط به باغ شمالی باشد چقدر است؟

  1. پیشامدها را نام‌گذاری می‌کنیم: AA یعنی سیب لکه‌دار است و B1B_1، B2B_2 و B3B_3 به‌ترتیب یعنی صندوق شمالی، مرکزی و جنوبی انتخاب شده است؛ خواستهٔ مسئله P(B1∣A)\mathrm{P}(B_1\mid A) است.

  2. چون انتخاب صندوق‌ها هم‌شانس است، احتمال‌های پیش از مشاهده برابرند: P(B1)=P(B2)=P(B3)=13\mathrm{P}(B_1)=\mathrm{P}(B_2)=\mathrm{P}(B_3)=\frac{1}{3}.

  3. درصدهای داده‌شده را به احتمال شرطی تبدیل می‌کنیم: P(A∣B1)=0.10\mathrm{P}(A\mid B_1)=0.10، P(A∣B2)=0.03\mathrm{P}(A\mid B_2)=0.03 و P(A∣B3)=0.05\mathrm{P}(A\mid B_3)=0.05.

  4. احتمال کلِ مشاهدهٔ سیب لکه‌دار را حساب می‌کنیم: P(A)=13(0.10+0.03+0.05)=0.06\mathrm{P}(A)=\frac{1}{3}(0.10+0.03+0.05)=0.06.

  5. قانون بیز را به کار می‌بریم: P(B1∣A)=13×0.100.06=59≃0.556\mathrm{P}(B_1\mid A)=\frac{\frac{1}{3}\times 0.10}{0.06}=\frac{5}{9}\simeq 0.556.

  6. نتیجه را تفسیر می‌کنیم: احتمال صندوق شمالی از 13\frac{1}{3} به 59\frac{5}{9} افزایش یافته، چون لکه‌دار بودن در این صندوق محتمل‌تر است؛ بااین‌حال، صندوق شمالی قطعی نیست، چون دو صندوق دیگر هم سیب لکه‌دار دارند.

جواب: احتمال اینکه صندوق انتخابی مربوط به باغ شمالی باشد، پس از دیدن سیب لکه‌دار برابر با 59≃0.556\frac{5}{9}\simeq 0.556 است.

نکات مهم

  • قانون بیز احتمال پیش از مشاهدهٔ یک حالت را با توجه به نشانهٔ تازه به احتمال پس از مشاهده تبدیل می‌کند.
  • در رابطهٔ P(Bi∣A)=P(Bi)P(A∣Bi)P(A)\mathrm{P}(B_i\mid A)=\frac{\mathrm{P}(B_i)\mathrm{P}(A\mid B_i)}{\mathrm{P}(A)}، جهت شرط مهم است و باید P(A)>0\mathrm{P}(A)>0 باشد.
  • اگر حالت‌ها فضای نمونه را افراز کنند، احتمال کلِ مشاهده از جمع سهم همهٔ حالت‌ها به دست می‌آید؛ در حالت دوگانه باید سهم هر دو پیشامد BB و B′B' را حساب کنیم.

تمرین تعاملی این درس (رایگان)تمرین تعاملی این درس

درس ۹ · صفحهٔ ۶۳ تا ۶۸ · حدود ۱۵ دقیقه · تولید هوش مصنوعی

درس ۴: پیشامدهای مستقل و وابسته

در این درس یاد می‌گیری پیشامدهای مستقل و وابسته را تشخیص بدهی، احتمال انتخاب‌های با جای‌گذاری و بدون جای‌گذاری را حساب کنی و رابطهٔ ضرب را برای چند پیشامد مستقل به کار ببری.

پیش از شروع

از یک کیسه دو مهره بیرون می‌آوری. چرا برگرداندن یا برنگرداندن مهرهٔ اول می‌تواند احتمال رنگ مهرهٔ دوم را تغییر دهد؟

اگر مهرهٔ اول را برگردانی و مهره‌ها را مخلوط کنی، ترکیب کیسه برای انتخاب دوم همان ترکیب اولیه است. اما اگر آن را برنگردانی، ترکیب کیسه تغییر می‌کند؛ پس دانستن رنگ مهرهٔ اول می‌تواند احتمال رنگ مهرهٔ دوم را عوض کند.

