Matematici aplicate în economie · Probabilități și statistică

Teoria probabilităților

Intermediar65 min

Pe această pagină

Ce înveți

  • Lucrezi cu evenimente (reuniune, intersecție, contrar) și calculezi probabilități cu regulile de bază.
  • Calculezi probabilități condiționate, verifici independența și folosești formula probabilității totale și formula lui Bayes.
  • Compari decizii în condiții de risc după valoarea așteptată și calculezi cât valorează o informație în plus.

Teorie

Va ploua la festival? Este defect sacul de făină? Este frauduloasă tranzacția? Deciziile economice se iau aproape mereu fără certitudine. Teoria probabilităților măsoară incertitudinea cu numere între 0 și 1 și dă reguli precise pentru a le combina și a le actualiza când apar informații noi.

Partea 1. Experiențe și evenimente

O experiență aleatoare este o situație al cărei rezultat nu se poate prevedea sigur (aruncarea unui zar, vremea de mâine, comanda următorului client). Mulțimea tuturor rezultatelor posibile se notează cu Ω.

Operațiile cu evenimente corespund cuvintelor din limbajul obișnuit:

  • reuniunea A∪BA \cup B („A sau B”): se produce cel puțin unul dintre ele;
  • intersecția A∩BA \cap B („A și B”): se produc amândouă;
  • contrarul Aˉ\bar{A} („non-A”): A nu se produce;
  • diferența A∖BA \setminus B („A, dar nu B”).

Două evenimente sunt incompatibile dacă nu se pot produce împreună: A∩B=∅A \cap B = \varnothing (de exemplu, „clientul plătește cu cardul” și „clientul plătește numerar”, la o singură plată).

Partea 2. Probabilitatea și regulile ei

Probabilitatea se poate obține în trei moduri:

  • clasic, când toate rezultatele sunt la fel de posibile: P(A)=numa˘rul cazurilor favorabilenuma˘rul cazurilor posibileP(A) = \frac{\text{numărul cazurilor favorabile}}{\text{numărul cazurilor posibile}} (aici intervine combinatorica din lecția anterioară);
  • statistic, din frecvența relativă: dacă A s-a produs de m ori în n repetări, fn(A)=m/nf_n(A) = m/n, iar pentru n mare frecvența se stabilizează în jurul probabilității;
  • axiomatic (Kolmogorov): probabilitatea este o funcție care respectă 0≤P(A)≤10 \le P(A) \le 1, P(Ω)=1P(\Omega) = 1 și P(A∪B)=P(A)+P(B)P(A \cup B) = P(A) + P(B) pentru evenimente incompatibile.

Din axiome rezultă regulile de calcul:

P(Aˉ)=1−P(A),P(∅)=0,P(A∪B)=P(A)+P(B)−P(A∩B)P(\bar{A}) = 1 - P(A), \qquad P(\varnothing) = 0, \qquad P(A \cup B) = P(A) + P(B) - P(A \cap B)

Ultima formulă este principiul includerii și excluderii, scris cu probabilități. Exemplu ipotetic: la o cafenea, 60% dintre clienți cumpără cafea (C), 45% un croissant (R), iar 25% ambele. Probabilitatea ca un client să cumpere cel puțin unul dintre ele este 0,6+0,45−0,25=0,80{,}6 + 0{,}45 - 0{,}25 = 0{,}8, iar ca să nu cumpere niciunul, 1−0,8=0,21 - 0{,}8 = 0{,}2.

Partea 3. Probabilitatea condiționată și independența

La cafenea, dintre clienții care cumpără un croissant, cumpără și cafea P(C∣R)=0,25:0,45≈0,56P(C \mid R) = 0{,}25 : 0{,}45 \approx 0{,}56, adică 56%, puțin sub 60% (procentul printre toți clienții).

Din definiție rezultă regula produsului: P(A∩B)=P(B)⋅P(A∣B)=P(A)⋅P(B∣A)P(A \cap B) = P(B) \cdot P(A \mid B) = P(A) \cdot P(B \mid A).

La cafenea, 0,6×0,45=0,27≠0,250{,}6 \times 0{,}45 = 0{,}27 \neq 0{,}25, deci cafeaua și croissantul nu sunt independente (cine ia un croissant ia ceva mai rar cafea). Pentru n evenimente independente, probabilitatea ca toate să se producă este produsul probabilităților, iar probabilitatea ca cel puțin unul să se producă se calculează prin contrar:

P(cel puțin unul)=1−(1−p1)(1−p2)⋯(1−pn)P(\text{cel puțin unul}) = 1 - (1 - p_1)(1 - p_2) \cdots (1 - p_n)

Exemplu ipotetic: dacă fiecare sac de făină este defect, independent, cu probabilitatea 2,9%, într-un lot de 20 de saci există cel puțin un sac defect cu probabilitatea 1−0,97120≈0,441 - 0{,}971^{20} \approx 0{,}44.

