01 · Podstawy · 4 min czytania · Interaktywne · aktualizacja 8 października 2026

Co to jest prawdopodobieństwo warunkowe i dlaczego P(A|B) to nie P(B|A)?

Co to jest

Prawdopodobieństwo warunkowe P(A | B), czytane „prawdopodobieństwo A pod warunkiem B”, to szansa zdarzenia A, jeśli wiemy, że zaszło zdarzenie B. Definiuje się je wzorem P(A | B) = P(A i B) / P(B), o ile P(B) > 0.

Intuicja jest prosta: warunkowanie to zawężenie świata. Wyrzucamy wszystkie przypadki, w których B nie zaszło, i pytamy, jaką część tego, co zostało, stanowi A. Pytanie „ilu pasażerów przeżyło?” dotyczy wszystkich; pytanie „ile kobiet przeżyło?” dotyczy tylko kobiet — i ma zupełnie inną odpowiedź.

Prawie każda predykcja w uczeniu maszynowym jest prawdopodobieństwem warunkowym. Klasyfikator szacuje P(klasa | cechy), czyli szansę klasy dla przypadku o danych cechach. Model językowy szacuje P(następne słowo | poprzednie słowa). Czułość testu to P(wynik dodatni | choroba), a precyzja to P(choroba | wynik dodatni) — i właśnie pomylenie tych dwóch jest jednym z najczęstszych błędów w myśleniu o danych.

Mechanizm — dlaczego tak działa

Wzór P(A | B) = P(A i B) / P(B) to nic innego jak zmiana mianownika. Zwykłe prawdopodobieństwo liczymy względem całego świata; warunkowe — względem jego części B. Dzielenie przez P(B) „rozciąga” tę część tak, żeby znowu sumowała się do 1. Przekształcając wzór, dostajemy regułę iloczynu: P(A i B) = P(B) · P(A | B). Rozpisana dla wielu zdarzeń daje rozkład łańcuchowy P(x₁, x₂, x₃) = P(x₁) · P(x₂ | x₁) · P(x₃ | x₁, x₂) — dokładnie tak modele językowe rozkładają prawdopodobieństwo całego tekstu.

Najważniejsza lekcja: P(A | B) i P(B | A) to różne liczby. Mają ten sam licznik (P(A i B)), ale różne mianowniki. Prawie wszyscy zawodowi koszykarze są wysocy, ale wśród wysokich ludzi zawodowi koszykarze to znikomy odsetek. Odwrócenie warunku bez uwzględnienia częstości bazowych to tzw. błąd prokuratora i pokrewny mu błąd zaniedbania częstości bazowej. Poprawną drogę od jednego do drugiego daje twierdzenie Bayesa.

Druga lekcja: warunkowanie może odwrócić wnioski. Zależność widoczna w całych danych może zniknąć albo zmienić znak, gdy podzielimy dane na podgrupy (paradoks Simpsona). Odwrotnie też: zdarzenia niezależne w całej populacji mogą stać się zależne, gdy warunkujemy na ich wspólnym skutku (paradoks Berksona). Dlatego pytanie „pod jakim warunkiem?” jest jednym z najważniejszych pytań analizy danych.

Trzecia lekcja: warunkowanie na rzadkim zdarzeniu oznacza małą próbę. P(przeżycie | kobieta z pierwszej klasy, która wsiadła w Cherbourgu) liczymy z kilkudziesięciu osób, więc oszacowanie jest niepewne. Modele uczące się P(klasa | cechy) muszą jakoś „pożyczać” informację między podobnymi przypadkami — i na tym polega uogólnianie.

Na przykładzie

W zbiorze Titanic przeżyło 342 z 891 pasażerów, czyli 38,4%. Zawężając świat do 314 kobiet, dostajemy P(przeżycie | kobieta) = 233 / 314 = 0,742. Dla 577 mężczyzn P(przeżycie | mężczyzna) = 109 / 577 = 0,189. Ta sama para zdarzeń w odwrotnym kierunku daje coś innego: P(kobieta | przeżycie) = 233 / 342 = 0,681. Licznik (233) jest wspólny, mianowniki różne — stąd 74% kontra 68%.

Dalsze warunkowanie wyostrza obraz. Kobiety z pierwszej klasy przeżyły w 96,8% (91 z 94), mężczyźni z trzeciej — w 13,5% (47 z 347). Klasa też działa w obie strony niesymetrycznie: P(przeżycie | pierwsza klasa) = 0,630, ale P(pierwsza klasa | przeżycie) = 0,398 — większość ocalałych podróżowała niższymi klasami, bo tych pasażerów było po prostu więcej.

Dane: Titanic

W praktyce

• W pandas prawdopodobieństwa warunkowe to średnie w grupach: df.groupby('sex').survived.mean(), albo pd.crosstab(df.sex, df.survived, normalize='index') (wiersze sumują się do 1).
• normalize='columns' w pd.crosstab daje warunkowanie w odwrotną stronę — uważaj, który kierunek czytasz.
• confusion_matrix(y, y_pred, normalize='true') pokazuje czułości (warunek: prawdziwa klasa), a normalize='pred' — precyzje (warunek: predykcja).
• Przy wielu warunkach naraz sprawdzaj liczebności grup (.agg(['mean', 'size'])), bo odsetek z 6 obserwacji to prawie szum.
• Typowy błąd: raportowanie P(cecha | klasa) z danych treningowych tak, jakby to było P(klasa | cecha).

Najczęstsze pytania

Jak odróżnić P(A|B) od P(B|A) w praktyce?

Zapytaj, co jest mianownikiem: która grupa została „wycięta” ze świata. P(choroba | test dodatni) liczymy wśród osób z dodatnim testem, a P(test dodatni | choroba) — wśród chorych. Jeśli grupy mają bardzo różną liczebność, wyniki też będą bardzo różne.

Czy prawdopodobieństwo warunkowe oznacza związek przyczynowy?

Nie. To, że P(A | B) różni się od P(A), mówi tylko, że A i B są statystycznie powiązane. Przyczyną może być B, A, trzecia zmienna albo sposób zebrania danych.

Co jeśli P(B) = 0?

Wtedy zwykła definicja nie działa, bo dzielimy przez zero. Dla zmiennych ciągłych, gdzie każda konkretna wartość ma prawdopodobieństwo 0, używa się gęstości warunkowych, które rozwiązują ten problem przejściem granicznym.

Źródła

Zobacz też