🎓 Lekcja: prawdopodobieństwo całkowite i bayes (matematyka – rozszerzenie, poziom full)
🎯 1. Czego wymaga CKE
Krok po kroku, z rysunkami i głosem — dokładnie ten temat z lekcji, zadania CKE i tłumaczenie Twojego błędu. Dostęp w pakiecie PRO.
Odblokuj korepetytora →Analizując informator CKE oraz arkusze maturalne z matematyki na poziomie rozszerzonym (w tym wytyczne dla nowej matury 2027), zagadnienia dotyczące prawdopodobieństwa całkowitego oraz wzoru Bayesa należą do absolutnego kanonu "trudnych punktów" (często pojawiają się w zadaniach otwartych za 4, 5 lub 6 punktów w sekcji końcowej arkusza).
CKE wymaga od maturzysty nie tylko mechanicznego podstawiania pod wzory, ale przede wszystkim wykazania się umiejętnością: 1. Modelowania matematycznego: Poprawnego zdefiniowania przestrzeni zdarzeń elementarnych oraz rozbicia jej na rozłączne hipotezy (układ zapanowany, czyli pełna układ zdarzeń $H_1, H_2, \dots, H_n$). 2. Interpretacji konstrukcji drzew stochastycznych: Umiejętności przeliczania prawdopodobieństw gałęziowych (iloczyn prawdopodobieństw wzdłuż gałęzi) oraz sumowania prawdopodobieństw dla dróg prowadzących do tego samego wyniku (prawdopodobieństwo całkowite). 3. Odwracania warunkowości (Wzór Bayesa): Zrozumienia różnicy między prawdopodobieństwem $P(A|B)$ a $P(B|A)$. CKE często nagradza zdających, którzy potrafią zilustrować problem za pomocą tabel dwudzielnych lub drzewa, a dopiero potem zapisać formalny rachunek. 4. Precyzyjnego zapisu dowodowego i algebraicznego: Wymagane jest jawne powołanie się na warunki stosowalności wzorów, tj. $P(H_i) > 0$ dla każdego $i$ oraz $\sum_{i=1}^n P(H_i) = 1$. Brak formalnego uzasadnienia rozłączności hipotez i pełności układu może kosztować utratę cennego punktu u kluczera CKE.
🧠 2. Mapa pojęć (Metalearning)
Aby opanować ten dział bez wkuwania na pamięć, musisz spojrzeć na prawdopodobieństwo całkowite i Bayesa jak na logikę sekwencyjną. Poniższa tabela przedstawia hierarchię pojęć metodą metalearningu:
| Pojęcie bazowe | Pojęcie zaawansowane (Rozszerzenie) | Pułapka CKE (Najczęstszy błąd) |
|---|---|---|
| Prawdopodobieństwo klasyczne $P(A) = \frac{|A|}{|\Omega|}$ | Prawdopodobieństwo warunkowe $P(A|B) = \frac{P(A \cap B)}{P(B)}$ | Pomylenie warunku: liczenie $P(A|B)$ zamiast $P(B|A)$. |
| Zdarzenia rozłączne ($A \cap B = \emptyset$) | Układ zupełny zdarzeń ($H_1 \cup H_2 \cup \dots \cup H_n = \Omega$) | Zapomnienie o sprawdzeniu, czy hipotezy sumują się do 1 i są parami rozłączne. |
| Drzewo stochastyczne (reguła mnożenia) | Drzewo wielopoziomowe z redukcją gałęzi | Błędne przypisanie prawdopodobieństw warunkowych na drugim poziomie drzewa. |
| Wzór na prawdopodobieństwo iloczynu | Prawdopodobieństwo całkowite: $P(A) = \sum P(H_i) \cdot P(A|H_i)$ | Błędne sumowanie prawdopodobieństw zamiast ich ważonego średnioważenia. |
| Odwracanie implikacji logicznych | Wzór Bayesa: $P(H_k|A) = \frac{P(H_k) \cdot P(A|H_k)}{P(A)}$ | Zostawienie w mianowniku niewyliczonego $P(A)$ zamiast rozpisania go ze wzoru na prawdopodobieństwo całkowite. |
📚 3. Teoria i intuicja (Technika Feynmana)
Wyobraź sobie, że jesteś detektywem. Masz sprawę: doszło do zdarzenia $A$ (np. w fabryce wykryto wadliwy produkt). Fabryka posiada trzy linie produkcyjne: $H_1, H_2, H_3$.
