Metody probabilistyczne

Podobne dokumenty
Prawdopodobieństwo. Prawdopodobieństwo. Jacek Kłopotowski. Katedra Matematyki i Ekonomii Matematycznej SGH. 16 października 2018

Podstawy metod probabilistycznych. dr Adam Kiersztyn

1.1 Rachunek prawdopodobieństwa

Statystyka i eksploracja danych

WYKŁAD 1. Witold Bednorz, Paweł Wolff. Rachunek Prawdopodobieństwa, WNE, Instytut Matematyki Uniwersytet Warszawski

Rachunek prawdopodobieństwa Rozdział 3. Prawdopodobieństwo warunkowe i niezależność zdarzeń.

Prawdopodobieństwo i statystyka

Rachunek prawdopodobieństwa

MNRP r. 1 Aksjomatyczna definicja prawdopodobieństwa (wykład) Grzegorz Kowalczyk

Rachunku prawdopodobieństwa: rys historyczny, aksjomatyka, prawdopodobieństwo warunkowe,

Statystyka Astronomiczna

WYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I (SGH)

Wstęp. Kurs w skrócie

Statystyka w analizie i planowaniu eksperymentu

Zdarzenia losowe i prawdopodobieństwo

Elementy rachunku prawdopodobieństwa (M. Skośkiewicz, A. Siejka, K. Walczak, A. Szpakowska)

Matematyka z el. statystyki, # 2 /Geodezja i kartografia II/

Rzucamy dwa razy sprawiedliwą, sześcienną kostką do gry. Oblicz prawdopodobieństwo otrzymania:

Wykład 2 Zmienne losowe i ich rozkłady

Prawdopodobieństwo i statystyka Wykład I: Przestrzeń probabilistyczna

Biostatystyka, # 2 /Weterynaria I/

Prawdopodobie«stwo warunkowe, twierdzenie Bayesa, niezale»no± zdarze«.

RACHUNEK PRAWDOPODOBIEŃSTWA - POJĘCIA WSTĘPNE MATERIAŁY POMOCNICZE - TEORIA

Sieci Bayesa mgr Tomasz Xięski, Instytut Informatyki, Uniwersytet Śląski Sosnowiec, 2011

Klasyfikacja metodą Bayesa

Rachunek prawdopodobieństwa Rozdział 5. Rozkłady łączne

Zmienne losowe, statystyki próbkowe. Wrocław, 2 marca 2015

Metody probabilistyczne

Rachunek prawdopodobieństwa Rozdział 3. Prawdopodobieństwo warunkowe i niezależność zdarzeń.

Statystyka matematyczna

Statystyka i eksploracja danych

Rachunek prawdopodobieństwa Rozdział 3. Prawdopodobieństwo warunkowe i niezależność zdarzeń.

PEWNE FAKTY Z RACHUNKU PRAWDOPODOBIEŃSTWA

Zdarzenia losowe Zmienne losowe Prawdopodobieństwo Niezależność

W2 Podstawy rachunku prawdopodobieństwa (przypomnienie)

Zmienne losowe i ich rozkłady. Momenty zmiennych losowych. Wrocław, 10 października 2014

Wykład 11: Martyngały: definicja, twierdzenia o zbieżności

Matematyczne Podstawy Kognitywistyki

Zadania o numerze 4 z zestawów licencjat 2014.

Pojęcie przestrzeni probabilistycznej

Systemy ekspertowe - wiedza niepewna

Baza dla predykcji medycznej

Przestrzeń probabilistyczna

KARTA PRZEDMIOTU. Forma prowadzenia zajęć. Odniesienie do efektów dla kierunku studiów K1A_W02

Prawa wielkich liczb, centralne twierdzenia graniczne

STATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2

Wnioskowanie bayesowskie

Wykład 1 Zmienne losowe, statystyki próbkowe - powtórzenie materiału



Rachunek prawdopodobieństwa Rozdział 2. Aksjomatyczne ujęcie prawdopodobieństwa

12. Przynależność do grupy przedmiotów: Blok przedmiotów matematycznych

PROCESY STOCHASTYCZNE. PEWNE KLASY PROCESÓW STOCHASTYCZNYCH Definicja. Procesem stochastycznym nazywamy rodzinę zmiennych losowych X(t) = X(t, ω)