استقلال را چگونه تشخیص بدهیم؟

استقلال را چگونه تشخیص بدهیم؟

یک سکه و یک تاس سالم را هم‌زمان پرتاب کن. اگر کسی خبر بدهد «سکه رو آمده»، آیا پیش‌بینی عدد تاس برایت تغییر می‌کند؟ نه؛ این خبر کمکی به پیش‌بینی تاس نمی‌کند. این همان ایدهٔ استقلال است: رخ دادن یک پیشامد، احتمال دیگری را تغییر نمی‌دهد.

اگر AA پیشامد «شش آمدن تاس» و BB پیشامد «رو آمدن سکه» باشد، دانستن وقوع BB احتمال AA را تغییر نمی‌دهد؛ یعنی:

P(A∣B)=P(A)\mathrm{P}(A|B)=\mathrm{P}(A)

این مقایسه وقتی معنا دارد که P(B)>0\mathrm{P}(B)>0 باشد. برای تشخیص دقیق استقلال، معیار کلی زیر را داریم:

P(A∩B)=P(A)P(B)\mathrm{P}(A\cap B)=\mathrm{P}(A)\mathrm{P}(B)

پس احتمال رخ دادن هر دو پیشامد را با حاصل‌ضرب احتمال‌هایشان مقایسه می‌کنیم؛ اگر برابر باشند، مستقل‌اند و اگر نباشند، وابسته‌اند.

حواست باشد: مستقل بودن با ناسازگار بودن فرق دارد. ناسازگار یعنی دو پیشامد با هم رخ نمی‌دهند؛ اما دو پیشامد مستقل می‌توانند هم‌زمان رخ دهند، مثل رو آمدن سکه و شش آمدن تاس.

کتاب درسی، صفحهٔ ۶۴

بدون جای‌گذاری؛ کیسه تغییر می‌کند

بدون جای‌گذاری؛ کیسه تغییر می‌کند

تصور کن از کیسه‌ای با 55 مهرهٔ آبی و 88 مهرهٔ قرمز، یک مهره بیرون می‌آوری و آن را برنمی‌گردانی. اکنون فقط 1212 مهره در کیسه مانده است؛ اما ترکیب رنگ‌ها به رنگ مهرهٔ اول بستگی دارد.

اگر مهرهٔ اول آبی باشد، هنوز 88 مهرهٔ قرمز داریم؛ اگر قرمز باشد، فقط 77 مهرهٔ قرمز باقی می‌ماند. پس دانستن نتیجهٔ انتخاب اول، احتمال قرمز بودن مهرهٔ دوم را تغییر می‌دهد.

AA را «آبی بودن مهرهٔ اول» و BB را «قرمز بودن مهرهٔ دوم» بنامیم. برای رخ دادن هر دو، از رابطهٔ ضرب با احتمال شرطی استفاده می‌کنیم:

P(A∩B)=P(A)P(B∣A)\mathrm{P}(A\cap B)=\mathrm{P}(A)\mathrm{P}(B|A)

یعنی احتمال رخ دادن پیشامد اول را در احتمال رخ دادن پیشامد دوم، به شرط رخ دادن اولی، ضرب می‌کنیم. در این کیسه، عامل دوم 812\frac{8}{12} است، نه 813\frac{8}{13}؛ چون یک مهره خارج شده است. اشتباه رایج این است که برای انتخاب دوم هم تعداد اولیهٔ مهره‌ها را در مخرج نگه داریم.

کتاب درسی، صفحهٔ ۶۵

با جای‌گذاری؛ شروع دوباره

با جای‌گذاری؛ شروع دوباره

فرض کن از کیسه‌ای با مهره‌های آبی و قرمز، یک مهره بیرون می‌آوری؛ رنگش را یادداشت می‌کنی، آن را به کیسه برمی‌گردانی و مهره‌ها را دوباره مخلوط می‌کنی. حالا برای انتخاب دوم، تعداد کل مهره‌ها و تعداد هر رنگ درست مثل آغاز آزمایش است؛ انگار از نو شروع کرده‌ای!

