ریشه — خودآموز ریاضی از چهار عمل تا هوش مصنوعی

فصل ۴ از ۹

پیشرفت ترم
۰٪

ترم ۶ · احتمال و آمار: ریاضیِ عدمِ قطعیت

احتمالِ شرطی، و بزرگ‌ترین دامِ ریاضی

فصل ۴رایگان

در این فصل چه یاد می‌گیری#

بیماری‌ای یک نفر از هر ده هزار نفر را درگیر می‌کند. آزمایشی برایش هست که ۹۹ درصد دقیق است. آزمایش می‌دهی و جواب مثبت می‌آید.

🤔 اول حدس بزن: چقدر احتمال دارد واقعاً مریض باشی؟

اکثرِ آدم‌ها می‌گویند ۹۹ درصد. جوابِ درست کمتر از یک درصد است.

این یکی از تکان‌دهنده‌ترین نتیجه‌های کلِ ریاضی است، و این فصل ⚠️ نشان می‌دهد چرا — نه با فرمول، بلکه با شمردنِ آدم‌ها.

یک جمعیت بزرگ که در آن گروه کوچک بیماران و گروه بزرگ‌تر مثبت‌های کاذب مشخص شده‌اند

آخر این فصل می‌توانی:

  • احتمالِ شرطی را حساب کنی و درست بخوانی‌اش
  • بگویی چرا و دو چیزِ متفاوت‌اند
  • خطای نرخِ پایه را در یک ادعا تشخیص بدهی

قبل از شروع#

  • از فصل ۳: «و» یعنی ضرب؛ استقلال و اینکه شرطش چیست.
  • از فصل ۲: احتمال به‌عنوان نسبت؛ متمم.
  • از ترم ۲ فصل ۶: مبنای درصد — «درصدی از چه چیزی؟»

۱. احتمالِ شرطی#

احتمالِ شرطی یعنی احتمالِ چیزی، وقتی می‌دانی چیزِ دیگری اتفاق افتاده. می‌نویسند و می‌خوانند «احتمالِ A به شرطِ B».

مثال: یک تاس انداختی و کسی می‌گوید «عدد زوج آمد». حالا احتمالِ اینکه ۶ باشد چقدر است؟

بدونِ آن خبر، بود. با آن خبر، فضای نمونه‌ات از شش حالت به سه حالت (۲، ۴، ۶) کوچک شده:

اطلاعاتِ تازه فضای نمونه را کوچک می‌کند، و همین احتمال را عوض می‌کند. این کلِ ایده است.

✅ چک کن: همان تاس، ولی خبر این است که «عدد بزرگ‌تر از ۳ آمد». احتمالِ ۶؟ — سه حالت مانده (۴، ۵، ۶)، پس .

۲. جهت مهم است#

اینجا لغزنده‌ترین جای فصل، و منبعِ اصلیِ خطاست.

و دو چیزِ کاملاً متفاوتاند.

  • «اگر باران بیاید، احتمالِ اینکه زمین خیس باشد» ≈ تقریباً ۱.
  • «اگر زمین خیس باشد، احتمالِ اینکه باران آمده باشد» ≈ خیلی کمتر (شاید شلنگ بوده).

⚠️ دامِ رایج: جابه‌جا خواندنِ این دو. «۹۹ درصدِ مریض‌ها آزمایششان مثبت است» هرگز به این معنی نیست که «۹۹ درصدِ مثبت‌ها مریض‌اند». اولی است — احتمالِ مثبت‌شدن به شرطِ مریض‌بودن — و دومی ، یعنی احتمالِ مریض‌بودن به شرطِ مثبت‌شدن. هر بار که عددی به این شکل شنیدی، از خودت بپرس شرط روی کدام‌یک است.

۳. حالا آن آزمایش را حساب کن#

به‌جای فرمول، آدم بشمار. یک جمعیتِ یک‌میلیونی را تصور کن.

قدمِ اول — چند نفر واقعاً مریض‌اند؟ یک از هر ده هزار، پس ۱۰۰ نفر. (۹۹۹٬۹۰۰ نفر سالم‌اند.)

قدمِ دوم — از مریض‌ها چند نفر مثبت می‌شوند؟ آزمایش ۹۹٪ دقیق است، پس ۹۹ نفر.

قدمِ سوم — از سالم‌ها چند نفر مثبت می‌شوند؟ آزمایش ۱٪ خطا دارد، پس ۱٪ از ۹۹۹٬۹۰۰ نفر: حدودِ ۹٬۹۹۹ نفر.