Metody probabilistyczne opracowane notatki 1. Zdefiniuj zmienną losową, rozkład prawdopodobieństwa. Przy jakich założeniach funkcje: F(x) = sin(x),

Rachunek prawdopodobieństwa dla informatyków

Rodzinę spełniającą trzeci warunek tylko dla sumy skończonej nazywamy ciałem (algebrą) w zbiorze X.

Statystyka i opracowanie danych

02DRAP - Aksjomatyczna definicja prawdopodobieństwa, zasada w-w

DODATKOWA PULA ZADAŃ DO EGZAMINU. Rozważmy ciąg zdefiniowany tak: s 0 = a. s n+1 = 2s n +b (dla n=0,1,2 ) Pokaż, że s n = 2 n a +(2 n =1)b

Eksploracja Danych. wykład 4. Sebastian Zając. 10 maja 2017 WMP.SNŚ UKSW. Sebastian Zając (WMP.SNŚ UKSW) Eksploracja Danych 10 maja / 18

Podstawy Teorii Prawdopodobieństwa

RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 1. L. Kowalski, Statystyka, 2005

Wykład 2. Prawdopodobieństwo i elementy kombinatoryki

Spacery losowe generowanie realizacji procesu losowego

Statystyka matematyczna

Procesy Stochastyczne - Zestaw 1

Ćwiczenia z metodyki nauczania rachunku prawdopodobieństwa

Rachunek Prawdopodobieństwa i Statystyka Podstawowe definicje i twierdzenia Rachunku Prawdopodobieństwa

Probabilistyczne podstawy statystyki matematycznej. Dr inż. Małgorzata Michalcewicz-Kaniowska

Metody probabilistyczne klasyfikatory bayesowskie

Metody probabilistyczne

STATYSTYKA wykład 1. Wanda Olech. Katedra Genetyki i Ogólnej Hodowli Zwierząt

Wkażdym doświadczeniu losowym można wyróżnić

Rachunek prawdopodobieństwa (Elektronika, studia niestacjonarne) Wykład 2

b) Niech: - wśród trzech wylosowanych opakowań jest co najwyżej jedno o dawce 15 mg. Wówczas:

12. Przynależność do grupy przedmiotów: Blok przedmiotów matematycznych

Wykład 1: Przestrzeń probabilistyczna. Prawdopodobieństwo klasyczne. Prawdopodobieństwo geometryczne.

STATYSTYKA wykład 1. Wanda Olech. Katedra Genetyki i Ogólnej Hodowli Zwierząt

Prawdopodobieństwo i statystyka

STYSTYSTYKA dla ZOM II dr inż Krzysztof Bryś Wykad 1

Szkice do zajęć z Przedmiotu Wyrównawczego

Gdzie: N zbiór wierzchołków grafu, E zbiór krawędzi grafu, Cp zbiór prawdopodobieostw warunkowych.

Statystyka i Rachunek Prawdopodobieństwa dla Bioinzynierii Lista zadań 2, 2018/19z (zadania na ćwiczenia)

Matematyka dla biologów Zajęcia nr 11.

KURS PRAWDOPODOBIEŃSTWO

Na podstawie: AIMA, ch13. Wojciech Jaśkowski. 15 marca 2013

nazywamy prawdopodobieństwem warunkowym pod warunkiem zdarzenia B.