پس دانستن رنگ مهرهٔ اول، احتمال رنگ مهرهٔ دوم را تغییر نمی‌دهد. پیشامدهای مربوط به رنگ در این دو انتخاب مستقل‌اند. نکته این است که فقط برگرداندن مهره کافی نیست؛ انتخاب بعدی هم باید تصادفی و با مخلوط‌کردن دوباره انجام شود.

اگر AA پیشامد آبی بودن مهرهٔ اول و BB پیشامد قرمز بودن مهرهٔ دوم باشد، داریم:

P(B∣A)=P(B)\mathrm{P}(B|A)=\mathrm{P}(B)

بنابراین برای احتمال «اول آبی و بعد قرمز»، احتمال‌های دو انتخاب را در هم ضرب می‌کنیم:

P(A∩B)=P(A)P(B)\mathrm{P}(A\cap B)=\mathrm{P}(A)\mathrm{P}(B)

یادت بماند: استقلال به معنی متفاوت بودن رنگ‌ها نیست؛ یعنی نتیجهٔ انتخاب اول، شانس رنگ‌های انتخاب دوم را عوض نمی‌کند.

کتاب درسی، صفحهٔ ۶۶

بیش از دو پیشامد

بیش از دو پیشامد

اگر سه بار سکه‌ای سالم را پرتاب کنیم، نتیجهٔ هر پرتاب احتمال نتیجهٔ پرتاب‌های دیگر را تغییر نمی‌دهد. اما برای بررسی استقلال سه پیشامد دلخواه، فقط بررسی جفت‌ها کافی نیست!

سه پیشامد AA، BB و CC وقتی مستقل‌اند که هم رابطهٔ ضرب برای هر جفت برقرار باشد و هم برای اشتراک هر سه:

P(A∩B)=P(A)P(B)\mathrm{P}(A\cap B)=\mathrm{P}(A)\mathrm{P}(B)

P(A∩C)=P(A)P(C)\mathrm{P}(A\cap C)=\mathrm{P}(A)\mathrm{P}(C)

P(B∩C)=P(B)P(C)\mathrm{P}(B\cap C)=\mathrm{P}(B)\mathrm{P}(C)

P(A∩B∩C)=P(A)P(B)P(C)\mathrm{P}(A\cap B\cap C)=\mathrm{P}(A)\mathrm{P}(B)\mathrm{P}(C)

برای تعداد بیشتر هم باید رابطهٔ ضرب برای هر گروه از پیشامدها برقرار باشد.

حالا در پرتاب‌های مستقل سکه، بین «رو، پشت، رو» و «دقیقاً دو رو» فرق بگذار. اولی یک ترتیب مشخص است؛ احتمال آن را با ضرب احتمال نتیجه‌های پرتاب‌ها به دست می‌آوریم. دومی چند ترتیب ممکن دارد: «رو، رو، پشت»، «رو، پشت، رو» و «پشت، رو، رو». چون این ترتیب‌ها نمی‌توانند هم‌زمان رخ دهند، احتمال‌هایشان را جمع می‌کنیم.

پس راهنما این است: درون هر ترتیب، ضرب؛ بین ترتیب‌های ناسازگار، جمع.

کتاب درسی، صفحهٔ ۶۶

استقلال تقریبی در جمعیت بزرگ

استقلال تقریبی در جمعیت بزرگ

فرض کن برای یک نظرسنجی، چند نفر را از شهری پرجمعیت انتخاب می‌کنیم و هر فرد فقط یک بار انتخاب می‌شود. این انتخاب بدون جای‌گذاری است؛ پس با انتخاب هر نفر، ترکیب افراد باقی‌مانده تغییر می‌کند. بنابراین انتخاب‌ها دقیقاً مستقل نیستند.

اما بیرون رفتن یک نفر از فهرست شهری پرجمعیت، نسبت افراد دارای یک ویژگی را بسیار کم تغییر می‌دهد. اگر تعداد افراد نمونه در مقایسه با جمعیت بسیار کوچک باشد، می‌توانیم از این تغییر ناچیز چشم‌پوشی کنیم و پیشامدهای مربوط به افراد انتخاب‌شده را تقریباً مستقل بگیریم. آن‌وقت برای محاسبهٔ تقریبی احتمال رخ دادن هم‌زمان آن‌ها، احتمال‌ها را در هم ضرب می‌کنیم.

