Условная вероятность в теории вероятностей¶

Условная вероятность — это вероятность наступления события A при условии, что произошло другое событие B. Она обозначается как P(A|B) и определяется формулой P(A|B) = P(A ∩ B) / P(B) при условии, что P(B) > 0. Это одно из центральных понятий теории вероятностей, лежащее в основе формулы Байеса, теории марковских процессов, статистического вывода и машинного обучения.

¶Определение и основные свойства

Формально условная вероятность события A относительно события B определяется как отношение вероятности совместного наступления событий A и B к вероятности события B:

P(A|B) = P(A ∩ B) / P(B), если P(B) > 0.

Если P(B) = 0, условная вероятность не определена. Из определения следуют ключевые свойства:

• 0 ≤ P(A|B) ≤ 1 для любых событий A и B с P(B) > 0.
• P(B|B) = 1.
• Если A и B независимы, то P(A|B) = P(A).
• Правило умножения: P(A ∩ B) = P(A|B) · P(B) = P(B|A) · P(A).

Условная вероятность удовлетворяет всем аксиомам Колмогорова при фиксированном условии B, то есть при фиксированном B функция A ↦ P(A|B) является вероятностной мерой.

¶История понятия

Понятие условной вероятности возникло в работах математиков XVIII века. Томас Байес в 1763 году (посмертно) сформулировал теорему, связывающую P(A|B) и P(B|A). Пьер-Симон Лаплас развил эти идеи и применил их к задачам астрономии и демографии. В XIX–XX веках понятие было формализовано в рамках аксиоматики Колмогорова (1933) и стало основой современной статистики. В России значительный вклад в теорию вероятностей внесли П. Л. Чебышёв, А. А. Марков (создатель теории марковских цепей) и А. Н. Колмогоров.

¶Формула Байеса

Формула Байеса позволяет пересчитать условную вероятность при появлении новых данных:

P(A|B) = P(B|A) · P(A) / P(B).

Здесь P(A) — априорная вероятность гипотезы A, P(B|A) — правдоподобие наблюдения B при истинности A, P(A|B) — апостериорная вероятность. Если гипотезы A₁, A₂, …, Aₙ образуют полную группу несовместных событий, знаменатель вычисляется по формуле полной вероятности:

P(B) = Σ P(B|Aᵢ) · P(Aᵢ).

Формула Байеса широко применяется в диагностике заболеваний, спам-фильтрах, поисковых системах и байесовских методах машинного обучения.

¶Примеры

Медицинская диагностика. Пусть заболевание встречается у 1% населения, тест выявляет болезнь у 99% больных и даёт 5% ложноположительных результатов. Тогда вероятность болезни при положительном тесте составит около 16,7%, что демонстрирует контринтуитивный характер условных вероятностей.

Игральные кости. Вероятность выпадения суммы 8 при условии, что выпало чётное число, отличается от безусловной вероятности этой суммы.

Парадокс Монти Холла. Задача о трёх дверях иллюстрирует, как учёт условия меняет оптимальную стратегию игрока.

¶Применение

Условная вероятность используется в следующих областях:

• Статистика и эконометрика — регрессионный анализ, оценка рисков.
• Машинное обучение — наивный байесовский классификатор, скрытые марковские модели, байесовские сети.
• Теория информации — условная энтропия.
• Финансы — оценка кредитных и рыночных рисков.
• Медицина — интерпретация диагностических тестов.
• Юриспруденция — оценка доказательств (теорема Байеса в судебной статистике).

¶Связанные понятия

С условной вероятностью тесно связаны:

• Независимость событий — A и B независимы, если P(A|B) = P(A).
• Формула полной вероятности — разложение безусловной вероятности по гипотезам.
• Условное математическое ожидание — E(X|Y) как обобщение понятия на случайные величины.
• Цепное правило — P(A₁ ∩ … ∩ Aₙ) = P(A₁) · P(A₂|A₁) · … · P(Aₙ|A₁ ∩ … ∩ Aₙ₋₁).
• Марковские процессы — переходные вероятности зависят только от текущего состояния.

¶Типичные ошибки

Распространённая ошибка — путаница обратных условных вероятностей: P(A|B) и P(B|A) не равны. Также часто игнорируется априорная вероятность (ошибка базовой ставки) и предполагается независимость событий без оснований. Эти ошибки лежат в основе многих заблуждений в медицине, юриспруденции и повседневных суждениях.

¶Значение

Условная вероятность — фундаментальный инструмент анализа зависимых событий. Она позволяет обновлять оценки при поступлении новой информации, что делает её ключевым понятием байесовского вывода, статистического обучения и принятия решений в условиях неопределённости. В российской математической школе теория условных вероятностей традиционно преподаётся в курсах теории вероятностей и математической статистики начиная с первых курсов университетов.

Источники: Колмогоров А. Н. «Основные понятия теории вероятностей»; Гнеденко Б. В. «Курс теории вероятностей»; Ширяев А. Н. «Вероятность»; Феллер В. «Введение в теорию вероятностей и её приложения».