Rachunek prawdopodobieństwa Rozdział 2. Aksjomatyczne ujęcie prawdopodobieństwa

Rachunek prawdopodobieństwa- wykład 2

Zmienna losowa i jej rozkład Dystrybuanta zmiennej losowej Wartość oczekiwana zmiennej losowej

+ r arcsin. M. Przybycień Rachunek prawdopodobieństwa i statystyka π r x

Podstawy nauk przyrodniczych Matematyka

Prawdopodobieństwo warunkowe Twierdzenie o prawdopodobieństwie całkowitym

Metody numeryczne. Sformułowanie zagadnienia interpolacji

Literatura. Leitner R., Zacharski J., Zarys matematyki wyŝszej dla studentów, cz. III.

Rachunek Prawdopodobieństwa i Statystyka

Rachunek Prawdopodobieństwa Anna Janicka

Statystyka matematyczna

04DRAP - Prawdopodobieństwo warunkowe, prawdopodobieństwo całkowite,

Prawdopodobieństwo

Transkrypt:

Metody probabilistyczne Prawdopodobieństwo warunkowe Jędrzej Potoniec

Część I Podstawy interpretacji wyników badań medycznych

Badanie raka Grupa kobiet w wieku 40 lat bierze udział w przesiewowej mammografi, znane są następujące fakty: 1% ma raka 80% kobiet chorych na raka otrzymuje pozytywny wyniki mammografi 9,6% kobiet zdrowych otrzymuje pozytywny wynik mammografii Pewna kobieta otrzymała pozytywny wyniki mammografi. Jakie jest prawdopodobieństwo, że ma raka? Źródło: http://www.yudkowsky.net/rational/bayes

Badanie raka Grupa kobiet w wieku 40 lat bierze udział w przesiewowej mammografi, znane są następujące fakty: 1% ma raka (R) 80% kobiet chorych na raka (R) otrzymuje pozytywny wyniki mammografi (M) 9,6% kobiet zdrowych (R ) otrzymuje pozytywny wynik mammografii (M) Pewna kobieta otrzymała pozytywny wyniki mammografi. Jakie jest prawdopodobieństwo, że ma raka?

Badanie raka Grupa kobiet w wieku 40 lat bierze udział w przesiewowej mammografi, znane są następujące fakty: P(R) = 1% ma raka P(M R) = 80% kobiet chorych na raka otrzymuje pozytywny wyniki mammografi P(M R ) = 9,6% kobiet zdrowych otrzymuje pozytywny wynik mammografii Pewna kobieta otrzymała pozytywny wyniki mammografi. Jakie jest prawdopodobieństwo, że ma raka?

Badanie raka Grupa kobiet w wieku 40 lat bierze udział w przesiewowej mammografi, znane są następujące fakty: P(R) = 1% ma raka P(M R) = 80% kobiet chorych na raka otrzymuje pozytywny wyniki mammografi P(M R ) = 9,6% kobiet zdrowych otrzymuje pozytywny wynik mammografii Pewna kobieta otrzymała pozytywny wyniki mammografi. Jakie jest prawdopodobieństwo P(R M), że ma raka?

Badanie raka Grupa kobiet w wieku 40 lat bierze udział w przesiewowej mammografi, znane są następujące fakty: P(R) = 1% ma raka P(M R) = 80% kobiet chorych na raka otrzymuje pozytywny wyniki mammografi P(M R ) = 9,6% kobiet zdrowych otrzymuje pozytywny wynik mammografii Pewna kobieta otrzymała pozytywny wyniki mammografi. Jakie jest prawdopodobieństwo P(R M), że ma raka? 100% 1% 99%

Badanie raka Grupa kobiet w wieku 40 lat bierze udział w przesiewowej mammografi, znane są następujące fakty: P(R) = 1% ma raka P(M R) = 80% kobiet chorych na raka otrzymuje pozytywny wyniki mammografi P(M R ) = 9,6% kobiet zdrowych otrzymuje pozytywny wynik mammografii Pewna kobieta otrzymała pozytywny wyniki mammografi. Jakie jest prawdopodobieństwo P(R M), że ma raka? 100% 1% 99% 100% 80%