Partea 4. Probabilitatea totală și formula lui Bayes

Evenimentele H1,H2,…,HnH_1, H_2, \ldots, H_n formează un sistem complet dacă sunt incompatibile două câte două și reuniunea lor este Ω (exact unul dintre ele se produce: de exemplu, furnizorul de la care vine un sac).

Formula probabilității totale calculează probabilitatea unui eveniment D „pe ramuri”:

P(D)=P(H1) P(D∣H1)+P(H2) P(D∣H2)+…+P(Hn) P(D∣Hn)P(D) = P(H_1) \, P(D \mid H_1) + P(H_2) \, P(D \mid H_2) + \ldots + P(H_n) \, P(D \mid H_n)

Pentru brutărie: P(defect)=0,7×0,02+0,3×0,05=0,014+0,015=0,029P(\text{defect}) = 0{,}7 \times 0{,}02 + 0{,}3 \times 0{,}05 = 0{,}014 + 0{,}015 = 0{,}029, adică 2,9% din saci.

Un sac s-a dovedit defect. De la ce furnizor vine? P(B∣defect)=0,015:0,029≈0,52P(B \mid \text{defect}) = 0{,}015 : 0{,}029 \approx 0{,}52. Deși B livrează doar 30% din făină, de la el vin 52% din sacii defecți. Informația aceasta contează la negocierea cu furnizorii.

Al doilea exemplu ipotetic, despre risc: 1% dintre tranzacțiile cu cardul ale unui magazin online sunt frauduloase. Sistemul de verificare semnalează 95% dintre fraude, dar și 2% dintre tranzacțiile corecte. Dacă o tranzacție este semnalată, probabilitatea să fie fraudă este:

  • P(semnalare)=0,01×0,95+0,99×0,02=0,0095+0,0198=0,0293P(\text{semnalare}) = 0{,}01 \times 0{,}95 + 0{,}99 \times 0{,}02 = 0{,}0095 + 0{,}0198 = 0{,}0293;
  • P(frauda˘∣semnalare)=0,0095:0,0293≈0,32P(\text{fraudă} \mid \text{semnalare}) = 0{,}0095 : 0{,}0293 \approx 0{,}32.

Doar o treime dintre alerte sunt fraude reale, pentru că fraudele sunt rare, iar alarmele false, deși rare, se aplică unui număr foarte mare de tranzacții corecte. Greșeala de a ignora cât de rar este evenimentul de bază se numește neglijarea ratei de bază.

Partea 5. Decizii în condiții de risc

Când o decizie are mai multe rezultate posibile, cu probabilități cunoscute, un criteriu simplu este valoarea așteptată: media rezultatelor, ponderată cu probabilitățile lor.

VA=p1x1+p2x2+…+pnxnVA = p_1 x_1 + p_2 x_2 + \ldots + p_n x_n

Exemplu ipotetic: un vânzător de înghețată la un festival poate face o comandă mică sau una mare. Probabilitatea de vreme însorită este 0,6.

ComandaProfit dacă e soareProfit dacă plouăValoarea așteptată
mică600 lei300 lei0,6×600+0,4×300=4800{,}6 \times 600 + 0{,}4 \times 300 = 480 lei
mare1200 lei−200 lei0,6×1200+0,4×(−200)=6400{,}6 \times 1200 + 0{,}4 \times (-200) = 640 lei

După valoarea așteptată, comanda mare este mai bună, dar aduce risc: pierde 200 de lei dacă plouă. O persoană prudentă poate prefera comanda mică; lecția următoare măsoară acest risc cu abaterea standard.

Actualizarea deciziei cu Bayes. Vânzătorul se uită la prognoză. Când urmează să fie soare, prognoza spune „soare” în 80% din cazuri; când urmează să plouă, spune „soare” în 30% din cazuri. Prognoza spune „ploaie”:

  • P(prognoza˘ ploaie)=0,6×0,2+0,4×0,7=0,12+0,28=0,4P(\text{prognoză ploaie}) = 0{,}6 \times 0{,}2 + 0{,}4 \times 0{,}7 = 0{,}12 + 0{,}28 = 0{,}4;
  • P(soare∣prognoza˘ ploaie)=0,12:0,4=0,3P(\text{soare} \mid \text{prognoză ploaie}) = 0{,}12 : 0{,}4 = 0{,}3;
  • acum comanda mare are 0,3×1200+0,7×(−200)=2200{,}3 \times 1200 + 0{,}7 \times (-200) = 220 de lei, iar cea mică 0,3×600+0,7×300=3900{,}3 \times 600 + 0{,}7 \times 300 = 390 de lei. Decizia se schimbă: comanda mică.

