Prawdopodobieństwo warunkowe i twierdzenie Bayesa: jak zmienić ocenę, gdy dowiesz się czegoś nowego

Prawdopodobieństwo warunkowe, reguła mnożenia, niezależność, prawdopodobieństwo całkowite i twierdzenie Bayesa — i dlaczego pozytywny test na rzadką chorobę oznacza tylko 16,7 %.

13 minut Matěj Žalmánek 2026-10-15

Seria Podstawy AI Część 13 z 52

1. Mapa sztucznej inteligencji: co jest czym i jak to do siebie pasuje
2. Krótka historia sztucznej inteligencji: od Turinga do modeli językowych
3. Dane, model, trening, inferencja: podstawowe pojęcia na jednym przykładzie
4. Jak czytać zapis matematyczny: symbole, indeksy, sumy i kwantyfikatory
5. Zbiory i relacje: klocki, z których składają się definicje w AI
6. Funkcje i odwzorowania: dlaczego każdy model AI jest funkcją
7. Logika i dowody: reguły, według których rozumuje AI
8. Grafy i drzewa: struktura, na której opierają się przeszukiwanie i sieci neuronowe
9. Algebra liniowa dla uczenia maszynowego: wektory, macierze i dlaczego AI głównie mnoży
10. Pochodne, gradient i reguła łańcuchowa: jak model ustala, w którą stronę się uczyć
11. Spadek gradientu: jak uczy się model
12. Czym jest prawdopodobieństwo: od rzutu kostką do aksjomatów Kołmogorowa
13. Prawdopodobieństwo warunkowe i twierdzenie Bayesa: jak zmienić ocenę, gdy dowiesz się czegoś nowego
14. Zmienna losowa i dystrybuanta: jedna funkcja, która mówi o rozkładzie wszystko
15. Funkcja gęstości i funkcja prawdopodobieństwa: dlaczego zmienna ciągła ma w punkcie prawdopodobieństwo zero
16. Wartość oczekiwana, wariancja i kowariancja: gdzie leży rozkład, jak jest szeroki i co z czym się wiąże
17. Przegląd rozkładów prawdopodobieństwa: Bernoulliego, dwumianowy, Poissona, jednostajny, normalny i wykładniczy
18. Prawo wielkich liczb i centralne twierdzenie graniczne: dlaczego średnie zachowują się tak przewidywalnie
19. Statystyka i estymacja parametrów: największa wiarygodność, MAP i przedziały ufności
20. Teoria informacji: entropia, entropia krzyżowa i dywergencja KL — skąd się biorą funkcje straty
21. Przeszukiwanie przestrzeni stanów: BFS, DFS, UCS i A* z animacjami
22. Gry i przeciwnik: minimax, przycinanie alfa-beta i Monte Carlo tree search
23. Spełnianie ograniczeń: backtracking, propagacja ograniczeń i AC-3 na sudoku i mapie czeskich krajów
24. Logika i systemy z bazą wiedzy: wnioskowanie w przód i wstecz, rezolucja i systemy ekspertowe
25. Planowanie: STRIPS, świat klocków, heurystyki z relaksacji i planowanie w agentach AI
26. Przeszukiwanie lokalne i symulowane wyżarzanie: komiwojażer przez czeskie miasta wojewódzkie
27. Algorytmy genetyczne: populacja, krzyżowanie, mutacja i selekcja na plecaku na wycieczkę
28. Strategie ewolucyjne i programowanie genetyczne: od reguły jednej piątej do prawa Keplera
29. Optymalizacja kolonią mrówek: jak ślad feromonowy znajduje krótką drogę
30. Optymalizacja rojem cząstek: bezwładność, własne doświadczenie i doświadczenie roju
31. Neuroewolucja: ewolucja wag i kształtu sieci neuronowych oraz algorytm NEAT
32. Zbiory rozmyte i funkcje przynależności: jak zapisać „trochę ciepło”
33. Logika rozmyta a prawdopodobieństwo: dlaczego „trochę ciepło” nie znaczy „prawdopodobnie ciepło”
34. Logika rozmyta: t-normy, implikacje i reguły JEŻELI–TO
35. Sterowanie rozmyte: Mamdani i Sugeno od wentylatora po wahadło na wózku
36. Klasteryzacja rozmyta: algorytm fuzzy c-means i punkty między skupieniami
37. Systemy neuro-rozmyte (ANFIS): reguły rozmyte, które uczą się z danych
38. Łańcuchy Markowa: macierz przejścia, rozkład stacjonarny i PageRank
39. Ukryte modele Markowa: algorytm Viterbiego i nieuczciwe kasyno
40. Sieci bayesowskie: dlaczego trawa jest mokra i co z tego wynika dla zraszacza
41. Filtr Kalmana: jak z niedokładnych pomiarów oszacować, gdzie jest samochód i jak szybko jedzie
42. Rodzaje uczenia maszynowego: nadzorowane, nienadzorowane, półnadzorowane i inne
43. Prompty, kontekst i RAG: jak dać modelowi właściwe informacje
44. Wariacyjne autoenkodery (VAE): nowe obrazki z ciągłej przestrzeni latentnej
45. Generatywne sieci przeciwstawne (GAN): fałszerz kontra detektyw
46. Modele dyfuzyjne: jak z czystego szumu powstaje obraz
47. Procesy decyzyjne Markowa: stany, akcje, nagrody i równania Bellmana
48. Q-learning i DQN: uczenie się wartości akcji od tabeli po sieć neuronową
49. Policy gradient i PPO: uczenie się bezpośrednio polityki
50. Jak działa agent AI: model językowy w pętli z narzędziami
51. Programowanie z agentami AI: zadanie, testy i kontrola
52. Ocena i bezpieczeństwo systemów AI: jak mierzyć i jak pilnować

