Probabilità condizionata

Introduzione alla statistica

George Boorman

Curriculum Manager, DataCamp

Riunioni multiple

Campionamento senza reinserimento

Scatola con Amir, Claire, Damian.png

Campionamento senza reinserimento

Nome di Claire estratto.png

$$P(\text{Claire}) = \frac{1}{3} = 33\%$$

La probabilità del secondo evento dipende dall’esito del primo

Due colonne: prima estrazione con Amir, Brian, Claire, Damian. Seconda estrazione vuota.png

La probabilità del secondo evento dipende dall’esito del primo

Claire nella prima colonna punta a Claire nella seconda colonna con probabilità 0%.png

La probabilità del secondo evento dipende dall’esito del primo

Campionamento senza reinserimento = ogni estrazione è dipendente

Amir, Brian e Damian nella prima colonna puntano a Claire nella seconda colonna con probabilità 33%.png

La probabilità condizionata serve per calcolare la probabilità di eventi dipendenti
- La probabilità di un evento è condizionata all’esito di un altro

¹ Crediti immagine: https://unsplash.com/@pixeldan

diagramma_di_venn_con_due_eventi_e_sovrapposizione_dove_accadono_entrambi.png

diagramma_di_venn_numero_di_ordini_oltre_150_dollari_e_numero_di_ordini_cucina.png

diagramma_di_venn_numero_di_ordini_oltre_150_dollari_e_numero_di_ordini_cucina.png

$$P(Order > 150 | Kitchen) = \frac{\frac{20}{1767}}{\frac{181}{1767}}$$

$$P(Order > 150 | Kitchen) = \frac{20}{181} $$

diagramma_di_venn_numero_di_ordini_cucina_e_ordini_oltre_150_dollari.png

$$P(Kitchen | Order > 150) = \frac{\frac{20}{1767}}{\frac{601}{1767}}$$

$$P(Kitchen | Order > 150) = \frac{20}{601} $$

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

$P(A | B)$ → Probabilità dell’evento A dato l’evento B
$P(A \ \cap \ B)$ → Probabilità dell’evento A e dell’evento B
- Diviso per la probabilità dell’evento B → $P(B)$

Introduzione alla statistica