matematyka • rozszerzenie POZIOM: QUICK

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

🎯 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 →

Centralna Komisja Egzaminacyjna w wymaganiach egzaminacyjnych na maturę rozszerzoną z matematyki (formuła 2023 i lata kolejne) oczekuje od maturzysty pełnego opanowania rachunku prawdopodobieństwa. W zakresie zagadnień dotyczących prawdopodobieństwa całkowitego i wzoru Bayesa, zdający musi wykazać się umiejętnością: * Podziału przestrzeni zdarzeń elementarnych $\Omega$ na parami rozłączne zdarzenia $H_1, H_2, \dots, H_n$, które tworzą pełny układ zdarzeń (tzn. $\sum P(H_i) = 1$ oraz $P(H_i) > 0$). * Zastosowania wzoru na prawdopodobieństwo całkowite (zupełne): $P(A) = \sum_{i=1}^{n} P(H_i) \cdot P(A|H_i)$. * Obliczania prawdopodobieństw a posteriori (wstecznych) za pomocą wzoru Bayesa: $P(H_k|A) = \frac{P(H_k) \cdot P(A|H_k)}{\sum_{i=1}^{n} P(H_i) \cdot P(A|H_i)}$. * Konstruowania i bezbłędnej interpretacji drzew stochastycznych dla doświadczeń wieloetapowych oraz rozwiązywania zadań problemowych o wysokim stopniu trudności (często za 5-6 punktów).

🧠 2. Mapa pojęć (Metalearning)

Pojęcie Co to jest (1 zdanie) Z czym się łączy
Przestrzeń Ω Zbiór wszystkich możliwych wyników doświadczenia losowego. Rozbija się na hipotezy $H_1, H_2, \dots, H_n$.
Hipotezy $H_1, H_2, \dots, H_n$ Wykluczające się zdarzenia, których suma daje całą przestrzeń Ω. Tworzą rozbicie przestrzeni i łączą się ze zdarzeniem $A$.
Zdarzenie $A$ Wynik doświadczenia, którego prawdopodobieństwo całkowite liczymy. Połączone z hipotezami przez prawdopodobieństwo warunkowe $P(A|H_i)$.
Prawdopodobieństwo całkowite Sposób liczenia szansy zdarzenia $A$ uwzględniający wszystkie hipotezy. Łączy hipotezy $H_i$ ze zdarzeniem $A$ wzorem $P(A) = \sum P(H_i) \cdot P(A|H_i)$.
Wzór Bayesa Służy do obliczania tzw. prawdopodobieństwa wstecznego hipotezy. Łączy zdarzenie $A$ z wybraną hipotezą $H_k$ za pomocą iloczynu i $P(A)$.

Jak to zapamiętać: * Całkowite dodajesz: sumujesz iloczyny prawdopodobieństw każdej hipotezy i zdarzenia warunkowego $P(H_i) \cdot P(A|H_i)$. * Bayes to ułamek: w liczniku masz ten sam składnik dla wybranej hipotezy $H_k$, a w mianowniku całe prawdopodobieństwo $P(A)$.

📚 3. Teoria i intuicja (Technika Feynmana)

Wyobraź sobie, że zarządzasz trzema fabrykami żarówek: $H_1$ (produkuje 20% żarówek), $H_2$ (30% żarówek) i $H_3$ (50% żarówek). Fabryki mają różną wadliwość: odpowiednio 5%, 2% i 1%. Pytasz siebie: Jakie jest ogólne prawdopodobieństwo, że losowo wyciągnięta z rynku żarówka będzie wadliwa ($A$)?

To jest właśnie prawdopodobieństwo całkowite. Musisz zważyć szansę trafienia na daną fabrykę przez szansę wadliwości w niej: $P(A) = P(H_1)P(A|H_1) + P(H_2)P(A|H_2) + P(H_3)P(A|H_3)$.

