4.11-dars: Ehtimollik asoslari

4-QISM — STATISTIKA · 11-dars

1. Kirish va motivatsiya

Ehtimollik — noaniqlikni sonlar bilan o'lchash fani. Tanga "yoz" tushishi 0.5, zar 6 tushishi 1/6, yomg'ir ehtimoli 0.7. Ehtimollik 0 (mumkin emas) dan 1 (aniq) gacha. Bu statistika va Data Science'ning matematik poydevori: klassifikatsiya modellari ehtimol qaytaradi (bu email spam bo'lish ehtimoli 0.95), gipoteza tekshirish ehtimolga tayanadi (p-qiymat), risk baholash ehtimol bilan. Bu darsda ehtimol asoslarini, shartli ehtimol (agar X bo'lsa, Y ehtimoli) va Bayes teoremasi (yangi ma'lumot bilan ehtimolni yangilash) ni o'rganamiz. Nega muhim? (1) Noaniqlik — statistika tili; (2) ML — model ehtimol qaytaradi; (3) Qaror — risk, kutilma. Bu dars ehtimollikni o'rgatadi — noaniqlikni o'lchash.

Ehtimollik — noaniqlikni o'lchash: ehtimol (0-1; mumkin emas → aniq), hisoblash (qulay natija / jami), qoidalar (VA — ko'paytma, YOKI — yig'indi), shartli ehtimol (P(B|A) — agar A bo'lsa B), mustaqillik (biri boshqasiga ta'sir qilmaydi), Bayes (yangi ma'lumot bilan yangilash), kutilma (expected value — o'rtacha natija). Foydalanish: noaniqlik, ML, risk. Bu 4.6 (normal), 4.12 (p-qiymat) bilan bog'liq. Ehtimollik — noaniqlik (0-1). Shartli. Bayes.

Real vaziyat. Data Scientist turli ehtimol hisobladi: tanga (yoz — 0.5), zar (6 — 1/6 ≈ 0.17). Shartli ehtimol: spam filtri — "chegirma" so'zi bor bo'lsa spam ehtimoli (P(spam | "chegirma")). Bayes: kasallik testi — test musbat bo'lsa haqiqatan kasal ehtimoli (test aniq, lekin kasallik kamyob → musbat ko'pincha soxta; Bayes hisoblaydi — ajablanarli past). Kutilma: o'yin — o'rtacha yutuq/yo'qotish (kutilma manfiy → o'ynama). Ehtimol noaniqlikni sonladi (qaror — risk, ML — spam 0.95). Ehtimollik — Data Science matematik poydevori (noaniqlik).

Bu darsda ehtimollik asoslarini o'rganamiz.

Bu darsda:

• Ehtimol nima (0-1)
• Ehtimol qoidalari (VA, YOKI)
• Shartli ehtimol
• Mustaqillik
• Bayes teoremasi
• Ehtimol amaliyoti
• Ehtimol tuzoqlari
• Amaliy: ehtimol modeli

ℹ Misollar real numpy bilan (deterministik) ishlaydi.

2. Nazariya — chuqur tushuntirish

2.1. Ehtimol nima (0-1)

Noaniqlik soni:

# Ehtimol = qulay natija / jami natija
# tanga yoz: 1/2 = 0.5
# zar 6: 1/6 ≈ 0.167
# zar juft: 3/6 = 0.5

# Ehtimol: 0 (mumkin emas) dan 1 (aniq) gacha
#   0.5 — teng · 0.9 — ehtimol katta · 0.1 — kam

Ehtimol nima (0-1) — noaniqlik soni: ehtimol = qulay natija / jami natija (tanga yoz 1/2=0.5; zar 6 → 1/6; zar juft → 3/6=0.5). Sabab: noaniqlikni sonlash (mumkin-mi, qancha ehtimolli); ehtimol 0 dan 1 gacha (0 — mumkin emas, 1 — aniq, 0.5 — teng imkon). "Qulay/jami" — teng imkonli natijalar (tanga, zar). Ehtimol 0-1 (foiz — 0-100%). Barcha natijalar yig'indisi 1 (nimadir bo'ladi). Ehtimol — noaniqlik (0-1; qulay/jami). Son. Noaniqlik.

