matematyka • rozszerzenie POZIOM: MEDIUM

🎓 Lekcja: prawdopodobieństwo całkowite i bayes (matematyka – rozszerzenie, poziom medium)

🎯 1. Czego wymaga CKE

Nie rozumiesz tego tematu? Korepetytor AI rozpisze go na tablicy

Krok po kroku, z rysunkami i głosem — dokładnie ten temat z lekcji, zadania CKE i tłumaczenie Twojego błędu. Dostęp w pakiecie PRO.

Odblokuj korepetytora →

Zgodnie z informorem o egzaminie maturalnym z matematyki na poziomie rozszerzonym (obowiązującym również w formule 2027), zagadnienia dotyczące prawdopodobieństwa całkowitego oraz wzoru Bayesa należą do żelaznego repertuaru zadań otwartych za 4, 5 lub 6 punktów. CKE regularnie weryfikuje tu nie tylko znajomość wzorów, ale przede wszystkim umiejętność modelowania sytuacji doświadczalnych za pomocą drzew stochastycznych oraz rygorystycznego definiowania przestrzeni zdarzeń elementarnych i hipotez.

Egzaminatorzy CKE w kluczach odpowiedzi bezwzględnie wymagają spełnienia następujących warunków formalnych: 1. Pełne i poprawne zdefiniowanie układu hipotez: Oznaczenie zdarzeń $H_1, H_2, \dots, H_n$ jako rozłącznych parami i wyczerpujących całą przestrzeń (tj. $\bigcup_{i=1}^n H_i = \Omega$ oraz $P(H_i) > 0$). 2. Sprawdzenie warunków stosowalności wzorów: Jawne zapisanego faktu, że suma prawdopodobieństw hipotez wynosi 1 ($\sum P(H_i) = 1$) oraz operowanie na prawdopodobieństwach warunkowych $P(A|H_i)$ z zachowaniem warunku $P(H_i) > 0$. 3. Czytelna reprezentacja graficzna: Wskazane, choć niewymagane formalnie pod rygorem utraty punktów, jest sporządzenie drzewa stochastycznego lub tabeli, co drastycznie zmniejsza ryzyko błędu rachunkowego. 4. Precyzyjny zapis ostatecznego wyniku: Wynik musi być podany w postaci nieskracalnego ułamka zwykłego (lub dokładnego ułamka dziesiętnego), chyba że treść zadania stanowi inaczej.


🧠 2. Mapa pojęć (Metalearning)

Aby opanować ten dział na 100%, musisz dostrzec hierarchię i przepływ informacji w doświadczeniach losowych wieloetapowych:

  • Przestrzeń zdarzeń ($\Omega$): Zbiór wszystkich możliwych wyników doświadczenia.
  • Hipotezy ($H_1, H_2, \dots, H_n$): Zdarzenia wykluczające się i tworzące pełną rozbicie (partycję) przestrzeni $\Omega$. Możesz o nich myśleć jako o ukrytych przyczynach lub etapach początkowych.
  • Zdarzenie testowe / obserwowane ($A$): Zdarzenie, którego prawdopodobieństwo znamy w warunkach zajścia poszczególnych hipotez ($P(A|H_i)$). To skutek, który możemy zaobserwować.
  • Prawdopodobieństwo całkowite (zupełne): Pozwala obliczyć szansę zajścia zdarzenia $A$, gdy zależy ono od wielu wzajemnie wykluczających się dróg (hipotez). Odpowiada na pytanie: Jakie jest ogólne prawdopodobieństwo sukcesu? Wzór: $$P(A) = \sum_{i=1}^n P(H_i) \cdot P(A|H_i)$$
  • Wzór Bayesa: Odwraca kierunek wnioskowania. Służy do obliczania prawdopodobieństwa a posteriori (po fakcie). Odpowiada na pytanie: Skoro zaobserwowaliśmy skutek $A$, to jakie jest prawdopodobieństwo, że pochodził on z konkretnej hipotezy $H_k$? Wzór: $$P(H_k|A) = \frac{P(H_k) \cdot P(A|H_k)}{P(A)} = \frac{P(H_k) \cdot P(A|H_k)}{\sum_{i=1}^n P(H_i) \cdot P(A|H_i)}$$

📚 3. Teoria i intuicja (Technika Feynmana)

Wyobraź sobie, że zarządzasz fabryką żarówek, która ma trzy linie produkcyjne: $H_1$ (dostarcza 20% produkcji), $H_2$ (30% produkcji) i $H_3$ (50% produkcji). Linie te mają różne wskaźniki wadliwości. Zdejmujesz z taśmy losową żarókę i okazuje się, że jest wadliwa (to nasze zdarzenie $A$).