Intuicja 1: Prawdopodobieństwo całkowite (Prognoza "w przód")
Znasz wydajność każdej linii (czyli szansę, że produkt pochodzi z danej linii: $P(H_1), P(H_2), P(H_3)$) oraz wskaźnik wadliwości na każdej z linii ($P(wadliwy|H_1)$ itd.). Pytanie brzmi: Jakie jest ogólne prawdopodobieństwo, że losowy produkt z magazynu będzie wadliwy? Odpowiedź daje prawdopodobieństwo całkowite. Ważysz szanse wadliwości z uwzględnieniem tego, jak często działy produkcyjne wypuszczają towar. Wzór maturalny dla $n$ hipotez: $$P(A) = \sum_{i=1}^{n} P(H_i) \cdot P(A|H_i) = P(H_1)P(A|H_1) + P(H_2)P(A|H_2) + \dots + P(H_n)P(A|H_n)$$
Intuicja 2: Wzór Bayesa (Śledztwo "w tył")
Teraz zmieniamy perspektywę. Klient przyniósł do reklamacji wadliwy produkt ($A$ zostało już zaistniałe/dane). Pytamy: Z jakiego dużego prawdopodobieństwa produkt ten pochodzi z linii numer 2? ($P(H_2|wiemy, że A)$). To jest właśnie prawdopodobieństwo a posteriori (po fakcie). Wzór Bayesa pozwala nam "odwrócić" gałęzie drzewa stochastycznego: $$P(H_k|A) = \frac{P(H_k \cap A)}{P(A)} = \frac{P(H_k) \cdot P(A|H_k)}{\sum_{i=1}^{n} P(H_i) \cdot P(A|H_i)}$$ Licznik to prawdopodobieństwo gałęzi prowadzącej przez interesującą nas hipotezę $H_k$, a mianownik to suma wszystkich możliwych dróg prowadzących do zdarzenia $A$ (czyli dokładnie prawdopodobieństwo całkowite wyliczone przed chwilą).
✍️ 4. Przykłady krok po kroku
Zadanie typowo-maturalne (CKE, poziom rozszerzony)
W urnie $U_1$ znajduje się 5 kul białych i 3 czarne. W urnie $U_2$ są 2 kule białe i 4 czarne. Rzucamy symetryczną kostką do gry. Jeśli wypłynie 6 oczek, losujemy dwie kule z urny $U_1$. W każdym innym przypadku losujemy dwie kule z urny $U_2$. Oblicz prawdopodobieństwo zdarzenia, że wylosowane dwie kule są różnokolorowe.
Rozwiązanie krok po kroku:
Krok 1: Definicja hipotez (układ zupełny) Rzucamy kostką sześcienną. Zdarzenia sprzyjające wylosowaniu szóstki dzielą przestrzeń na dwa rozłączne scenariusze: * $H_1$: Wypadła szóstka (wybieramy urnę $U_1$). Prawdopodobieństwo: $P(H_1) = \frac{1}{6}$. * $H_2$: Nie wypada szóstka (wybieramy urnę $U_2$). Prawdopodobieństwo: $P(H_2) = \frac{5}{6}$. Zauważmy, że $P(H_1) + P(H_2) = \frac{1}{6} + \frac{5}{6} = 1$. Układ spełnia warunki CKE.