2.2. Ehtimol qoidalari (VA, YOKI)

Birlashtirish:

# VA (ikkalasi ham) — KO'PAYTMA (mustaqil bo'lsa)
# P(A va B) = P(A) * P(B)
# ikki tanga yoz: 0.5 * 0.5 = 0.25

# YOKI (biri yoki ikkinchi) — YIG'INDI (kesishmasa)
# P(A yoki B) = P(A) + P(B) - P(A va B)
# zar 1 yoki 2: 1/6 + 1/6 = 2/6 ≈ 0.33

Ehtimol qoidalari (VA, YOKI): VA (ikkalasi ham) — ko'paytma (P(A va B) = P(A) * P(B) — mustaqil bo'lsa; ikki tanga yoz: 0.5*0.5=0.25), YOKI (biri yoki ikkinchi) — yig'indi (P(A yoki B) = P(A) + P(B) - P(A va B); kesishmasa oddiy yig'indi — zar 1 yoki 2: 1/6+1/6). Sabab: murakkab hodisa oddiy hodisalardan (VA — birga; YOKI — biror biri); VA → ko'paytma (ikkalasi — kamroq ehtimol), YOKI → yig'indi (biror — ko'proq ehtimol). Kesishma (A va B birga) — YOKI'da ayiriladi (ikki marta sanalmasin). VA (ko'paytma), YOKI (yig'indi). Qoidalar — VA ko'paytma, YOKI yig'indi. Birlashtirish.

2.3. Shartli ehtimol

Agar X bo'lsa, Y:

# Shartli ehtimol: P(B|A) = agar A bo'lsa, B ehtimoli
# P(B|A) = P(A va B) / P(A)

# Misol: 100 email, 30 spam
# "chegirma" so'zi: 20 email (18 spam, 2 oddiy)
# P(spam | "chegirma") = 18/20 = 0.9

# shart (A) ehtimolni O'ZGARTIRADI

Shartli ehtimol — agar X bo'lsa, Y: P(B|A) (agar A bo'lsa, B ehtimoli; P(A va B) / P(A)). Sabab: qo'shimcha ma'lumot ehtimolni o'zgartiradi (spam ehtimoli 30%, lekin "chegirma" so'zi bor bo'lsa — 90%; shart ma'lumot beradi); shartli ehtimol shart ostida (A ma'lum). Misol: spam filtri (so'z bor → spam ehtimoli; P(spam|so'z)); tibbiyot (simptom bor → kasallik). P(B|A) ≠ P(B) (shart o'zgartiradi — mustaqil bo'lmasa). Shartli ehtimol — P(B|A) (agar A bo'lsa B). Shart. O'zgartiradi.

2.4. Mustaqillik

Mustaqillik — biri boshqasiga ta'sir qilmaydi: ikki hodisa mustaqil — biri ikkinchisiga ta'sir qilmaydi (P(B|A) = P(B) — shart o'zgartmaydi). Sabab: mustaqil (tanga — har tashlash mustaqil; oldingi yoz keyingisiga ta'sir qilmaydi; VA → ko'paytma), bog'liq (dependent — biri ikkinchisini o'zgartiradi; qutidan shar olish — takrorsiz → keyingi o'zgaradi). Muhim: mustaqil bo'lsa VA = ko'paytma 2.2-bob; bog'liq bo'lsa shartli ehtimol (o'zgaradi). Qimorboz xatosi (gambler — mustaqilni bog'liq deb: "5 marta yoz, endi buka" — noto'g'ri, tanga mustaqil, hali 0.5). Mustaqillik — ta'sir yo'q (P(B|A)=P(B)). Mustaqil vs bog'liq. Qimorboz xatosi.

