Prawdopodobieństwo warunkowe i wzór Bayesa - zadania matura krok po kroku

Prawdopodobieństwo warunkowe to jeden z tych tematów, na którym dużo osób traci punkty na maturze, choć sama idea jest prosta. Pytamy: jakie jest prawdopodobieństwo zdarzenia $A$, jeśli wiemy, że zdarzenie $B$ już zaszło? Brzmi niewinnie, ale właśnie tutaj zaczynają się drzewka, wzór Bayesa i klasyczne pułapki maturalne, które rozwalają intuicję.

W tym poradniku pokażę ci wzór na prawdopodobieństwo warunkowe, wzór Bayesa, wzór na prawdopodobieństwo całkowite oraz rozwiążemy 5 zadań w stylu CKE krok po kroku. Zobaczysz, kiedy rysować drzewko, jak czytać dane z treści zadania i jak nie wpaść w słynny błąd Monty Halla, który łapie nawet matematyków. Jeśli wcześniej widziałeś tylko podstawy prawdopodobieństwa, ten artykuł jest naturalnym następnym krokiem.

Czym jest prawdopodobieństwo warunkowe?

Prawdopodobieństwo warunkowe zdarzenia $A$ pod warunkiem $B$ zapisujemy jako $P(A|B)$ i czytamy: "prawdopodobieństwo $A$, jeśli zaszło $B$". Z definicji:

$$P(A|B) = \frac{P(A \cap B)}{P(B)}, \quad P(B) > 0$$

Co to znaczy intuicyjnie? Zawężamy świat. Przed warunkiem patrzyliśmy na wszystkie możliwe wyniki. Teraz wiemy już, że zaszło $B$, więc interesuje nas tylko ten kawałek przestrzeni próbek. Pytamy: jaką część tego zawężonego świata zajmuje przekrój $A \cap B$?

Przykład na rozgrzewkę: rzucamy kostką. Niech $A$ oznacza "wypadła szóstka", a $B$ "wypadła liczba parzysta". Wtedy:

$$P(A) = \frac{1}{6}, \quad P(B) = \frac{3}{6} = \frac{1}{2}, \quad P(A \cap B) = \frac{1}{6}$$

(bo $A \cap B$ to ciągle samo "wypadła szóstka"). Stąd:

$$P(A|B) = \frac{1/6}{1/2} = \frac{1}{3}$$

I właśnie o to chodzi. Kiedy wiemy, że wynik jest parzysty, mamy tylko trzy możliwości: 2, 4, 6. Szóstka stanowi jedną trzecią tego zbioru. Bez kalkulatora, bez wzorów - czysta intuicja. Wzór po prostu formalizuje to, co i tak robisz w głowie.

Wzór na prawdopodobieństwo iloczynu zdarzeń

Z definicji warunkowego dostajemy od razu wzór, który jest mistrzem drzewek:

$$P(A \cap B) = P(B) \cdot P(A|B)$$

Albo równoważnie:

$$P(A \cap B) = P(A) \cdot P(B|A)$$

Po polsku: prawdopodobieństwo, że oba zdarzenia zajdą, to iloczyn prawdopodobieństwa pierwszego razy prawdopodobieństwo drugiego pod warunkiem, że pierwsze już zaszło. To dokładnie to, co robisz, idąc po gałęzi drzewka probabilistycznego. Pierwsza krawędź to $P(B)$, druga krawędź to $P(A|B)$, a iloczyn na końcu gałęzi to $P(A \cap B)$.

Jeśli zdarzenia są niezależne, czyli zajście jednego nie wpływa na drugie, to $P(A|B) = P(A)$ i wzór upraszcza się do $P(A \cap B) = P(A) \cdot P(B)$. To definicja niezależności i często służy do sprawdzania, czy dwa zdarzenia są niezależne.

Wzór na prawdopodobieństwo całkowite

Zanim dojdziemy do Bayesa, potrzebujemy jeszcze jednego wzoru. Załóżmy, że zdarzenia $B_1, B_2, \ldots, B_n$ tworzą podział przestrzeni próbek, czyli są parami rozłączne i ich suma daje całą przestrzeń. Wtedy dla dowolnego zdarzenia $A$:

$$P(A) = \sum_{i=1}^{n} P(B_i) \cdot P(A|B_i)$$

W praktyce maturalnej najczęściej masz dwa warianty (na przykład "losujemy z pudełka 1" lub "losujemy z pudełka 2"). Wtedy wzór ma postać:

$$P(A) = P(B_1) \cdot P(A|B_1) + P(B_2) \cdot P(A|B_2)$$

To jest po prostu "suma po wszystkich gałęziach drzewka, które kończą się sukcesem". Jeśli umiesz rysować drzewko, to ten wzór jest już praktycznie w twojej głowie.

Wzór Bayesa krok po kroku

Wzór Bayesa pozwala "odwrócić kierunek warunku". Wiesz, jak $B$ wpływa na $A$, a chcesz wiedzieć, jak $A$ wpływa na $B$. Klasyczny przykład: test medyczny daje wynik pozytywny, jakie jest prawdopodobieństwo, że pacjent rzeczywiście jest chory? Tutaj znasz $P(\text{pozytywny}|\text{chory})$, a chcesz $P(\text{chory}|\text{pozytywny})$.