Pełny program serii Gotowe: 52 z 83 tematów

Prawdopodobieństwo nie jest stałą liczbą wykutą w kamieniu. Kiedy dowiadujesz się czegoś nowego, zmienia się. Prawdopodobieństwo, że pada deszcz, jest inne, gdy wiesz, że niebo jest zachmurzone. Prawdopodobieństwo, że e-mail to spam, jest inne, gdy stoi w nim „wygrałeś”. Ta część mówi o tym, jak dokładnie przeliczyć prawdopodobieństwo, gdy pojawia się nowa informacja — i o twierdzeniu, na którym opierają się filtry antyspamowe, diagnostyka medyczna i spora część uczenia maszynowego.

Nawiązuje do części Czym jest prawdopodobieństwo i znów korzysta z dwóch kostek.

1. Prawdopodobieństwo warunkowe

Definicja — prawdopodobieństwo warunkowe

Dla zdarzeń A, B z P(B) > 0 prawdopodobieństwem warunkowym zdarzenia A pod warunkiem B nazywamy

P(A | B) = P(A ∩ B) / P(B).

Kolega rzucił dwiema kostkami i zdradza tylko, że wypadła co najmniej jedna szóstka. Jakie jest prawdopodobieństwo, że suma oczek wynosi 7? Z 36 wyników zostaje 11 z szóstką — i tylko dwa z nich, (1, 6) i (6, 1), dają sumę 7:

P(suma 7 | co najmniej jedna szóstka) = 2/11 ≈ 0,182 — trochę więcej niż bez warunku, gdy wynosi 1/6 ≈ 0,167. I uwaga na kolejność: P(co najmniej jedna szóstka | suma 7) = 2/6 = 1/3. P(A | B) i P(B | A) to na ogół zupełnie różne liczby.

2. Reguła mnożenia

Twierdzenie — reguła mnożenia

P(A ∩ B) = P(A | B) · P(B) = P(B | A) · P(A).

3. Niezależność

Definicja — zdarzenia niezależne

Zdarzenia A i B są niezależne, gdy P(A ∩ B) = P(A) · P(B). Dla P(B) > 0 jest to równoważne P(A | B) = P(A).

Niezależność potrafi zaskoczyć. „Suma wynosi 7” i „na pierwszej kostce wypadła szóstka” są niezależne: P obu wynosi 1/36, a 1/6 · 1/6 = 1/36 — cokolwiek wypadnie na pierwszej kostce, na drugiej istnieje dokładnie jedna liczba, która daje sumę 7. Natomiast „suma wynosi 12” i „na pierwszej jest szóstka” niezależne nie są: bez warunku suma 12 ma tylko 1/36, ale z szóstką na pierwszej kostce już 1/6.

I nie myl zdarzeń niezależnych z rozłącznymi. Zdarzenia rozłączne są wręcz silnie zależne — gdy zaszło jedno, wiesz na pewno, że drugie nie zaszło.

4. Wzór na prawdopodobieństwo całkowite

Twierdzenie — prawdopodobieństwo całkowite

Jeśli zdarzenia H₁, …, H_k tworzą rozbicie przestrzeni Ω (są parami rozłączne i razem pokrywają Ω), to dla każdego zdarzenia A zachodzi

P(A) = ∑_i=1^k P(A | H_i) · P(H_i).