2.5. Bayes teoremasi

Bayes teoremasi — yangi ma'lumot bilan yangilash: P(A|B) = P(B|A) * P(A) / P(B) (yangi ma'lumot B bilan A ehtimolini yangilash). Sabab: yangi dalil bilan ehtimolni yangilash (oldingi ishonch → yangi ma'lumot → yangilangan ishonch); Bayes teskari shartli ehtimol (P(A|B) — P(B|A) dan). Mashhur misol: kasallik testi — test 99% aniq, kasallik 1% kamyob; test musbat → haqiqatan kasal ehtimoli? Bayes: ~50% (ajablanarli past! — kamyob kasallik + ko'p soxta musbat). Sabab: asosiy ehtimol (base rate — kasallik kamyob) muhim; Bayes yangilaydi (test + asosiy ehtimol). ML'da (Naive Bayes — spam). Bayes — yangilash (P(A|B); yangi ma'lumot). Teskari. Asosiy ehtimol.

2.6. Ehtimol amaliyoti

Ehtimol amaliyoti: ehtimol (0-1 — qulay/jami); VA (ko'paytma — mustaqil), YOKI (yig'indi); shartli (P(B|A) — shart); mustaqillik (ta'sir yo'q — VA ko'paytma); Bayes (yangilash — asosiy ehtimol); kutilma (o'rtacha natija — risk); simulyatsiya (np.random — ehtimol tekshir, 2.10). Tuzoqlar: mustaqil deb (bog'liq — shartli), asosiy ehtimol e'tiborsiz (Bayes — kamyob), qimorboz xatosi (mustaqil), VA/YOKI chalkash (ko'paytma/yig'indi). Amaliyot — ehtimol, VA/YOKI, shartli, Bayes. Noaniqlik. O'lchash.

2.7. Ehtimol tuzoqlari

Ehtimol asosiy tuzoqlari: qimorboz xatosi (gambler's fallacy — mustaqil hodisani bog'liq deb: "5 marta yoz tushdi, endi buka kerak" — noto'g'ri; tanga mustaqil — har tashlash 0.5, o'tmish ta'sir qilmaydi); asosiy ehtimol e'tiborsizligi (base rate neglect — Bayes: kamyob kasallik (1%) + aniq test (99%) → musbat test 50% soxta; asosiy ehtimol (kamyoblik) e'tiborsiz → xato; eng muhim Bayes tuzog'i); VA/YOKI chalkash (VA — ko'paytma (kamroq), YOKI — yig'indi (ko'proq); aralashtirmang); mustaqil deb faraz (bog'liq hodisani mustaqil deb — VA ko'paytma xato; shartli kerak); P(A|B) = P(B|A) deb (shartli ehtimol teskari emas; P(kasal|musbat) ≠ P(musbat|kasal); Bayes); kam ehtimol e'tiborsiz (kichik ehtimol × ko'p imkon — muqarrar; lotereya); prokuror xatosi (P(dalil|aybsiz) kichik → aybdor deb; noto'g'ri — Bayes). Sabab: ehtimol intuisiyaga zid (mustaqillik, asosiy ehtimol, teskari — miya chalkashadi). Yechim: mustaqillik tekshir, asosiy ehtimol (Bayes), VA/YOKI. Tuzoqlar — qimorboz, asosiy ehtimol, VA/YOKI, teskari.

2.8. Ehtimol — noaniqlikni o'lchash

Ehtimol asosiy g'oyasi — noaniqlikni o'lchash: dunyo noaniq (tasodif, to'liq bilmaslik); ehtimol noaniqlikni sonlab o'lchaydi (0-1 — mumkin emasdan aniqgacha); statistika/Data Science tili (noaniqlik — 4.1). Ehtimol (qulay/jami — 0-1), qoidalar (VA ko'paytma, YOKI yig'indi), shartli (P(B|A) — qo'shimcha ma'lumot ehtimolni o'zgartiradi), mustaqillik (ta'sir yo'q), Bayes (yangi ma'lumot bilan yangilash — asosiy ehtimol muhim), kutilma (o'rtacha natija — risk). Foydalanish: noaniqlik (statistika tili), ML (model ehtimol qaytaradi — spam 0.95; klassifikatsiya 20-qism), qaror (risk, kutilma), gipoteza (p-qiymat — 4.12). Ehtimol intuisiyaga zid (qimorboz, asosiy ehtimol — ehtiyot). Bu 4.6 (normal — ehtimol) va 4.12 (p-qiymat), 20-qism (ML — Naive Bayes) bilan. Ehtimol — noaniqlikni o'lchash (0-1, shartli, Bayes). Noaniqlik. Poydevor.