Badanie raka Grupa kobiet w wieku 40 lat bierze udział w przesiewowej mammografi, znane są następujące fakty: P(R) = 1% ma raka P(M R) = 80% kobiet chorych na raka otrzymuje pozytywny wyniki mammografi P(M R ) = 9,6% kobiet zdrowych otrzymuje pozytywny wynik mammografii Pewna kobieta otrzymała pozytywny wyniki mammografi. Jakie jest prawdopodobieństwo P(R M), że ma raka? 100% 1% 99% 100% 100% 80% 9,6%

Część II Formalizm matematyczny

Prawdopodobieństwo warunkowe P(A B) = P(A B) P(B) P(B) > 0

Prawdopodobieństwo warunkowe P(A B) = P(A B) P(B) P(B) > 0 Twierdzenie o prawdopodobieństwie warunkowym Prawdopodobieństwo warunkowe spełnia aksjomaty Kołmogorowa

Prawdopodobieństwo warunkowe P(A B) = P(A B) P(B) P(B) > 0 Twierdzenie P(A 1 A 2 ) =P(A 2 A 1 )P(A 1 ) P(A 1 A 2 A 3 ) =P(A 3 A 1 A 2 )P(A 2 A 1 )P(A 1 ) P(A 1 A 2 A 3 A 4 ) =P(A 4 A 1 A 2 A 3 )P(A 3 A 1 A 2 )P(A 2 A 1 )P(A 1 )...

Prawdopodobieństwo warunkowe P(A B) = P(A B) P(B) P(B) > 0 Twierdzenie o prawdopodobieństwie całkowitym (zupełnym) Niech: A 1, A 2,... A i j : A i A j A 1 A 2... Ω i : P(A i ) > 0 wtedy: P(B) = P(B A 1 )P(A 1 ) + P(B A 2 )P(A 2 ) +...

Prawdopodobieństwo warunkowe P(A B) = P(A B) P(B) P(B) > 0 Twierdzenie Bayesa Niech: wtedy: A 1, A 2,... A i j : A i A j A 1 A 2... Ω i : P(A i ) > 0 P(A i B) = P(B A i )P(A i ) P(B A 1 )P(A 1 ) + P(B A 2 )P(A 2 ) +...

Thomas Bayes Thomas Bayes (1702 1761) http://commons.wikimedia.org/wiki/file:thomas_bayes.gif domena publiczna

Niezależność pary zdarzeń P(A B) = P(A) P(A B) = P(A)P(B)

Niezależność pary zdarzeń P(A B) = P(A) P(A B) = P(A)P(B) Twierdzenie Dla dowolnych zdarzeń A i B nad przestrzenią Ω: 1 A i Ω są niezależne 2 A i są niezależne 3 Ω i są niezależne 4 jeżeli A i B są niezależne, to A i B także są niezależne

Niezależność większej liczby zdarzeń Zdarzenia ze zbioru co najwyżej przeliczalnego A = {A 1, A 2,...} są (wzajemnie) niezależne wtedy, i tylko wtedy gdy dla dowolnego, skończonego B A zachodzi: P(A i ) = P A i B A i B A i

Niezależność większej liczby zdarzeń Zdarzenia ze zbioru co najwyżej przeliczalnego A = {A 1, A 2,...} są (wzajemnie) niezależne wtedy, i tylko wtedy gdy dla dowolnego, skończonego B A zachodzi: P(A i ) = P A i B A i B A i Przypadki szczególne niezależność parami niezależność trójkami...

Niezależność większej liczby zdarzeń Zdarzenia ze zbioru co najwyżej przeliczalnego A = {A 1, A 2,...} są (wzajemnie) niezależne wtedy, i tylko wtedy gdy dla dowolnego, skończonego B A zachodzi: P(A i ) = P A i B A i B A i Twierdzenie Dla niezależnych zdarzeń A, B, C zachodzi: 1 A B i C są niezależne 2 jeżeli P(C) > 0, to P(A B C) = P(A C)P(B C)

Część III Jak działa filtr antyspamowy, czyli dzień z życia nauczyciela akademickiego

Filtr antyspamowy List 1 Proszę przepisać ocenę. Student Wytrwały P( prosić, przepisać, ocena, student) = 1