5. Twierdzenie Bayesa

Twierdzenie — twierdzenie Bayesa

Dla P(A) > 0 zachodzi

P(H | A) = P(A | H) · P(H) / P(A),

gdzie mianownik P(A) oblicza się ze wzoru na prawdopodobieństwo całkowite.

Poszczególne części twierdzenia mają swoje nazwy:

Definicja — prawdopodobieństwo a priori

P(H) to prawdopodobieństwo a priori hipotezy H — zanim zobaczymy dane A.

Definicja — wiarygodność

P(A | H) to wiarygodność — jak prawdopodobne byłyby dane A, gdyby hipoteza H była prawdziwa.

Definicja — prawdopodobieństwo a posteriori

P(H | A) to prawdopodobieństwo a posteriori — ocena hipotezy H po tym, jak zobaczyliśmy dane A.

6. Pozytywny test: dlaczego tylko 16,7 %

Na chorobę cierpi 1 % ludzi. Test wykrywa ją u chorego w 99 % przypadków, ale u zdrowego w 5 % przypadków daje fałszywy alarm. Twój test jest pozytywny. Jak prawdopodobne jest, że masz tę chorobę? Większość ludzi — w tym wielu lekarzy — strzela, że około 95 %. Twierdzenie Bayesa mówi:

Tylko 16,7 %. Najlepiej widać to na częstościach naturalnych — zamiast prawdopodobieństw wyobraź sobie 10 000 osób:

Chorych jest 100, a test wychwytuje 99 z nich. Zdrowych jest jednak 9 900 i nawet tylko 5 % z nich to 495 fałszywych alarmów. Pozytywnych wyników jest łącznie 594, a chorych wśród nich tylko 99 — jedna szósta. Ten błąd intuicji ma swoją nazwę: zaniedbywanie częstości bazowej. Gdy coś jest rzadkie, nawet dokładny test daje więcej fałszywych alarmów niż prawdziwych wykryć.

7. Uczenie się z danych: a posteriori staje się a priori

A co, jeśli test się powtórzy i znów wyjdzie pozytywny? Teraz nie zaczynamy już od 1 % — wynik pierwszego testu jest nowym punktem wyjścia. Prawdopodobieństwo a posteriori staje się a priori:

Po drugim pozytywnym teście to już 79,8 %, po trzecim 98,7 %. Każdy dowód przesuwa ocenę, a kolejny dowód opiera się na poprzednim. Dokładnie tak uczą się modele bayesowskie — zaczynają od jakiegoś założenia i z każdym kawałkiem danych je doprecyzowują.

8. Bayes w sztucznej inteligencji

• Filtry antyspamowe — jeśli spam stanowi 40 % poczty, a słowo „wygrana” występuje w 30 % spamu i tylko w 1 % pozostałych e-maili, to e-mail ze słowem „wygrana” jest spamem z prawdopodobieństwem 0,12 / 0,126 ≈ 0,952. Naiwny klasyfikator Bayesa robi to dla każdego słowa.
• Modele językowe obliczają prawdopodobieństwo warunkowe następnego słowa pod warunkiem wszystkich poprzednich: P(x_t | x₁, …, x_t−1). Cały tekst to iloczyn takich warunków — reguła mnożenia.
• Sieci bayesowskie zapisują w postaci grafu skierowanego, które wielkości od siebie zależą, i liczą z prawdopodobieństwami warunkowymi wzdłuż jego krawędzi.
• Niepewność modelu — metody bayesowskie nie dają tylko jednej odpowiedzi, lecz rozkład: na ile model jest pewny i gdzie pomogłyby mu kolejne dane.

9. Podsumowanie

• Prawdopodobieństwo warunkowe P(A | B) liczy tylko wewnątrz B; P(A | B) ≠ P(B | A).
• Reguła mnożenia: P(A ∩ B) = P(A | B) · P(B). Zdarzenia niezależne nic sobie nie zdradzają.
• Wzór na prawdopodobieństwo całkowite sumuje wszystkie drogi, którymi może zajść zdarzenie.
• Twierdzenie Bayesa odwraca warunek: z prawdopodobieństwa a priori i wiarygodności robi prawdopodobieństwo a posteriori.
• Przy rzadkich zdarzeniach nawet dokładny test daje wiele fałszywych alarmów — nie zapominaj o częstości bazowej.

Masz inne zdanie? Napisz na support@coden-app.com.