A teraz odwróćmy sytuację (intuicja wzoru Bayesa): biorąc do ręki wadliwą żarровку, pytasz: Jakie jest prawdopodobieństwo, że wyprodukowała ją fabryka $H_1$? Wzór Bayesa to nic innego jak proporcja: część wspólna (fabryka $1$ i wada) podzielona przez całość (wszystkie możliwe wady na rynku). Mianownik to dokładnie wynik z prawdopodobieństwa całkowiteгo!

✍️ 4. Przykłady krok po kroku

Zadanie: W urnie $U_1$ są 3 kule białe i 2 czarne. W urnie $U_2$ są 2 kule białe i 4 czarne. Rzucamy symetryczną kostką do gry. Jeśli wypieadnie 1 lub 2 oczka, losujemy kulę z urny $U_1$. W przeciwnym razie 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: 1. Definicja hipotez: $H_1$ – wybrano urnę $U_1$ (rzut 1 lub 2), $P(H_1) = \frac{2}{6} = \frac{1}{3}$. $H_2$ – wybrano urnę $U_2$ (rzut 3, 4, 5 lub 6), $P(H_2) = \frac{4}{6} = \frac{2}{3}$. 2. Prawdopodobieństwa warunkowe: $P(B|H_1)$ – wylosowanie białej z $U_1$: $P(B|H_1) = \frac{3}{5}$. $P(B|H_2)$ – wylosowanie białej z $U_2$: $P(B|H_2) = \frac{2}{6} = \frac{1}{3}$. 3. Prawdopodobieństwo całkowite (wzór): $P(B) = P(H_1) \cdot P(B|H_1) + P(H_2) \cdot P(B|H_2)$ $P(B) = \frac{1}{3} \cdot \frac{3}{5} + \frac{2}{3} \cdot \frac{1}{3} = \frac{1}{5} + \frac{2}{9} = \frac{9+10}{45} = \frac{19}{45}$. 4. Wzór Bayesa (prawdopodobieństwo wsteczne): $P(H_1|B) = \frac{P(H_1) \cdot P(B|H_1)}{P(B)} = \frac{\frac{1}{5}}{\frac{19}{45}} = \frac{1}{5} \cdot \frac{45}{19} = \frac{9}{19}$.

🎯 5. Trening celowany (Drill)

  1. W pierwszej urnie jest 5 kul białych i 3 czarne, w drugiej 2 białe i 4 czarne. Rzucamy monetą. Orzeł – losujemy z pierwszej, reszka – z drugiej. Oblicz prawdopodobieństwo wylosowania kuli białej.
  2. Fabryka $A$ produkuje 60% wyrobów, a $B$ – 40%. Brak dominuje w 2% wyrobów fabryki $A$ i w 5% fabryki $B$. Wybrano losowo wadliwy wyrób. Oblicz prawdopodobieństwo, że pochodzi on z fabryki $A$.
  3. Z talii 52 kart wyciągnięto losowo jedną i nie oglądając jej, wrzucono do drugiej talii 52 kart. Oblicz prawdopodobieństwo wyciągnięcia asa z drugiej talii.
Pokaż odpowiedzi
  1. $P(B) = \frac{1}{2} \cdot \frac{5}{8} + \frac{1}{2} \cdot \frac{2}{6} = \frac{5}{16} + \frac{1}{6} = \frac{15+8}{48} = \frac{23}{48}$.
  2. $P(A|W) = \frac{0{,}6 \cdot 0{,}02}{0{,}6 \cdot 0{,}02 + 0{,}4 \cdot 0{,}05} = \frac{0{,}012}{0{,}012 + 0{,}020} = \frac{0{,}012}{0{,}032} = \frac{12}{32} = \frac{3}{8}$.
  3. $P(A_2) = \frac{3}{53} \cdot \frac{5}{53} + \frac{50}{53} \cdot \frac{4}{53} = \frac{15+200}{2809} = \frac{215}{2809}$ (lub przez analizę składu talii po dołożeniu: $\frac{1}{53}\cdot\frac{5}{53}$ – w zależności od interpretacji wariantu karty).
Twoje rozwiązaniezapisuje się automatycznie w tej przeglądarce

