Specialization IB - question 4 (Probability)

Question 1

Stavebni bloky pravdepodobnosti

Answer 1

• Nahodny experiment - proces s nejistym vysledkem
• Sample space (vyberovy prostor) - mnozina vsech moznych vysledku experimentu
• Sample point - prvek z Sample Space
• Event (jev) - podmnozina vyberoveho prostoru (Sample space) vysledek/vysledky nahodneho experimentu
• Da se pracovat jako s mnozinami (A ∪ B, Co-A)

Question 2

Stavebni bloky na prikladu

Answer 2

Nahodny experiment - hod kostkou (6-stranna)
Vyberovy prostor je {1, 2, 3, 4, 5, 6}
Elementarni jev (Sample point) napr. 1
Jev nahodneho pokusu napr. dostaneme suda cisla na kostce (podmnozina je {2,4,6})

Question 3

Vlastostni prace s mnozinami

Answer 3

Komutativita - A ∪ B == B ∪ A
Asociativita - A ∪ (B ∪ C) == (A ∪ B) ∪ C
Distributivita - A ∪ (B ∩ C) == (A ∪ B) ∩ (A ∪ C)
Identita - A ∪ ∅ = A, A ∩ S = A
Komplement - A ∪ Co-A = S
De Morganovy Zakony -Co-(A ∪ B) = Co-A ∩ Co-B

Question 4

Diskretni pravdepodobnostni prostor

Answer 4

trojice (S, F, P)
* S = Sample space (Vyberovy prostor)
* F = power set S (2^S)
* P = pravdepodobnostni funkce F -> [0, 1] s podminkami, ze P(S) = 1

Konecny/Pocitatelny prostor (pravdepodobnosti se daj scitat/pocitat)

Question 5

Spojity pravdepodobnostni prostor (Continous probability space)

Answer 5

trojice (S, F, P)
* S = Sample space (Vyberovy prostor)
* F = sigma-algebra S = F je podmnozinou 2^S
* P = pravdepodobnostni funkce F -> [0, 1] s podminkami, ze P(S) = 1

Question 6

Vlastnosti sigma-algebra

Answer 6

F je podmnozinou 2^S

• Obsahuje prazdny prvek (∅ ∈ F)
• Je uzavrena na doplnek (Closure on complement) - jestli A ∈ F tak potom i Co-A ∈ F
• Je uzavrena na spocetna spojeni (Closure on union) - jestli A_1,..A_n ∈ F tak potom ⋃︀ A_i ∈ F (i from 1 do n); n = inf

Question 7

Podminecna pravdepodobnost

Answer 7

Pravdepodobnost jevu A, ze se stane jev B

P(A|B) = P(A ∩ B) / P(B)
<=>
* P(A ∩ B) = P(B) * P(A|B) ; if P(B) != 0
* P(A ∩ B) = P(A) * P(B|A) ; if P(A) != 0
* P(A ∩ B) = 0; if P(B) = P(A) = 0

Question 8

Nezavisly jev?

Answer 8

P(A|B) = P(A)
P(B|A) = P(B)

P(A ∩ B) = P(A) * P(B)

(Ven diagram)

Question 9

Law of total probability

Answer 9

• B_1, …, B_n tvori S
• A je event

P(A) = ∑︀ { P(A|B_i)*P(B_i) }

Pouziti: If independent cases (B_i) and we want to know some general property (across all cases) (A)

Question 10

Bayes’ rule

Answer 10

Pouziti: Zname obecnou vlastnost a chceme ji zjistit pro konkretni pripad (subcases)

P(B_j | A) = { P(A|B_j)*P(B_j) } / P(A)

Question 11

Nahodne veliciny

Answer 11

Funkce, S-> R, ktera prirazuje realne cislo X(s) pro s ∈ S

Question 12

Pouziti nahodnych velicin

Answer 12

v Probability mass distribution, Cumulative distribution function, stredni hodnota, rozptyl (atp.)