Dacă prognoza spune „soare”, probabilitatea de soare urcă la 0,48:0,6=0,80{,}48 : 0{,}6 = 0{,}8, iar comanda mare aduce în medie 0,8×1200+0,2×(−200)=9200{,}8 \times 1200 + 0{,}2 \times (-200) = 920 de lei. Cu prognoză, vânzătorul câștigă în medie 0,6×920+0,4×390=7080{,}6 \times 920 + 0{,}4 \times 390 = 708 lei, față de 640 fără ea. Diferența, 68 de lei, este valoarea informației: suma maximă pe care ar merita s-o plătească pentru prognoză.

Video

Conditional Probabilities, Clearly Explained!!!

de StatQuest with Josh Starmer

Se încarcă de pe YouTube

Conditional Probabilities, Clearly Explained!!! · de StatQuest with Josh Starmer · Deschide pe YouTube

Întrebare-ghid: Clipul este în engleză. Urmărește cum se calculează o probabilitate condiționată dintr-un tabel cu frecvențe și compar-o cu exemplul cafenelei din Partea 3.

Bayes theorem, the geometry of changing beliefs

de 3Blue1Brown

Se încarcă de pe YouTube

Bayes theorem, the geometry of changing beliefs · de 3Blue1Brown · Deschide pe YouTube

Întrebare-ghid: Clipul este în engleză (prior = a priori, posterior = a posteriori, evidence = informația nouă). Urmărește cum se restrânge „populația” la cei care se potrivesc informației și aplică ideea la exemplul fraudelor din Partea 4.

Exemple grafice

Primul grafic arată, pentru sistemul de verificare a tranzacțiilor, cât de credibilă este o alertă în funcție de cât de frecvente sunt fraudele.

025507510025101520Frecvența fraudelor (%)Probabilitatea de fraudă după alertă (%)P(fraudă | alertă)1% fraude: 32%
Cu un sistem care semnalează 95% dintre fraude și 2% dintre tranzacțiile corecte, o alertă înseamnă fraudă în 4,5% din cazuri când fraudele sunt 0,1% din tranzacții, în 32% din cazuri când sunt 1% și în 92% din cazuri când sunt 20%.
Vezi datele ca tabel
Cât de credibilă este o alertă de fraudă
SerieFrecvența fraudelor (%)Probabilitatea de fraudă după alertă (%)
P(fraudă | alertă)0,14,54
P(fraudă | alertă)0,519,27
P(fraudă | alertă)132,42
P(fraudă | alertă)249,22
P(fraudă | alertă)359,5
P(fraudă | alertă)571,43
P(fraudă | alertă)7,579,39
P(fraudă | alertă)1084,07
P(fraudă | alertă)1589,34
P(fraudă | alertă)2092,23
1% fraude: 32%132,42

Încearcă să calculezi pentru fraude de 5%: 0,05×0,95=0,04750{,}05 \times 0{,}95 = 0{,}0475 și 0,95×0,02=0,0190{,}95 \times 0{,}02 = 0{,}019, deci 0,0475:0,0665≈71%0{,}0475 : 0{,}0665 \approx 71\%. Concluzie: același sistem de verificare dă alerte foarte diferite ca valoare, în funcție de rata de bază a fraudelor.

Al doilea grafic arată probabilitatea ca într-un lot de n saci să existe cel puțin un sac defect, dacă fiecare este defect independent cu probabilitatea 2,9%.

0255075100102030405060708090100Saci în lot (n)Cel puțin un sac defect (%)1 − 0,971ⁿ20 de saci: 44,5%
Probabilitatea 1 − 0,971ⁿ crește de la 13,7% pentru 5 saci la 25,5% pentru 10, 44,5% pentru 20, 77% pentru 50 și 94,7% pentru 100 de saci.
Vezi datele ca tabel
Cel puțin un sac defect într-un lot
SerieSaci în lot (n)Cel puțin un sac defect (%)
1 − 0,971ⁿ00
1 − 0,971ⁿ513,68
1 − 0,971ⁿ1025,49
1 − 0,971ⁿ2044,49
1 − 0,971ⁿ3058,64
1 − 0,971ⁿ5077,04
1 − 0,971ⁿ7589
1 − 0,971ⁿ10094,73
20 de saci: 44,5%2044,49

Încearcă să calculezi pentru 10 saci: 0,97110≈0,7450{,}971^{10} \approx 0{,}745, deci 1−0,745=0,2551 - 0{,}745 = 0{,}255. Concluzie: un risc mic la fiecare bucată devine aproape sigur la un lot mare, de aceea controlul calității se face pe eșantioane.