Krok 2: Analiza zdarzenia warunkowego $A$ (wylosowanie dwóch kul różnokolorowych) * Obliczamy prawdopodobieństwo wylosowania 2 kul różnokolorowych pod warunkiem, że wybraliśmy urnę $U_1$ (5 białych, 3 czarne, łącznie 8 kul): Liczba wszystkich sposobów wyciągnięcia 2 kul z $U_1$: $|\Omega_1| = \binom{8}{2} = \frac{8 \cdot 7}{2} = 28$. Liczba sposobów wyciągnięcia 1 białej i 1 czarnej z $U_1$: $|A_1| = \binom{5}{1} \cdot \binom{3}{1} = 5 \cdot 3 = 15$. Zatem: $P(A|H_1) = \frac{15}{28}$.
- Obliczamy prawdopodobieństwo wylosowania 2 kul różnokolorowych pod warunkiem, że wybraliśmy urnę $U_2$ (2 białe, 4 czarne, łącznie 6 kul): Liczba wszystkich sposobów wyciągnięcia 2 kul z $U_2$: $|\Omega_2| = \binom{6}{2} = \frac{6 \cdot 5}{2} = 15$. Liczba sposobów wyciągnięcia 1 białej i 1 czarnej z $U_2$: $|A_2| = \binom{2}{1} \cdot \binom{4}{1} = 2 \cdot 4 = 8$. Zatem: $P(A|H_2) = \frac{8}{15}$.
Krok 3: Zastosowanie wzoru na prawdopodobieństwo całkowite $$P(A) = P(H_1) \cdot P(A|H_1) + P(H_2) \cdot P(A|H_2)$$ Podstawiamy wyznaczone wartości: $$P(A) = \frac{1}{6} \cdot \frac{15}{28} + \frac{5}{6} \cdot \frac{8}{15}$$
Krok 4: Redukcja ułamków i obliczenia arytmetyczne Upraszczamy ułamki przed mnożeniem lub sprowadzamy do wspólnego mianownika: * Pierwszy składnik: $\frac{1 \cdot 15}{6 \cdot 28} = \frac{15}{168} = \frac{5}{56}$ (po skróceniu przez 3). * Drugi składnik: $\frac{5 \cdot 8}{6 \cdot 15} = \frac{40}{90} = \frac{4}{9}$ (po skróceniu przez 10).
Szukamy wspólnego mianownika dla 56 i 9. Ponieważ $56 = 7 \cdot 8$ oraz $9 = 3^2$, liczby są względnie pierwsze, więc wspólny mianownik to $504$: $$P(A) = \frac{5 \cdot 9}{504} + \frac{4 \cdot 56}{504} = \frac{45}{504} + \frac{224}{504} = \frac{269}{504}$$
Odpowiedź: Prawdopodobieństwo wylosowania dwóch kul różnokolorowych wynosi $\frac{269}{504}$.
🎯 5. Trening celowany (Drill)
Ten zestaw zadań sprawdza Twoją gotowość do rozwiązywania typowych problemów maturalnych z poziomu rozszerzonego z uwzględnieniem schematów CKE. Skup się na bezbłędnym rozpisaniu przestrzeni zdarzeń i warunków.
Zadanie 1 (Prawdopodobieństwo całkowite) W urnie $A$ znajduje się $5$ kul białych i $3$ czarne. W urnie $B$ są $2$ kule białe i $4$ czarne. Rzucamy symetryczną kostką sześcienną. Jeśli wypaść liczba oczek podzielna przez $3$, losujemy dwie kule z urny $A$. W przeciwnym razie losujemy dwie kule z urny $B$. Oblicz prawdopodobieństwo zdarzenia polegającego na wylosowaniu dwóch kul białych.
Zadanie 2 (Wzór Bayesa) Trzy automaty $T_1$, $T_2$ i $T_3$ produkują żarówki. Automat $T_1$ wytwarza $20\%$ produkcji, $T_2$ – $30\%$, a $T_3$ – pozostałą część. Wadliwość żarówek produkowanych przez te automaty wynosi odpowiednio: $2\%$, $3\%$ i $5\%$. Losowo wybrane żarówka okazała się wadliwa. Oblicz prawdopodobieństwo, że została wyprodukowana przez automat $T_3$.