Question 13

Obraz - diskretni nahodna velicina

Answer 13

Mnozina Im(X) = { X(s) | s ∈ S }

Question 14

Inverzni obraz nahodnych velicin - diskretni nahodna velicina

Answer 14

jev takovy, ze: [X = x] = { s ∈ S | X(s) = x }

Question 15

Probability mass distribution - diskretni nahodna velicina

Answer 15

Probability mass distribution je funkce p_X : R -> [0, 1]

P(X = x) = ∑︀ P(s) (pro s, ze X(s) = x)

Question 16

Cumulative distribution function - diskretni nahodna velicina

Answer 16

je funkce F_X: R -> [0, 1]

F_X (t) = P(X ≤ t) = ∑︀ p_X(x) ( x ≤ t )

Question 17

priklady Diskretni distribuce

Answer 17

• Uniform (rovnomerna) - kazdy vzorek ma stejnou sanci (napr. hod kostkou)
• Bernoulli - vysledek je 0 nebo 1 - napr. hod minci
• Geometric (Geometricka) - pocet bernoulliho pokusu nez prvni uspech (napr. hod minci dokud nepadne hlava)
• Binomial - pocet k uspechu v n za sebou jdoucich pokusech (napr. pocet hlav v 10 hodech minci)
• possion - vyskyt jevu za cas

Question 18

Probability mass distribution - Uniform

Answer 18

p_X (x_i) = 1/n ; if x_i ∈ Im(𝑋)
p_X (x_i) = 0 ; otherwise

Question 19

Probability mass distribution - Bernoulli

Answer 19

p_X (x) = p ; if x = 1
p_X (x) = 1-p ; if x = 0
p_X (x) = 0 ; otherwise

Question 20

Probability mass distribution - Geometric

Answer 20

p_X (a) = p * (1-p) ^ (a-1) ; if a ∈ N
p_X (a) = 0 ; otherwise

Question 21

Probability mass distribution - Binomial

Answer 21

p_X (k) = ( n over k ) * { p^(k) } * { (1-p) ^ (n - k) } ; 0 ≤ k ≤ n
p_X (k) = 0 ; otherwise

Question 22

Cumulative distribution - Uniform

Answer 22

F_X (t) = 0 ; t < x_1
F_X (t) = i/n ; x_i < t < x_(i+1)
F_X (t) = 1 ; >= x_n

Question 23

Cumulative distribution - Bernoulli

Answer 23

F_X (t) = 0 ; t < 0
F_X (t) = 1-p ; 0 ≤ t < 1
F_X (t) = 1 ; t ≥ 1

Question 24

Cumulative distribution - Geometric

Answer 24

a=1 … |t| ∑ p * (1-p)^(a-1)

Question 25

Cumulative distribution - Binomial

Answer 25

k=1 ... |t| ∑ ( n over k ) * p^(k) * (1-p)^(n - k)

Question 26

Spojita nahodna velicina

Answer 26

Nema PMF - ale density function (hustota pravdepodobnosti) F(x) = from -inf .. x ∫︀ f_X (t) dt

Question 27

Joint discrete probability mass function, cumulative mass function

Answer 27

p_(X, Y) = P(X=x && Y=y) another formula: p_(X, Y) = P(Y=y | X=x)*P(X=x) = P(X=x|Y=y)*P(Y=y) je v rozmezi [0, 1]

Question 28

Priklady distribuci spojitych nahodnych velicin

Answer 28

* uniformi - rovnomerne * normalove - napr. distribuce IQ * Exponencionalni

Question 29

Diskretni nahodny vektor

Answer 29

je to vektor nahodnych velicin (X_1, ... , X_r) nejcasteji pro dve veliciny na porovnani

Question 30

Stredni hodnota (Expected value)

Answer 30

Ocekavana hodnota. Pro uniformni hodnoty prumer E(X) = ︁∑ x * P(x) ; x ∈ Im(X)