Filtr antyspamowy List 2 Proszę wystawić oceny. Profesor Ważny P( prosić, wystawić, ocena, profesor) = 1

Filtr antyspamowy List 3 Proszę o ocenę 3. Student Panda P( prosić, ocena, student) = 1

Filtr antyspamowy List 4 Proszę przepisać szafę P(7 prosić, przepisać, szafa) = 1

Filtr antyspamowy List 5 Wystaw profesora. Student Tajniak P( wystawić, profesor, student) = 1

Filtr antyspamowy List 6 Wystaw oceny!!! List 7 Wystaw studenta P( wystawić, ocena) =? P( wystawić, ocena) =? P( wystawić, student) =? P( wystawić, student) =?

Filtr antyspamowy List 1 Proszę przepisać ocenę. Student Wytrwały P( prosić, przepisać, ocena, student) = 1 list prosić przepisać wystawić ocena student profesor szafa 1 1 1 0 1 1 0 0

Filtr antyspamowy List 2 Proszę wystawić oceny. Profesor Ważny P( prosić, wystawić, ocena, profesor) = 1 list prosić przepisać wystawić ocena student profesor szafa 1 1 1 0 1 1 0 0 2 1 0 1 1 0 1 0

Filtr antyspamowy List 3 Proszę o ocenę 3. Student Panda P( prosić, ocena, student) = 1 list prosić przepisać wystawić ocena student profesor szafa 1 1 1 0 1 1 0 0 2 1 0 1 1 0 1 0 3 1 0 0 1 1 0 0

Filtr antyspamowy List 4 Proszę przepisać szafę P(7 prosić, przepisać, szafa) = 1 list 1 2 3 4 3 3 7 7 prosić 1 1 1 1 przepisać 1 0 0 1 wystawić 0 1 0 0 ocena 1 1 1 0 student 1 0 1 0 profesor 0 1 0 0 szafa 0 0 0 1

Filtr antyspamowy List 5 Wystaw profesora. Student Tajniak P( wystawić, profesor, student) = 1 list prosić przepisać wystawić ocena student profesor szafa 1 1 1 0 1 1 0 0 2 1 0 1 1 0 1 0 3 1 0 0 1 1 0 0 4 1 1 0 0 0 0 1 5 0 0 1 0 1 1 0

Filtr antyspamowy List 6 Wystaw oceny!!! List 7 Wystaw studenta P( wystawić, ocena) =? P( wystawić, student) =? P( wystawić, ocena) =? P( wystawić, student) =? list prosić przepisać wystawić ocena student profesor szafa 1 1 1 0 1 1 0 0 2 1 0 1 1 0 1 0 3 1 0 0 1 1 0 0 4 1 1 0 0 0 0 1 5 0 0 1 0 1 1 0 6? 0 0 1 1 0 0 0 7? 0 0 1 0 1 0 0

Filtr antyspamowy list prosić przepisać wystawić ocena student profesor szafa 1 1 1 0 1 1 0 0 2 1 0 1 1 0 1 0 3 1 0 0 1 1 0 0 4 1 1 0 0 0 0 1 5 0 0 1 0 1 1 0 6? 0 0 1 1 0 0 0 7? 0 0 1 0 1 0 0 P( wystawić, ocena) = P( wystawić, ocena) = P( )P(wystawić, ocena ) P(wystawić, ocena) P( )P(wystawić, ocena ) P(wystawić, ocena)

Filtr antyspamowy list prosić przepisać wystawić ocena student profesor szafa 1 1 1 0 1 1 0 0 2 1 0 1 1 0 1 0 3 1 0 0 1 1 0 0 4 1 1 0 0 0 0 1 5 0 0 1 0 1 1 0 6? 0 0 1 1 0 0 0 7? 0 0 1 0 1 0 0 P( wystawić, ocena) = P( )P(wystawić, ocena ) P( wystawić, ocena) = P( )P(wystawić, ocena ) P( )P(wystawić, ocena ) P(wystawić, ocena) P( )P(wystawić, ocena ) P(wystawić, ocena)