Intuicja bezmaturalna podpowiada: "Hmm, najwięcej żarówek produkuje linia $H_3$, więc pewnie wadliwa żarówka pochodzi z niej". To błąd logiczny, który na maturze kosztuje cenne punkty! Matematyka wymaga precyzji.

Jak działa Metoda Feynmana? 1. Drzewo jako labirynt: Wyobraź sobie doświadczenie jako labirynt. Najpierw losujesz gałąź główną (wybierasz linię produkcyjną z prawdopodobieństwami $P(H_i)$). Następnie, będąc na końcu tej gałęzi, losujesz stan żarówki (dobra/wadliwa z prawdopodobieństwem warunkowym $P(A|H_i)$). 2. Prawdopodobieństwo całkowite to suma pól wszystkich "korytarzi", które prowadzą do wadliwej żarówki. Mnożysz prawdopodobieństwo wejścia w korytarz ($P(H_i)$) przez prawdopodobieństwo trafienia w wadliwą żarówkę w tym korytarzu ($P(A|H_i)$), a potem wszystko dodajesz. 3. Wzór Bayesa to operacja wsteczna. Zadajesz pytanie detektywistyczne: Wiem, że żarówka jest wadliwa (jesteśmy w sumie wszystkich wadliwych końców). Jaki procent tego zbioru stanowiła akurat linia $H_1$? Dzielisz "część" przez "całość" (gdzie "całość" to mianownik z prawdopodobieństwa całkowitego).


✍️ 4. Przykłady krok po kroku

Zadanie wzorcowe (CKE 5 pkt)

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 wypadnie 6 oczek, losujemy kulę z urny $U_1$. W przeciwnym razie losujemy kulę z urny $U_2$. Oblicz prawdopodobieństwo wylosowania kuli białej. Jeśli wylosowano kulę białą, jakie jest prawdopodobieństwo, że pochodziła ona z urny $U_1$?

Rozwiązanie krok po kroku:

Krok 1: Definicja hipotez i zdarzenia testowego. Niech $H_1$ oznacza zdarzenie: wylosowano urnę $U_1$ (wynik 6 w rzucie kostką). Niech $H_2$ oznacza zdarzenie: wylosowano urnę $U_2$ (wynik inny niż 6 w rzucie kostką). Zdarzenia $H_1$ i $H_2$ tworzą rozbicie przestrzeni $\Omega$: $$P(H_1) = \frac{1}{6}, \quad P(H_2) = \frac{5}{6}$$

Niech $B$ oznacza zdarzenie: wylosowano kulę białą.

Krok 2: Wyznaczenie prawdopodobieństw warunkowych. * Z urny $U_1$ (8 kul, w tym 5 białych): $P(B|H_1) = \frac{5}{8}$ * Z urny $U_2$ (6 kul, w tym 2 białe): $P(B|H_2) = \frac{2}{6} = \frac{1}{3}$

Krok 3: Zastosowanie wzoru na prawdopodobieństwo całkowite dla zdarzenia $B$. $$P(B) = P(H_1) \cdot P(B|H_1) + P(H_2) \cdot P(B|H_2)$$ Podstawiamy wartości: $$P(B) = \frac{1}{6} \cdot \frac{5}{8} + \frac{5}{6} \cdot \frac{1}{3} = \frac{5}{48} + \frac{5}{18}$$ Sprowadzamy do wspólnego mianownika (NWN = 144): $$P(B) = \frac{15}{144} + \frac{40}{144} = \frac{55}{144}$$

Krok 4: Zastosowanie wzoru Bayesa dla prawdopodobieństwa $P(H_1|B)$. Szukamy prawdopodobieństwa, że kula pochodziła z urny $U_1$, pod warunkiem, że była biała: $$P(H_1|B) = \frac{P(H_1) \cdot P(B|H_1)}{P(B)}$$ Podstawiamy obliczone wartości: $$P(H_1|B) = \frac{\frac{5}{48}}{\frac{55}{144}} = \frac{5}{48} \cdot \frac{144}{55}$$ Skracamy ułamki ($144 / 48 = 3$ oraz $5 / 55 = 1/11$): $$P(H_1|B) = \frac{1}{1} \cdot \frac{3}{11} = \frac{3}{11}$$

Odpowiedź: Prawdopodobieństwo wylosowania kuli białej wynosi $\frac{55}{144}$, a prawdopodobieństwo, że pochodziła ona z urny $U_1$ pod warunkiem, że jest biała, wynosi $\frac{3}{11}$.