3. Tez ma'lumotnoma

EHTIMOL — noaniqlik (0-1):
  ehtimol = qulay natija / jami
  0 (mumkin emas) — 1 (aniq) — 0.5 (teng)

QOIDALAR:
  VA (ikkalasi) — KO'PAYTMA: P(A va B) = P(A)*P(B) [mustaqil]
  YOKI (biri) — YIG'INDI: P(A yoki B) = P(A)+P(B)-P(A va B)

SHARTLI EHTIMOL:
  P(B|A) = agar A bo'lsa B (= P(A va B)/P(A))
  shart ehtimolni o'zgartiradi

MUSTAQILLIK:
  P(B|A) = P(B) (ta'sir yo'q)
  qimorboz xatosi — mustaqilni bog'liq deb (XATO)

BAYES (yangilash):
  P(A|B) = P(B|A)*P(A) / P(B)
  asosiy ehtimol (base rate) MUHIM
  kamyob kasallik + aniq test → musbat ko'p SOXTA

QOIDA: VA ko'paytma, YOKI yig'indi · asosiy ehtimol (Bayes) · qimorboz xatosi

Ehtimol xulosasi

Ehtimol — noaniqlikni o'lchash (0-1)
VA (ko'paytma, mustaqil) · YOKI (yig'indi)
Shartli — P(B|A) (shart ehtimolni o'zgartiradi)
Mustaqillik — ta'sir yo'q (qimorboz xatosi — bog'liq deb)
Bayes — yangi ma'lumot bilan yangilash (asosiy ehtimol muhim)

4. Batafsil misollar

Misollar real numpy bilan (deterministik) ishlaydi.

Misol 1 — Ehtimol va qoidalar

"""Ehtimol va qoidalar (real numpy)."""

import numpy as np


def main() -> None:
    print("=== 1. Oddiy ehtimol ===")
    print(f"  tanga yoz: {1/2}")
    print(f"  zar 6: {round(1/6, 3)}")

    print("\n=== 2. VA (ko'paytma) ===")
    print(f"  ikki tanga yoz: {0.5 * 0.5} (0.5*0.5)")

    print("\n=== 3. YOKI (yig'indi) ===")
    print(f"  zar 1 yoki 2: {round(1/6 + 1/6, 3)}")

    print("\n=== 4. Simulyatsiya tekshiruvi ===")
    np.random.seed(0)
    tangalar = np.random.randint(0, 2, (100000, 2))
    ikki_yoz = ((tangalar[:, 0] == 1) & (tangalar[:, 1] == 1)).mean()
    print(f"  ikki yoz (simulyatsiya): {round(ikki_yoz, 3)} (~0.25)")
    print("  ⭐ Ehtimol — VA ko'paytma, YOKI yig'indi")


if __name__ == "__main__":
    main()

Natijaning muhim qismi:

=== 1. Oddiy ehtimol ===
  tanga yoz: 0.5
  zar 6: 0.167

=== 2. VA (ko'paytma) ===
  ikki tanga yoz: 0.25 (0.5*0.5)

=== 3. YOKI (yig'indi) ===
  zar 1 yoki 2: 0.333

=== 4. Simulyatsiya tekshiruvi ===
  ikki yoz (simulyatsiya): 0.251 (~0.25)
  ⭐ Ehtimol — VA ko'paytma, YOKI yig'indi

Nima ko'rsatdi: 2.1, 2.2-bo'limlar.