Question 31

Stredni hodnota uniformni distribuce

Answer 31

E(X) = ∑ (x*1)/n = ( ∑ x ) / n

Question 32

Stredni hodnota Bernoulli

Answer 32

E(X) = 0 * (1-p) + 1*p = p

Question 33

Stredni hodnota binomial

Answer 33

E(X) = np

Question 34

Stredni hodnota geometricke

Answer 34

E(X) = 1/p

Question 35

Stredni hodnota geometricke

Answer 35

E(X) = 1/p

Question 36

Vlastnosti strednich hodnot

Answer 36

* Linearita 1. E(c * X) = c * E(X) 2. E(X + Y) = E(X) + E(Y) * Jestli X, Y nezavisle -> E(X * Y) = E(X)*E(Y) * Podminena stredni hodnota: X, Y diskretni nahodne veliciny. 1. E(X|Y=y) = ∑ x * P( X=x | Y=y ) * Markov inequality (Markova nerovnost) - X je non-negative nahodna velicina s konecnou stredni hodnotou. Potom plati pro vsechny t > 0: P(X ≥ t) ≤ E(X) / t Markov inequality stanovuje upper bound probablity na bazi stredni hodnoty.

Question 37

Rozptyl

Answer 37

second central moment VAR(X) = E([X- E(X)] ^2) = ∑ (x - E(x))^2

Question 38

Stochastické procesy

Answer 38

collection of random variable { X_t | t ∈T } * T = cas * X_t = stav X v case t sekvence epxerimentuje, ktere sleduji vyvoj v case (napr. teplota CPU, vyvoj populace) - bereme jenom hodnoty v diskretnim case (mereni v casovych bodech - treba jednou za hodinu)

Question 39

Markovovy řetězce

Answer 39

Jsou stochasticke procesy takove: P(X_(t+1) = a | X_t = b) neboli budouci hodnota zavisi pouze na aktualni hodnote Da se rict, ze vyjadruji pravdepodobnost prechodu do dalsiho stavu - ergo daji se reprezentovat automatem, matici (transition matrix). napr. Ze stavu 'A' muze prejit do stavu 'B', 'C', 'D' avsak pravdepodobnosti vsech prechodu z 'A' se musi rovnat 1 (100%). Tedy P('A', 'B') + P('A', 'C') + P('A', 'D') + P('A', 'A') = 1 Pouziti v NLP napr. mame vety, analyzujem posloupnout a stvorime automat: Zacina: slovem I, nasledne treba 30% don't, 70% like a tak

Question 40

Teorie informace - entropie

Answer 40

H (X) = - ∑ p_X(x)*log p_X(x) ; p_X(x) je pravdepodobnostni funkce Entropie 0 = vime, co se stane Nejvetsi entropii ma uniformni distribuci Vyjadruje se v bitech (informace). Stanovuje nejmensi ocekavany pocet bitu na preneseni dane informace (ocekavane - stredni hodnota vpodstate) log_b = b - base, volime dle jednotky ... log_2 pro bity. log_8 pro bytes treba H(1/(mn), ...) = H(1/m, ...) + H(1/n, ...); m a n jsou nezavisle

Question 41

teorie kodovani - huffmanovy kody

Answer 41

Casto pouzite pro loosless kompresi dat funguje, ze nejcasteji vyskytujicimu prvku se da nejkratsi kodove slovo (0) a naopak - prvku x z X kde x ma nejmensi pravdepodobnost, tak x ma nejdelsi slovo. a_1 = 1/2 ... 0 a_2 = 1/4 ... 10 a_3 = 1/8 ... 110 a_4 = 1/8 ... 111

Question 42

teorie kodovani - kapacita hlucneho kanalu

Answer 42

R = { log_2{M} } / n # (bitu pro prenos - throughput) Kapacita kanalu: C = max I(X; Y) = max [H(Y ) − H(Y | X )] kde * nahodna velicina X je vstup * nahodna velicina Y je vystup

Question 43

Standard Deviation

Answer 43

SQRT( VAR(X) ) // rozptyl je vypocitany jako jednotka^2 .. napr m^2

Question 44

Vlastnosti rozptylu

Answer 44

* VAR(aX + b) = a^2 * VAR( X ) * VAR(X) = E(X^2) - E(X)^2

Question 45

Covariance (Kovariance)

