Betingad sannolikhet

Introduktion till statistik

George Boorman

Curriculum Manager, DataCamp

Flera möten

Dragning utan återläggning

Box with Amir, Claire, Damian.png

Dragning utan återläggning

Claire's name pulled out.png

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

Sannolikheten för den andra händelsen påverkas av utfallet av den första

Two columns: First pick column containing Amir, Brian, Claire, Damian. Second pick column is empty.png

Sannolikheten för den andra händelsen påverkas av utfallet av den första

Claire in first column points to Claire in second column with probability 0%.png

Sannolikheten för den andra händelsen påverkas av utfallet av den första

Dragning utan återläggning = varje dragning är beroende

Amir, Brian, and Damian in first column points to Claire in second column with probability 33%.png

Betingad sannolikhet används för att beräkna sannolikheten för beroende händelser
- Sannolikheten för en händelse är betingad av utfallet av en annan

¹ Image credit: https://unsplash.com/@pixeldan

venn_diagram_showing_two_events_and_an_overlap_where_both_events_occur.png

venn_diagram_number_of_orders_over_150_dollars_and_number_kitchen_orders.png

venn_diagram_number_of_orders_over_150_dollars_and_number_kitchen_orders.png

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

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

venn_diagram_number_of_kitchen_orders_and_orders_over_150_dollars.png

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

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

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

$P(A | B)$ → Sannolikheten för händelse A, givet händelse B
$P(A \ \cap \ B)$ → Sannolikheten för händelse A och händelse B
- Dividerat med sannolikheten för händelse B → $P(B)$

Introduktion till statistik