Misol 2 — Shartli ehtimol

"""Shartli ehtimol: spam filtri (real hisob)."""


def main() -> None:
    # 100 email, 30 spam
    # "chegirma" so'zi: 20 email (18 spam, 2 oddiy)

    print("=== 1. Umumiy spam ehtimoli ===")
    print(f"  P(spam): {30/100} (30/100)")

    print("\n=== 2. 'chegirma' bo'lsa spam ===")
    p_spam_chegirma = 18 / 20
    print(f"  P(spam | 'chegirma'): {p_spam_chegirma} (18/20)")

    print("\n=== 3. Shart ehtimolni oshirdi ===")
    print(f"  0.3 → 0.9 ('chegirma' ma'lumot berdi)")

    print("\n=== 4. Tushuntirish ===")
    print("  P(B|A) = shart ostida ehtimol (o'zgaradi)")
    print("  ⭐ Shartli ehtimol — agar A bo'lsa B")


if __name__ == "__main__":
    main()

Natijaning muhim qismi:

=== 1. Umumiy spam ehtimoli ===
  P(spam): 0.3 (30/100)

=== 2. 'chegirma' bo'lsa spam ===
  P(spam | 'chegirma'): 0.9 (18/20)

=== 3. Shart ehtimolni oshirdi ===
  0.3 → 0.9 ('chegirma' ma'lumot berdi)

=== 4. Tushuntirish ===
  P(B|A) = shart ostida ehtimol (o'zgaradi)
  ⭐ Shartli ehtimol — agar A bo'lsa B

Nima ko'rsatdi: 2.3-bo'lim.

Misol 3 — Bayes (kasallik testi)

"""Bayes: kasallik testi (real hisob)."""


def main() -> None:
    # Kasallik 1% kamyob, test 99% aniq
    p_kasal = 0.01
    p_musbat_kasal = 0.99      # kasal bo'lsa musbat (sezgirlik)
    p_musbat_sog = 0.01        # sog' bo'lsa musbat (soxta)

    print("=== 1. Parametrlar ===")
    print(f"  kasallik: {p_kasal} (kamyob), test aniqligi: {p_musbat_kasal}")

    print("\n=== 2. Musbat test ehtimoli (jami) ===")
    p_musbat = p_musbat_kasal * p_kasal + p_musbat_sog * (1 - p_kasal)
    print(f"  P(musbat): {round(p_musbat, 4)}")

    print("\n=== 3. Bayes: musbat bo'lsa kasal? ===")
    p_kasal_musbat = (p_musbat_kasal * p_kasal) / p_musbat
    print(f"  P(kasal | musbat): {round(p_kasal_musbat, 2)} (~50%!)")

    print("\n=== 4. Ajablanarli ===")
    print("  aniq test, lekin kamyob kasallik → musbat 50% soxta")
    print("  ⭐ Bayes — asosiy ehtimol muhim (base rate)")


if __name__ == "__main__":
    main()

Natijaning muhim qismi:

=== 1. Parametrlar ===
  kasallik: 0.01 (kamyob), test aniqligi: 0.99

=== 2. Musbat test ehtimoli (jami) ===
  P(musbat): 0.0198

=== 3. Bayes: musbat bo'lsa kasal? ===
  P(kasal | musbat): 0.5 (~50%!)

=== 4. Ajablanarli ===
  aniq test, lekin kamyob kasallik → musbat 50% soxta
  ⭐ Bayes — asosiy ehtimol muhim (base rate)

Nima ko'rsatdi: 2.5-bo'lim.