🎯 5. Trening celowany (Drill)

Rozwiąż poniższe zadania maturalne poziomu rozszerzonego z zastosowaniem wzoru na prawdopodobieństwo całkowite i wzoru Bayesa.

Zadanie 1. W urnie $U_1$ jest 5 kul białych i 3 czarne, a w urnie $U_2$ są 2 kule białe i 4 czarne. Rzucamy symetryczną kostką sześcienną. Jeśli wypadnie liczba oczek podzielna przez 3, losujemy kulę z urny $U_1$, w przeciwnym razie z urny $U_2$. Oblicz prawdopodobieństwo wylosowania kuli białej.

Zadanie 2. Fabryka produkuje mikroczipy na trzech maszynach: $M_1, M_2, M_3$, które odpowiadają odpowiednio za $20\%$, $30\%$ i $50\%$ całkowitej produkcji. Wadliwość produkcji dla tych maszyn wynosi odpowiednio $2\%$, $3\%$ i $1\%$. Losowo wybrany mikroczip okazuje się wadliwy. Oblicz prawdopodobieństwo, że został wyprodukowany przez maszynę $M_2$.

Zadanie 3. Strzelec trafia w tarcze z prawdopodobieństwem $0,7$ w każdym niezależnym strzale. Wykonuje serię strzałów do momentu pierwszego trafienia, jednak maksymalnie 3 strzały. Jeśli nie trafí w pierwszym, zmienia technikę na mniej skuteczną (prawdopodobieństwo trafienia spada do $0,4$). Zbuduj model probabilistyczny i oblicz prawdopodobieństwo, że oddano dokładnie 2 strzały.

Pokaż odpowiedzi
  1. Niech $A$ oznacza wylosowanie kuli białej, $H_1$ – wybór urny $U_1$, $H_2$ – wybór urny $U_2$. Z treści zadania $P(H_1) = \frac{2}{6} = \frac{1}{3}$ oraz $P(H_2) = \frac{4}{6} = \frac{2}{3}$. Prawdopodobieństwo warunkowe: $P(A|H_1) = \frac{5}{8}$, $P(A|H_2) = \frac{2}{6} = \frac{1}{3}$. Z wzoru na prawdopodobieństwo całkowite: $P(A) = \frac{1}{3} \cdot \frac{5}{8} + \frac{2}{3} \cdot \frac{1}{3} = \frac{5}{24} + \frac{2}{9} = \frac{15 + 16}{72} = \frac{31}{72}$.
  2. Niech $M_1, M_2, M_3$ to hipotezy oznaczające wybór maszyny, a $W$ to zdarzenie polegające na wylosowaniu wadliwego czipu. Z treści: $P(M_1)=0{,}2$, $P(M_2)=0{,}3$, $P(M_3)=0{,}5$. Prawdopodobieństwa warunkowe wadliwości: $P(W|M_1)=0{,}02$, $P(W|M_2)=0{,}03$, $P(W|M_3)=0{,}01$. Stosujemy wzór Bayesa, aby obliczyć $P(M_2|W)$: $P(W) = 0{,}2 \cdot 0{,}02 + 0{,}3 \cdot 0{,}03 + 0{,}5 \cdot 0{,}01 = 0{,}004 + 0{,}009 + 0{,}005 = 0{,}018$. $P(M_2|W) = \frac{P(M_2) \cdot P(W|M_2)}{P(W)} = \frac{0{,}009}{0{,}018} = \frac{9}{18} = 0{,}5$.
  3. Zdarzenie polegające na oddaniu dokładnie 2 strzałów oznacza, że w pierwszym strzale strzelec nie trafił ($P(T'_1) = 1 - 0{,}7 = 0{,}3$), a w drugim strzale (zmienioną techniką) oddał strzał. Nie interesuje nas wynik drugiego strzału, ponieważ wykonuje go w ramach procedury (warunek "maksymalnie 3 strzały" oznacza kontynuację po pudle). Szukane prawdopodobieństwo to po prostu prawdopodobieństwo nietrafienia za pierwszym razem, czyli $P(\text{2 strzały}) = P(T'_1) = 0{,}3$.