⚠️ 6. Pułapki egzaminatora CKE

  • Zaniżenie liczby hipotez: Zapominanie, że suma prawdopodobieństw wszystkich hipotez $H_i$ musi wynosić dokładnie $1$ ($\sum P(H_i) = 1$). Jeśli pominiesz jeden przypadek w rozbiciu przestrzeni $\Omega$, całe zadanie jest błędne.
  • Mylenie drzewa: Zwróć uwagę, czy losowanie jest ze zwracaniem, czy bez zwracania – zmienia to drastycznie liczniki i mianowniki na gałęziach drugiego stopnia.
  • Błędne odczytanie licznika w Bayesie: W liczniku wzoru Bayesa zawsze stoi iloczyn gałęzi prowadzącej do konkretnej hipotezy i przejścia do zdarzenia $A$, a w mianowniku suma wszystkich takich gałęzi (całkowite). Nigdy nie wpisuj tam samego prawdopodobieństwa marginalnego bez uprzedniego rozpisania.

🔁 7. Aktywne przypominanie (Retrieval)

  1. Jak brzmi słowna definicja pełnego układu zdarzeń w przestrzeni $\Omega$?
  2. Zapisz z pamięci ogólny wzór na prawdopodobieństwo całkowite dla $n$ hipotez.
  3. Czym różni się prawdopodobieństwo $P(A|H_i)$ od prawdopodobieństwa $P(H_i|A)$?
  4. Dlaczego mianownik we wzorze Bayesa to dokładnie wynik działania wzoru na prawdopodobieństwo całkowite?

💡 8. Wskazówki Ultralearningowe

[Technika] — Feynman technique, ponieważ wymusza przełożenie abstrakcyjnych wzorów sumacyjnych na prosty model fabryk żarówek, co drastycznie skraca czas zapamiętywania. [3 kroki] — 1. Narysuj drzewo stochastyczne dla wybranego zadania z matury operując wyłącznie na ułamkach zwykłych. 2. Zapisz z pamięci wzór Bayesa bez patrzenia do notatek. 3. Podziel mianownik wzoru Bayesa na składowe wynikające z prawdopodobieństwa całkowiteгo. [Połącz z] — Zrób 2 zadania z kombinatoryki i klasycznej definicji prawdopodobieństwa — mózg musi przełączać kontekst z zaawansowanych wzorów warunkowych na zliczanie obiektów. [Plan jeśli-to] — JEŚLI w czwartek o 17:00 pomylisz licznik z mianownikiem we wzorze Bayesa, TO natychmiast narysuj diagram Venna i wypisz gałęzie drzewa od nowa. [Test] — Jakie jest prawdopodobieństwo zajścia zdarzenia $A$, jeśli mamy dwie hipotezy $H_1$ i $H_2$ o prawdopodobieństwach 0.3 i 0.7 oraz $P(A|H_1)=0.4$, a $P(A|H_2)=0.1$? Uznaj za opanowane, JEŚLI podasz poprawny wynik ($0{,}19$) bez zaglądania do teorii.

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 czwartek o 17:00 pomylisz licznik z mianownikiem we wzorze Bayesa, TO natychmiast narysuj diagram Venna i wypisz gałęzie drzewa od nowa.
Test — sprawdź się
Jakie jest prawdopodobieństwo zajścia zdarzenia A, jeśli mamy dwie hipotezy H_1 i H_2 o prawdopodobieństwach 0.3 i 0.7 oraz P(A|H_1)=0.4, a P(A|H_2)=0.1? Uznaj za opanowane, JEŚLI podasz poprawny wynik (0{,}19) bez zaglądania do teorii.

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