Probabilitas bersyarat menjawab pertanyaan yang lebih sempit daripada probabilitas biasa: bukan "seberapa besar kemungkinan A?" tapi "seberapa besar kemungkinan A setelah kita mengetahui B terjadi?" Ini adalah dasar dari teorema Bayes, pengujian medis, filter spam, dan situasi apa pun di mana informasi baru harus memperbarui perkiraan Anda tentang kemungkinannya.
Bagaimana rumusnya bekerja
P(A|B) = P(A ∩ B) / P(B) mempersempit ruang sampel menjadi hanya hasil di mana B terjadi, lalu menanyakan berapa pecahan dari hasil tersebut yang juga memiliki A. Jika B tidak pernah terjadi (P(B) = 0), probabilitas bersyarat tidak terdefinisi — Anda tidak dapat mengkondisikan sesuatu yang mustahil, itulah sebabnya kalkulator ini memblokir input tersebut.
Tab Dari Hitungan secara matematis identik tetapi melewatkan konversi ke probabilitas terlebih dahulu: membagi penghitungan mentah menghasilkan rasio yang sama, karena count(A∩B)/count(B) dan P(A∩B)/P(B) keduanya memperkirakan frekuensi kondisional yang sama.
Kemandirian vs. ketergantungan
Dua peristiwa saling independen ketika mempelajari satu peristiwa tidak memberi tahu Anda apa pun tentang peristiwa lainnya — secara formal, P(A|B) = P(A). Kejadian independen juga memenuhi P(A ∩ B) = P(A) × P(B), yang merupakan aturan perkalian yang digunakan untuk menggabungkan probabilitas kejadian yang tidak berhubungan (seperti dua pelemparan koin atau dua dadu terpisah).
Sebagian besar kejadian di dunia nyata tidak independen. Mengetahui bahwa cuaca berawan mengubah kemungkinan hujan; mengetahui seorang pasien dites positif mengubah kemungkinan mereka mengidap penyakit tersebut. Tab Independensi membandingkan P(A|B) secara langsung dengan P(A) sehingga Anda dapat melihat kesenjangannya, jika ada.
Kesalahan umum
Kesalahan yang paling sering terjadi adalah membingungkan P(A|B) dengan P(B|A) — ini umumnya merupakan bilangan yang berbeda (ini adalah kesalahan teorema Bayes yang sama untuk dikoreksi). Cara lainnya adalah dengan mengasumsikan independensi tanpa pengawasan; memperlakukan kejadian-kejadian dependen sebagai pernyataan yang meremehkan atau melebih-lebihkan probabilitas gabungan yang sebenarnya. Terakhir, ingatlah bahwa P(A ∩ B) tidak akan pernah melebihi P(B) atau P(A) — jika masukan Anda melanggar hal tersebut, periksa kembali data Anda sebelum memercayai hasilnya.