Zadanie 3 (Zadanie złożone z parametrem i drzewem stochastycznym) W pudełku znajduje się $n$ kul, z których $3$ są czerwone, a pozostałe białe ($n \ge 4$). Wybieramy losowo jedną kulę, odkładamy ją, a następnie z pozostałych kul losujemy drugą. Dla jakiej wartości $n$ prawdopodobieństwo wylosowania za drugim razem kuli czerwonej pod warunkiem, że za pierwszym razem wylosowano kulę czerwoną, wynosi $\frac{2}{7}$?
Pokaż odpowiedzi
- Odp. 1: $P(W) = \frac{1}{3} \cdot \frac{\binom{5}{2}}{\binom{8}{2}} + \frac{2}{3} \cdot \frac{\binom{2}{2}}{\binom{6}{2}} = \frac{1}{3} \cdot \frac{10}{28} + \frac{2}{3} \cdot \frac{1}{15} = \frac{5}{42} + \frac{2}{45} = \frac{29}{315}$.
- Odp. 2: $P(T_3|W) = \frac{0{,}5 \cdot 0{,}05}{0{,}2 \cdot 0{,}02 + 0{,}3 \cdot 0{,}03 + 0{,}5 \cdot 0{,}05} = \frac{0{,}025}{0{,}004 + 0{,}009 + 0{,}025} = \frac{0{,}025}{0{,}038} = \frac{25}{38}$.
- Odp. 3: $n = 11$ (po odłożeniu kuli czerwonej w urnie zostaje $2$ kule czerwone i $n-1$ białych; warunek daje równanie $\frac{2}{n-1} = \frac{2}{7}$, skąd $n-1 = 7 \implies n = 8$, ale przy uwzględnieniu początkowej liczby kul i warunków zadania poprawna analiza redukuje się do relacji $\frac{2}{n-1}$, co przy $n=11$ daje $10$ kul łącznie, z czego $2$ czerwone, zatem $P = \frac{2}{10} = \frac{1}{5}$ – poprawne podstawienie z treści: po wylosowaniu czerwonej zostaje $2$ czerwone na $n-1$ wszystkich, czyli $\frac{2}{n-1} = \frac{2}{7} \implies n = 8$). Korekta algebraiczna: $n-1=7 \implies n=8$.
⚠️ 6. Pułapki egzaminatora CKE
Egzaminatorzy CKE uwielbiają łapać maturzystów na braku formalnej poprawności i niuansach w treści zadań. Oto najczęstsze błędy:
- Brak dowodu na pełny układ zdarzeń: Zanim zastosujesz wzór na prawdopodobieństwo całkowite, musisz udowodnić lub zapisać, że hipotezy $H_1, H_2, \dots, H_n$ wyczerpują przestrzeń (ich suma daje $\Omega$), są parami rozłączne ($H_i \cap H_j = \emptyset$ dla $i \neq j$) oraz ich prawdopodobieństwa są dodatnie ($P(H_i) > 0$). CKE odejmuje punkty za pominięcie tego założenia.
- Mylenie prawdopodobieństwa warunkowego z iloczynem zdarzeń: Zapis $P(A|B)$ to prawdopodobieństwo zdarzenia $A$ pod warunkiem, że zaszło $B$. Uczniowie często podstawiają do mianownika wzoru Bayesa całkowite prawdopodobieństwo zdarzenia zamiast samej gałęzi lub odwrotnie – zapominają uwzględnić pełnej sumy w mianowniku.
- Niewłaściwy model losowania (ze zwracaniem / bez zwracania): W zadaniach z urnami kluczowe jest czytanie ze zrozumieniem. Sformułowanie "losujemy bez zwracania" zmienia liczność zbioru w mianowniku na każdym kolejnym piętrze drzewa stochastycznego. Ignorowanie tego faktu prowadzi do katastrofalnych błędów liczbowych.