Misol 4 — Qimorboz xatosi

"""Qimorboz xatosi: mustaqillik (real numpy)."""

import numpy as np


def main() -> None:
    np.random.seed(0)

    print("=== 1. 5 marta yoz tushdi ===")
    print("  qimorboz: 'endi buka kerak' (XATO)")

    print("\n=== 2. Keyingi tashlash ehtimoli ===")
    print(f"  P(yoz) hali: 0.5 (mustaqil — o'tmish ta'sir qilmaydi)")

    print("\n=== 3. Simulyatsiya (yozdan keyin) ===")
    tangalar = np.random.randint(0, 2, 1000000)
    # yozdan keyin nima tushadi
    keyingi = tangalar[1:][tangalar[:-1] == 1]
    print(f"  yozdan keyin yoz: {round((keyingi == 1).mean(), 3)} (~0.5)")

    print("\n=== 4. Xulosa ===")
    print("  tanga mustaqil — o'tmish ta'sir qilmaydi")
    print("  ⭐ Qimorboz xatosi — mustaqilni bog'liq deb")


if __name__ == "__main__":
    main()

Natijaning muhim qismi:

=== 1. 5 marta yoz tushdi ===
  qimorboz: 'endi buka kerak' (XATO)

=== 2. Keyingi tashlash ehtimoli ===
  P(yoz) hali: 0.5 (mustaqil — o'tmish ta'sir qilmaydi)

=== 3. Simulyatsiya (yozdan keyin) ===
  yozdan keyin yoz: 0.499 (~0.5)

=== 4. Xulosa ===
  tanga mustaqil — o'tmish ta'sir qilmaydi
  ⭐ Qimorboz xatosi — mustaqilni bog'liq deb

Nima ko'rsatdi: 2.4-bo'lim.

5. To'g'ri va noto'g'ri tushunishlar

6. Keng tarqalgan xatolar va yechimlari

1. Qimorboz xatosi

# 5 yoz → endi buka kerak                                     # ⚠️
# tanga mustaqil (hali 0.5)                                   # ✅

2. Asosiy ehtimol

# test 99% aniq → musbat 99% kasal deb                       # ⚠️
# asosiy ehtimol (kamyob → 50% soxta, Bayes)                  # ✅

3. VA/YOKI

# ikki yoz: 0.5 + 0.5 = 1 (xato)                             # ⚠️
# 0.5 * 0.5 = 0.25 (VA — ko'paytma)                           # ✅

4. Mustaqil deb

# bog'liq hodisaga ko'paytma                                  # ⚠️
# shartli ehtimol (bog'liq bo'lsa)                            # ✅

5. Teskari shartli

# P(kasal|musbat) = P(musbat|kasal) deb                      # ⚠️
# Bayes (teskari — asosiy ehtimol)                            # ✅

6. Kam ehtimol

# lotereya yutmayman (hech kim)                               # ⚠️
# ko'p o'yinchi → kimdir yutadi (muqarrar)                    # ✅

7. Ehtimol diapazoni

p = 1.5   # xato (>1)                                        # ⚠️
0 <= p <= 1   # ehtimol 0-1                                   # ✅

7. Integratsiya — bu bilim qayerda kerak bo'ladi

• 4.6-dars (o'tilgan): Normal (ehtimol — cdf)
• 2.10-dars (o'tilgan): Random (simulyatsiya)
• 4.12-dars (keyin): Gipoteza (p-qiymat)
• 20-qism: ML (klassifikatsiya — ehtimol)
• 20-qism: Naive Bayes (Bayes)

8. Eng yaxshi amaliyotlar

1. Ehtimol 0-1 (qulay/jami).

2. VA ko'paytma, YOKI yig'indi.

3. Shartli — P(B|A) (shart o'zgartiradi).

4. Mustaqillik tekshir (qimorboz xatosi).

5. Bayes — asosiy ehtimol muhim.

6. P(A|B) ≠ P(B|A) (teskari).

7. Simulyatsiya (ehtimol tekshir).

8. Ehtimol — noaniqlikni o'lchash.

9. Amaliy topshiriq

Vazifa 1: Bashorat qiling

1.  # ehtimol nima?
2.  # ehtimol diapazoni?
3.  # ehtimol hisobi?
4.  # VA qoidasi?
5.  # YOKI qoidasi?
6.  # shartli ehtimol?
7.  # mustaqillik?
8.  # qimorboz xatosi?
9.  # Bayes nima?
10. # asosiy ehtimol?
11. # P(A|B) = P(B|A)?
12. # nega ehtimol muhim?