Aprofundare

De unde vine formula lui Bayes

Regula produsului scrie aceeași intersecție în două feluri: P(H∩D)=P(H) P(D∣H)=P(D) P(H∣D)P(H \cap D) = P(H) \, P(D \mid H) = P(D) \, P(H \mid D). Împarți la P(D)P(D) și obții formula lui Bayes. Numitorul P(D)P(D) se calculează cu formula probabilității totale. O metodă practică, fără formule, este tabelul cu frecvențe: imaginează-ți 10 000 de tranzacții, dintre care 100 sunt fraude; sistemul semnalează 95 dintre ele și 198 dintre cele 9900 corecte, deci dintre cele 293 de alerte, 95 sunt fraude (32%).

Problema zilelor de naștere

Câte persoane trebuie să fie într-o cameră pentru ca probabilitatea ca două să aibă aceeași zi de naștere să depășească 50%? Prin contrar, probabilitatea ca toate n zilele să fie diferite este A365n365n\frac{A_{365}^n}{365^n}. Ea scade sub 50% deja la n=23n = 23. Intuiția greșește, pentru că numărul de perechi de persoane crește repede (C232=253C_{23}^2 = 253 de perechi).

Excepții și nuanțe

  • Independența este o ipoteză, nu o regulă. Saci din același lot, produși în aceeași zi, pot fi defecți împreună; atunci formula 1−0,971n1 - 0{,}971^n subestimează sau supraestimează riscul.
  • Eroarea jucătorului: după cinci zile ploioase, probabilitatea de ploaie mâine nu scade „pentru că urmează soarele”, dacă zilele sunt independente.
  • Valoarea așteptată nu ține cont de atitudinea față de risc. O firmă mică, pentru care o pierdere mare înseamnă faliment, poate alege rațional varianta cu valoarea așteptată mai mică.
  • P(A∣B)P(A \mid B) și P(B∣A)P(B \mid A) sunt lucruri diferite: probabilitatea unei alerte știind că e fraudă (95%) nu este probabilitatea de fraudă știind că există o alertă (32%).

Un caz real: scrisorile dintre Pascal și Fermat

În 1654, un pasionat de jocuri de noroc din Paris, cavalerul de Méré, i-a pus lui Blaise Pascal o întrebare: cum se împart corect mizele unui joc întrerupt înainte de final? Pascal și Pierre de Fermat au rezolvat „problema punctelor” într-o serie de scrisori, numărând toate continuările posibile ale jocului. Corespondența lor este considerată începutul teoriei probabilităților. Un secol mai târziu, în 1763, Richard Price a publicat, după moartea prietenului său Thomas Bayes, eseul în care apărea ideea actualizării probabilităților pe baza informațiilor noi, folosită astăzi în filtrele de spam, diagnosticul medical și evaluarea riscului de credit.

Quiz

Verifică ce ai înțeles. Poți reîncerca oricând.

1. Probabilitatea ca un client să plătească cu cardul este 0,7. Care este probabilitatea ca el să nu plătească cu cardul?

Scrie un număr.

2. P(A) = 0,6, P(B) = 0,45 și P(A ∩ B) = 0,25. Cât este P(A ∪ B)?

Scrie un număr.

3. P(A ∩ B) = 0,25 și P(B) = 0,5. Cât este probabilitatea condiționată P(A | B)?

Scrie un număr.

4. P(A) = 0,4, P(B) = 0,5 și P(A ∩ B) = 0,2. Ce poți spune despre A și B?

Alege o singură variantă.

5. O brutărie cumpără 70% din făină de la A (2% saci defecți) și 30% de la B (5% saci defecți). Ce procent din saci sunt defecți?

Scrie un număr.

%

6. Cu datele de la întrebarea anterioară, un sac este defect. Care este probabilitatea (în procente, rotunjită la întreg) să vină de la furnizorul B?

Scrie un număr.

%

7. Un sistem semnalează 95% dintre fraude și 2% dintre tranzacțiile corecte, iar fraudele sunt 1% din tranzacții. De ce doar aproximativ o treime dintre alerte sunt fraude reale?

Alege o singură variantă.

8. O decizie aduce 1200 de lei cu probabilitatea 0,6 și pierde 200 de lei cu probabilitatea 0,4. Care este valoarea ei așteptată, în lei?

Scrie un număr.

lei