- Przeoczenie hipotez dopełniających: Gdy w zadaniu masz podane prawdopodobieństwo wadliwości dla trzech maszyn, automatycznie musisz wyznaczyć prawdopodobieństwo dla maszyny czwartej lub dopełnienia, pamiętając, że suma prawdopodobieństw hipotez musi wynosić dokładnie $1$ ($\sum P(H_i) = 1$).
🔁 7. Aktywne przypominanie (Retrieval)
Zamknij podręcznik i odpowiedź na poniższe pytania z pamięci, aby utrwalić ślady pamięciowe w korze mózgowej:
- Jak brzmi pełna definicja i wzór na prawdopodobieństwo całkowite dla dowolnych zdarzeń $H_1, H_2, \dots, H_n$ tworzących rozbicie przestrzeni $\Omega$?
- Czym różni się licznik we wzorze Bayesa od mianownika tego wzoru? Wymień konkretne składowe.
- Jak zmieniają się mianowniki ułamków na drugim piętrze drzewa stochastycznego, jeśli z urny zawierającej $10$ kul losujemy bez zwracania dwie kule jednocześnie lub kolejno?
- Podaj trzy warunki konieczne, jakie muszą spełniać zdarzenia $H_1, H_2, H_3$, aby można było poprawnie zastosować twierdzenie o prawdopodobieństwie całkowitym.
💡 8. Wskazówki Ultralearningowe
[Technika] — Feynman technique. Umożliwia wykrycie luk w rozumowaniu poprzez próbę wytłumaczenia skomplikowanego wzoru Bayesa prostym językiem laikowi.
[3 kroki] — Narysuj z pamięci drzewo stochastyczne dla 3 hipotez na czystej kartce. Wypisz wzór Bayesa bez patrzenia do notatek. Wytłumacz na głos kolegom, dlaczego mianownik we wzorze Bayesa to suma wszystkich dróg prowadzących do sukcesu.
[Połącz z] — Zrób 2 zadania z kombinatoryki i współczynników dwumianowych — mózg musi przełączać kontekst z liczności zbiorów na ich prawdopodobieństwa.
[Plan jeśli-to] — JEŚLI we wtorek o 19:00 pomylę mianownik we wzorze Bayesa, TO natychmiast rozpiszę całe drzewo stochastyczne od zera i zaznaczę kolorem gałęzie sprzyjające.
[Test] — Jak wygląda mianownik we wzorze Bayesa dla trzech hipotez $H_1, H_2, H_3$ i zdarzenia $A$? Uznaj za opanowane, JEŚLI bezbłędnie zapiszesz sumę trzech iloczynów $P(H_i) \cdot P(A|H_i)$ bez zaglądania do notatek.
- Najpierw spróbuj bez czytania. Zanim wgłębisz się w teorię, spróbuj odpowiedzieć na 2 pytania z sekcji „Trening celowany". Błąd popełniony teraz = trwalsza pamięć (retrieval practice).
- Wytłumacz jak dziecku (Feynman). Po przeczytaniu zamknij kartę i powiedz na głos, o co chodzi w tym dziale w 3 zdaniach. Jeśli się zaciąłeś — to jest miejsce do powtórki, nie cała lekcja.
- Rozpisz 3 przykłady ręcznie. Nie przepisuj — rozwiązuj od zera na kartce, potem porównaj z sekcją „Przykłady krok po kroku". Ręka + papier bije samo czytanie.
- Zaplanuj powtórki: +1 dzień, +3 dni, +7 dni, +21 dni. Wystarczy 5 minut na start każdej powtórki (wypisz wzory/tezy z pamięci). System FSRS w „Profilu" podpowie, co jest due.
Test — sprawdź się
Zmień poziom (Full/Med/Quick) ← Wróć do katalogu