Twoje rozwiązaniezapisuje się automatycznie w tej przeglądarce

⚠️ 6. Pułapki egzaminatora CKE

  • Pomylenie licznika z mianorem we wzorze Bayesa: Najczęstszy błąd to zapomnienie o rozwinięciu mianownika za pomocą wzoru na prawdopodobieństwo całkowite. W mianorze zawsze musi znaleźć się suma iloczynów wszystkich możliwych hipotez i odpowiadających im prawdopodobieństw warunkowych $\sum P(H_i) \cdot P(A|H_i)$, a nie tylko składnik odpowiadający badanej hipotezie.
  • Błędna interpretacja zdarzeń wstecznych ("a posteriori"): CKE często konstruuje zadania, w których treść sugeruje prawdopodobieństwo warunkowe proste (np. "jakie jest prawdopodobieństwo, że wylosowano z urny B, jeśli..."), podczas gdy należy odwrócić warunek i zastosować tw. Bayes'a. Zawsze wypisuj najpierw hipotezy $H_i$ jako pełen układ zdarzeń ($P(H_1) + \dots + P(H_n) = 1$).
  • Zignorowanie struktury drzewa: Rysowanie drzewa stochastycznego bez opisywania gałęzi prowadzi do błędów rachunkowych w iloczynach wzdłuż gałęzi. Pamiętaj, że suma prawdopodobieństw gałęzi wychodzących z jednego węzła musi wynosić dokładnie $1$.

🔁 7. Aktywne przypominanie (Retrieval)

  1. Sformułuj z pamięci wzór na prawdopodobieństwo całkowite dla układu hipotez $H_1, H_2, \dots, H_n$ rozbijających przestrzeń $\Omega$ na rozłączne zdarzenia o dodatnich prawdopodobieństwach.
  2. Zapisz bez patrzenia do notatek relację matematyczną łączącą prawdopodobieństwo warunkowe $P(H_k|A)$, prawdopodobieństwo całkowite $P(A)$ oraz elementy wzoru Bayesa.
  3. Wyjaśnij własnymi słowami, czym różni się prawdopodobieństwo a priori od prawdopodobieństwa a posteriori w kontekście testów diagnostycznych.

💡 8. Wskazówki Ultralearningowe

[Technika] — Feynman technique. Uzasadnij w 1 zdaniu: Ta technika wymusza przekształcenie abstrakcyjnego wzoru Bayesa na zrozumiały język logiczny poprzez samodzielne wytłumaczenie krok po kroku, skąd bierze się mianownik.

[3 kroki] — Zamknij wszystkie karty z gotowymi rozwiązaniami i podręcznikami. Wypisz z pamięci na czystej kartce pełną treść wzoru na prawdopodobieństwo całkowite oraz wzoru Bayesa. Rozwiąż od zera zadanie z fabryką mikroczipów, mówiąc na głos każdy krok wyprowadzenia.

[Połącz z] — Zrób 2 zadania z kombinatoryki i współczynnika dwumianowego Newtona — mózg musi przełączać kontekst z modeli probabilistycznych na zliczanie obiektów.

[Plan jeśli-to] — JEŚLI w środę o 19:00 pomylisz mianownik we wzorze Bayesa w zadaniu z urnami, TO natychmiast narysuj drzewo stochastyczne i zaznacz zakreślaczem wszystkie gałęzie prowadzące do zdarzenia sukcesu.

[Test] — Jaką wartość musi mieć suma prawdopodobieństw wszystkich hipotez $H_1, H_2, \dots, H_n$ tworzących pełny układ zdarzeń wtw. gdy stosujemy wzór na prawdopodobieństwo całkowite? Uznaj za opanowane, JEŚLI odpowiesz poprawnie bez zaglądania.

Jak opanować ten materiał w 4 krokach
  1. 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).
  2. 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.
  3. Rozpisz 3 przykłady ręcznie. Nie przepisuj — rozwiązuj od zera na kartce, potem porównaj z sekcją „Przykłady krok po kroku". Ręka + papier bije samo czytanie.
  4. 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.
Praktyka > czytanie. Jedna lekcja = jedno pisanie. Po niej wejdź w powtórki i rozwiąż 3 zadania z tego działu.
AUDIOPLAYER AI VOICE
AUDIO — SŁUCHAJ LEKCJI · Zofia (naturalny)stary głos
Pobierz MP3
TECHNIKA Z TEJ LEKCJI
Feynman technique
JEŚLI w środę o 19:00 pomylisz mianownik we wzorze Bayesa w zadaniu z urnami, TO natychmiast narysuj drzewo stochastyczne i zaznacz zakreślaczem wszystkie gałęzie prowadzące do zdarzenia sukcesu.
Test — sprawdź się
Jaką wartość musi mieć suma prawdopodobieństw wszystkich hipotez H_1, H_2, dots, H_n tworzących pełny układ zdarzeń wtw. gdy stosujemy wzór na prawdopodobieństwo całkowite? Uznaj za opanowane, JEŚLI odpowiesz poprawnie bez zaglądania.

Zmień poziom (Full/Med/Quick) ← Wróć do katalogu
Opinia / błąd