Answer 45

COV(X, Y) = E[X -E(X)] * E [Y - E(Y) ] meri linearni zavislost * Cov < 0 = anticorrelated * Cov = 0 neutralni linearni zavisle * Cov > 0 - linearne zavisle

Question 46

Zakon velkych cisel

Answer 46

Cim delsi sekvence nezavislych nahodnych velicin (experimentu), tim bliz se dostavame ke stredni hodnote (strong law of large numbers)

Question 47

Chebyshev inequality

Answer 47

P(|X - E(X)| ≥ t) ≤ VAR(X) / t^2 - stanovuje uper bound na rozptylu

Question 48

Continuous-time Markov chain (CTMC)

Answer 48

Zatimco Markov chain diskretni je v periodickych casech, continous specifikuje libovolne mnozstvi casu nez nastane prechod

Question 49

Joint Entropy

Answer 49

entropie paru (n-tice) X,Y - jsou korelovatelne H (X, Y) = - ∑_x ∑_y { p(x, y)*log p(x, y) }

Question 50

Conditional Entropy

Answer 50

Mira nejistoty (H(X|Y)) hodnoty X za predpokladu, ze je dana hodnota Y H(X|Y) = 0 jestli X je kompletne zavisle na Y H(X|Y) = H(X) jestli X a Y jsou nezavisle H (X|Y) = - ∑ P(X=x | Y=y)*log{ P(X=x | Y=y) }

Question 51

General Chain Rule

Answer 51

H(X_1, X_2, ... X_n) = H(X_1) + H(X_2|X_1) + .. + H( X_n | X_1 ) Podobne: D(p(x, y ) || q(x, y )) = D( p(x) || q(x)) + D( p(y|x) || q(y|x)) H(X , Y) = H(Y) + H(X|Y)

Question 52

Venn diagram (entropie)

Answer 52

Circle A = H(X) Circle B = H(Y) cast A and B (prunik) = I(X; Y) dohromady A a B (union) = H(X, Y) H(X|Y) = H(X) - I(X;Y) H(Y|X) = H(Y) - I(X;Y)

Question 53

Relative entropy

Answer 53

Vyjadruje, jak se pravdepodobnosti rozlozeni p lisi od pravdepodobnostniho rozlozeni q D(p || q) = - ∑ p(x) * log ( p(x) / q(x) )

Question 54

Mutual Information

Answer 54

Meri mnozstvi informaci, ktere veliciny X a Y maji spolecne I(X; Y) = 0 - nezavisle I(X; Y) = ∑ p(x, y) log { p(x, y) / ( p(x) * p(y) ) } I(X;Y) = H(X) + H(Y) - H(X,Y)

Question 55

Conditional Mutual Information

Answer 55

I(X;Y|Z)=H(X|Z) - H(X|Y, Z) Venn diagram: cast, ktera je spolecna pouze X a Y

Question 56

Probability of an error for the code

Answer 56

Mame kod (M, X^n, g) * M = pocet kodovych slov * f = enkodovaci funkce f: X^n: {1, 2, 3, ..., M} -> X^n * g = dekodovaci funkce g: Y^n -> {1, 2, 3, ..., M} Kanal je pak definov (X, p(y|x), Y) * X je vstupni abeceda * p(y|x) je pravdepodobnostni funkce * Y je vystupni abeceda λ_i = SUM_{y^n takovych, ze g(y^n) != i } { p( y^n | x^n ) } max prob of error λ_max = max λ_i

Question 57

Symmetricky kanal

Answer 57

Kanal je pak definov (X, p(y|x), Y) * X je vstupni abeceda * p(y|x) je pravdepodobnostni funkce * Y je vystupni abeceda mapovani: 0 -> 0: 1-p 0 -> 1: p 1 -> 0: p 1 -> 1: 1-p neb ze pravdepodobnosti, ze se bit prenese spravne jsou stejne.

Question 58

Memoryless channel

Answer 58

Bez pameti: zavislost vystupu zalezi ciste na aktualnim vstupu p( y_k | x^k)