قدمِ چهارم — کلِ مثبت‌ها چند نفرند؟ .

قدمِ پنجم — از این مثبت‌ها چند درصد واقعاً مریض‌اند؟

کمتر از یک درصد.

🤔 اول حدس بزن: قبل از خواندنِ توضیح — کجای این محاسبه شهود را می‌شکند؟

اینجا: گروهِ سالم آن‌قدر بزرگ است که حتی یک درصدِ خطایش، از کلِ گروهِ مریض بسیار بیشتر می‌شود. ۹٬۹۹۹ در برابرِ ۹۹.

به این می‌گویند خطای نرخِ پایه: نادیده‌گرفتنِ اینکه آن بیماری از اول چقدر نادر بوده.

💡 نکته: همیشه با شمردنِ آدم شروع کن، نه با فرمول. این روش هیچ فرمولی لازم ندارد، هیچ‌وقت فراموش نمی‌شود، و همان چیزی است که پژوهشِ آموزشِ ریاضی نشان داده اشتباه‌ها را از بین می‌برد. فرمولش را در فصل بعد می‌بینی، ولی این جدول همیشه کار می‌کند.

۴. پس آزمایش بی‌فایده است؟#

نه — و این نکتهٔ مهمی است که نباید از فصل بد برداشت شود.

قبل از آزمایش، احتمالِ مریض‌بودنت یک در ده هزار بود. بعد از آزمایشِ مثبت، حدودِ یک در صد شد.

آزمایش احتمال را صد برابر کرد. این اطلاعاتِ بسیار زیادی است. فقط از یک عددِ خیلی کوچک شروع شده بود، پس صد برابرش هم هنوز کوچک است.

💡 نکته: به همین دلیل است که آزمایش‌های غربالگری معمولاً دو مرحله‌ایاند: مرحلهٔ اول جمعیت را از یک در ده هزار به یک در صد می‌رساند، و آزمایشِ دوم روی این گروهِ کوچک‌ترِ متمرکز، جوابِ قابلِ‌اعتمادی می‌دهد. همان منطقِ این فصل، به‌شکلِ یک تصمیمِ پزشکی.

۵. همین دام، جاهای دیگر#

در قضاوت دربارهٔ آدم‌ها: «این ویژگی در گروهِ فلان بیشتر دیده می‌شود» چیزی دربارهٔ اینکه «کسی که این ویژگی را دارد احتمالاً از آن گروه است» نمی‌گوید — مگر آنکه بدانی آن گروه چقدر بزرگ است.

در امنیت: سیستمی که با دقتِ ۹۹٪ رفتارِ مشکوک را تشخیص می‌دهد، اگر روی میلیون‌ها تراکنشِ سالم اجرا شود، هزاران هشدارِ اشتباه می‌دهد.

در یادگیری ماشین: مدلی که ۹۹٪ دقت دارد روی مسئله‌ای که فقط ۱٪ نمونه‌هایش مثبت‌اند، ممکن است هیچ چیزی یاد نگرفته باشد — کافی است همیشه «منفی» بگوید تا ۹۹٪ درست باشد.

🌱 ریشه‌اش کجاست: آن موردِ آخر یکی از مهم‌ترین درس‌های عملیِ یادگیری ماشین است: «دقت» روی دادهٔ نامتوازن یک عددِ گمراه‌کننده است. برای همین معیارهای دیگری ساخته‌اند که دقیقاً همان چیزی را می‌سنجند که در این فصل حساب کردی: از میانِ مثبت‌های اعلام‌شده، چند درصد واقعاً مثبت بودند.

⚠️ دامِ رایج: تمرکز روی «دقتِ» یک آزمایش یا مدل، بدونِ پرسیدنِ نرخِ پایه. دقت به‌تنهایی هیچ‌وقت کافی نیست؛ همیشه بپرس «از هر هزار نفر، چند نفرشان اصلاً این وضعیت را دارند؟»

تمرین‌ها

اول خودت فکر کن یا امتحان کن — بعد اینجا را باز کن.

در فصل بعد#

آن جدولِ شمارشِ آدم‌ها، یک فرمولِ فشرده دارد که نامش را شنیده‌ای: قضیهٔ بیز. فصل بعد نشان می‌دهد آن فرمول چیزِ تازه‌ای نیست — همین فصل است، خلاصه‌شده — و چرا هستهٔ فکریِ بخش بزرگی از یادگیری ماشین شده.

به آخر این فصل رسیدی!

اگر ساختی و جواب داد، این دکمه مال توست.