Vazifa 2: Xatolarni tuzating

1.  # 5 yoz → buka kerak

2.  # test 99% → musbat 99% kasal

3.  # ikki yoz 0.5+0.5

4.  # P(kasal|musbat) = P(musbat|kasal)

5.  p = 1.5

1.  mustaqil (hali 0.5)

2.  asosiy ehtimol (Bayes — 50%)

3.  0.5 * 0.5 (VA ko'paytma)

4.  Bayes (teskari)

5.  0 <= p <= 1

Vazifa 3: Ehtimol

Modellang:

1. 0-1
2. Qulay/jami
3. Mumkin emas
4. Aniq

Vazifa 4: Qoidalar

Modellang:

1. VA (ko'paytma)
2. YOKI (yig'indi)
3. Mustaqil
4. Kesishma

Vazifa 5: Shartli/mustaqil

Modellang:

1. P(B|A)
2. Shart
3. Mustaqillik
4. Qimorboz xatosi

Vazifa 6: Bayes

Modellang:

1. Yangilash
2. Asosiy ehtimol
3. Teskari
4. Kasallik testi

Vazifa 7: O'ylash

Kasallik testi 99% aniq bo'lsa ham, kamyob kasallikda (1%) musbat test faqat ~50% haqiqiy kasallikni bildiradi (Bayes). Nima uchun "asosiy ehtimol" (base rate — kasallikning kamyobligi) shunchalik muhim, va nega inson intuitsiyasi bu yerda aldaydi (nega ko'pchilik "test 99% aniq → men 99% kasal" deb o'ylaydi)?

Nimani mustahkamlaydi: 2.5, 2.7-bo'limlar.

Xulosa

Bu darsda ehtimollik asoslarini o'rgandik.

Eng muhim uch fikr:

1. Ehtimol va qoidalar. Ehtimol — noaniqlik soni: qulay natija / jami (tanga yoz 0.5, zar 6 → 1/6); 0 dan 1 (0 mumkin emas, 1 aniq, 0.5 teng). Qoidalar — VA (ikkalasi) → ko'paytma (P(A)*P(B) — mustaqil; ikki yoz 0.25), YOKI (biri) → yig'indi (P(A)+P(B)-P(A va B)).

2. Shartli va Bayes. Shartli ehtimol — P(B|A) (agar A bo'lsa B; shart ehtimolni o'zgartiradi — spam 30%, "chegirma" bilan 90%). Mustaqillik — ta'sir yo'q (P(B|A)=P(B); qimorboz xatosi — mustaqilni bog'liq deb: "5 yoz → buka kerak" noto'g'ri). Bayes — yangi ma'lumot bilan yangilash (P(A|B) = P(B|A)*P(A)/P(B); asosiy ehtimol muhim — kamyob kasallik + aniq test → musbat 50% soxta).

3. Noaniqlik o'lchash. Ehtimol — noaniqlikni o'lchash (statistika/Data Science tili; 0-1). Foydalanish: noaniqlik 4.1-bob, ML (model ehtimol — spam 0.95; Naive Bayes), qaror (risk, kutilma), gipoteza (p-qiymat — 4.12). Ehtimol intuisiyaga zid (qimorboz xatosi, asosiy ehtimol e'tiborsizligi — miya chalkashadi; ehtiyot). Bu 4.6 (normal) va 4.12 (p-qiymat), 20-qism (ML) bilan. Tuzoqlar: qimorboz xatosi, asosiy ehtimol e'tiborsiz (Bayes), VA/YOKI chalkash, P(A|B)≠P(B|A).

Keyingi darsda gipoteza tekshirishni o'rganamiz: null/alternativ gipoteza, p-qiymat — ikki guruh farqi haqiqiy-mi yoki tasodif-mi.