Filtr antyspamowy list prosić przepisać wystawić ocena student profesor szafa 1, 2 2 1 1 2 1 1 0 3, 4, 5 2 1 1 1 2 1 1 6? 0 0 1 1 0 0 0 7? 0 0 1 0 1 0 0 P( wystawić, ocena) = P( )P(wystawić, ocena ) P(wystawić, ocena) P( )P(wystawić, ocena ) P( )P(wystawić )P(ocena ) P( wystawić, ocena) = P( )P(wystawić, ocena ) P(wystawić, ocena) P( )P(wystawić, ocena ) P( )P(wystawić )P(ocena )

Filtr antyspamowy list prosić przepisać wystawić ocena student profesor szafa 1, 2 2 1 1 2 1 1 0 3, 4, 5 2 1 1 1 2 1 1 6? 0 0 1 1 0 0 0 7? 0 0 1 0 1 0 0 P( )P(wystawić )P(ocena ) = 2 5 P( )P(wystawić )P(ocena ) = 3 5

Filtr antyspamowy list prosić przepisać wystawić ocena student profesor szafa 1, 2 2 1 1 2 1 1 0 3, 4, 5 2 1 1 1 2 1 1 6? 0 0 1 1 0 0 0 7? 0 0 1 0 1 0 0 P( )P(wystawić )P(ocena ) = 2 5 1 2 2 2 = P( )P(wystawić )P(ocena ) = 3 5 1 3 1 3 =

Filtr antyspamowy list prosić przepisać wystawić ocena student profesor szafa 1, 2 2 1 1 2 1 1 0 3, 4, 5 2 1 1 1 2 1 1 6? 0 0 1 1 0 0 0 7? 0 0 1 0 1 0 0 P( )P(wystawić )P(ocena ) = 2 5 1 2 2 2 = 1 5 P( )P(wystawić )P(ocena ) = 3 5 1 3 1 3 = 1 15

Filtr antyspamowy list prosić przepisać wystawić ocena student profesor szafa 1, 2 2 1 1 2 1 1 0 3, 4, 5 2 1 1 1 2 1 1 6 0 0 1 1 0 0 0 7? 0 0 1 0 1 0 0 P( )P(wystawić )P(ocena ) = 2 5 1 2 2 2 = 1 5 P( )P(wystawić )P(ocena ) = 3 5 1 3 1 3 = 1 15

Filtr antyspamowy list prosić przepisać wystawić ocena student profesor szafa 1, 2 2 1 1 2 1 1 0 3, 4, 5 2 1 1 1 2 1 1 6 0 0 1 1 0 0 0 7? 0 0 1 0 1 0 0 P( )P(wystawić )P(student ) =... P( )P(wystawić )P(student ) =...

Filtr antyspamowy list prosić przepisać wystawić ocena student profesor szafa 1, 2 2 1 1 2 1 1 0 3, 4, 5 2 1 1 1 2 1 1 6 0 0 1 1 0 0 0 7 0 0 1 0 1 0 0 P( )P(wystawić )P(student ) =... = 1 10 P( )P(wystawić )P(student ) =... = 2 15

Filtr antyspamowy List 6 Wystaw oceny!!! List 7 Wystaw studenta

Credits Rysunki i zdjęcia pochodzą z następujących źródeł: List 1 http://commons.wikimedia.org/wiki/file: Sleeping_students.jpg domena publiczna List 2 http://pixabay.com/p-28748/ domena publiczna List 3 http://commons.wikimedia.org/wiki/file: Panda_Cub_from_Wolong,_Sichuan,_China.JPG domena publiczna List 4 http://commons.wikimedia.org/wiki/file: Eichenschrank_Oberschwaben.jpg domena publiczna List 5 http://commons.wikimedia.org/wiki/file: Spy_silhouette.svg CC BY-SA 3.0 by Itzhak Baum aka Setreset