حواست باشد: بزرگ بودن جمعیت به‌تنهایی کافی نیست؛ نمونه هم باید نسبت به آن کوچک باشد. انتخاب چند نفر از یک شهر با انتخاب نیمی از مردم همان شهر فرق دارد! اینجا استقلال یک تقریب برای ساده‌کردن محاسبه است، نه استقلال دقیقِ انتخاب‌های با جای‌گذاری.

کتاب درسی، صفحهٔ ۶۷

مثال حل‌شده

کیسه‌ای شامل 33 مهرهٔ قرمز و 22 مهرهٔ آبی است. دو مهره به‌تصادف و پی‌درپی انتخاب می‌کنیم. احتمال قرمز بودن هر دو را در دو حالت بیاب: با جای‌گذاری و مخلوط‌کردن دوباره، و بدون جای‌گذاری.

  1. پیشامد AA را قرمز بودن مهرهٔ اول و پیشامد BB را قرمز بودن مهرهٔ دوم می‌نامیم؛ هدف محاسبهٔ P(A∩B)\mathrm{P}(A\cap B) است.

  2. در هر دو حالت، پیش از انتخاب اول 55 مهره داریم که 33 مهره قرمز است؛ بنابراین P(A)=35\mathrm{P}(A)=\frac{3}{5}.

  3. با جای‌گذاری و مخلوط‌کردن دوباره، ترکیب کیسه به حالت اول برمی‌گردد؛ پس P(B∣A)=35\mathrm{P}(B|A)=\frac{3}{5} و دو پیشامد مستقل‌اند.

  4. در حالت با جای‌گذاری، P(A∩B)=35×35=925\mathrm{P}(A\cap B)=\frac{3}{5}\times\frac{3}{5}=\frac{9}{25}.

  5. بدون جای‌گذاری، اگر مهرهٔ اول قرمز باشد، از 44 مهرهٔ باقی‌مانده فقط 22 مهره قرمز است؛ پس P(B∣A)=24\mathrm{P}(B|A)=\frac{2}{4}.

  6. در حالت بدون جای‌گذاری، P(A∩B)=35×24=310\mathrm{P}(A\cap B)=\frac{3}{5}\times\frac{2}{4}=\frac{3}{10}؛ این بار نمی‌توان عامل دوم را همان احتمال اولیه گرفت.

جواب: احتمال انتخاب دو مهرهٔ قرمز با جای‌گذاری برابر 925\frac{9}{25} و بدون جای‌گذاری برابر 310\frac{3}{10} است.

نکات مهم

  • دو پیشامد وقتی مستقل‌اند که P(A∩B)=P(A)P(B)\mathrm{P}(A\cap B)=\mathrm{P}(A)\mathrm{P}(B) باشد؛ برای چند پیشامد، رابطهٔ ضرب باید برای هر گروه از آن‌ها برقرار باشد.
  • در انتخاب تصادفی با جای‌گذاری و مخلوط‌کردن دوباره، شرایط بازسازی می‌شود؛ در انتخاب بدون جای‌گذاری باید تغییر شرایط را با احتمال شرطی در نظر بگیریم.
  • احتمال یک ترتیب از نتایج مستقل را با ضرب و احتمال چند ترتیب ناسازگار را با جمع می‌یابیم؛ در نمونه‌های بسیار کوچک نسبت به جمعیت نیز گاهی استقلال تقریبی به کار می‌آید.

تمرین تعاملی این درس (رایگان)تمرین تعاملی این درس

درس‌های فصل ۲ را تعاملی بخوان

در پنل یادگیری 1xAi هر کدام از این درس‌ها قدم به قدم پیش می‌رود: بعد از هر بخش یک سوال کوتاه، بعد مثال حل‌شده و در پایان برگهٔ خروج. جوابت ثبت می‌شود و سوال‌های هر درس در روزهای بعد برای مرور برمی‌گردند. درس‌های تعاملی رایگان‌اند؛ فقط تصحیح پاسخ کوتاه سهمیهٔ روزانهٔ رایگان دارد.

ساختن حساب رایگان است و بعد از ثبت‌نام مستقیم به همین بخش از پنل برمی‌گردی.

فصل ۲ آمار و احتمال یازدهم · رایگان