Wzór Bayesa:

$$P(B|A) = \frac{P(B) \cdot P(A|B)}{P(A)}$$

A jeśli $A$ liczymy z prawdopodobieństwa całkowitego (dwa warianty $B$ i $B'$):

$$P(B|A) = \frac{P(B) \cdot P(A|B)}{P(B) \cdot P(A|B) + P(B') \cdot P(A|B')}$$

Skąd ten wzór? Wystarczy zapisać $P(A \cap B)$ na dwa sposoby:

$$P(A) \cdot P(B|A) = P(B) \cdot P(A|B)$$

(bo obie strony to to samo $P(A \cap B)$). Dzielimy obie strony przez $P(A)$ i mamy wzór Bayesa. Cały dowód mieści się w trzech linijkach, ale skutki są ogromne - to fundament całej statystyki bayesowskiej, filtrów antyspamowych i diagnostyki medycznej.

Drzewko probabilistyczne - twój najlepszy przyjaciel

Na maturze 9 na 10 zadań z prawdopodobieństwa warunkowego rozwiązuje się drzewkiem. Rysujesz pierwszy poziom (np. wybór pudełka), potem drugi poziom (losowanie z wybranego pudełka), a na końcach gałęzi mnożysz prawdopodobieństwa. Jeśli temat jeszcze ci umyka, przejrzyj artykuł o drzewku probabilistycznym, tam pokazuję metodę od zera.

Zasada drzewka:

Jeśli umiesz narysować poprawne drzewko, to praktycznie każde zadanie maturalne z prawdopodobieństwa robisz w 3 minuty.

Zadanie 1: dwie urny i kula biała

Treść: w urnie $U_1$ jest 5 kul białych i 3 czarne. W urnie $U_2$ jest 2 kule białe i 6 czarnych. Rzucamy symetryczną monetą: jeśli wypadnie orzeł, losujemy kulę z urny $U_1$, w przeciwnym wypadku z urny $U_2$. Oblicz prawdopodobieństwo wylosowania kuli białej.

Rozwiązanie. To klasyczne zastosowanie wzoru na prawdopodobieństwo całkowite. Oznaczmy:

Prawdopodobieństwa warunkowe:

$$P(A|B_1) = \frac{5}{8}, \quad P(A|B_2) = \frac{2}{8} = \frac{1}{4}$$

Stąd:

$$P(A) = \frac{1}{2} \cdot \frac{5}{8} + \frac{1}{2} \cdot \frac{1}{4} = \frac{5}{16} + \frac{2}{16} = \frac{7}{16}$$

Odpowiedź: $P(A) = \frac{7}{16}$.

Wskazówka maturalna: zawsze sprawdzaj sumy. $\frac{5}{8} + \frac{3}{8} = 1$, $\frac{2}{8} + \frac{6}{8} = 1$, $P(B_1) + P(B_2) = 1$. Jeśli któraś z tych sum nie wychodzi $1$, masz błąd w danych. To 10 sekund weryfikacji, które ratują punkty.

Zadanie 2: ta sama urna, ale druga część - Bayes

Treść (kontynuacja zadania 1): wiadomo, że wylosowano kulę białą. Oblicz prawdopodobieństwo, że pochodzi ona z urny $U_1$.

Rozwiązanie. Tu właśnie potrzebujemy wzoru Bayesa. Pytamy $P(B_1|A)$:

$$P(B_1|A) = \frac{P(B_1) \cdot P(A|B_1)}{P(A)} = \frac{\frac{1}{2} \cdot \frac{5}{8}}{\frac{7}{16}}$$

Liczymy licznik: $\frac{1}{2} \cdot \frac{5}{8} = \frac{5}{16}$.

Stąd:

$$P(B_1|A) = \frac{5/16}{7/16} = \frac{5}{7}$$

Odpowiedź: $P(B_1|A) = \frac{5}{7}$.

Zauważ ciekawą rzecz. Przed losowaniem szanse na każdą urnę były równe ($\frac{1}{2}$ i $\frac{1}{2}$). Po informacji "wylosowano kulę białą" prawdopodobieństwo urny $U_1$ wzrosło do $\frac{5}{7}$, bo $U_1$ zawiera więcej kul białych. To jest istota wzoru Bayesa: aktualizujesz przekonania na podstawie nowych danych.

Zadanie 3: test medyczny i pułapka false positive

Treść: pewna choroba występuje u $1\%$ populacji. Test wykrywający tę chorobę daje wynik pozytywny u $95\%$ osób chorych i u $2\%$ osób zdrowych. Pacjent dostał wynik pozytywny. Jakie jest prawdopodobieństwo, że jest naprawdę chory?

Rozwiązanie. Oznaczmy:

Z treści: $P(T|C) = 0{,}95$ (czułość testu), $P(T|C') = 0{,}02$ (fałszywy alarm).

Najpierw prawdopodobieństwo całkowite pozytywnego wyniku:

$$P(T) = P(C) \cdot P(T|C) + P(C') \cdot P(T|C') = 0{,}01 \cdot 0{,}95 + 0{,}99 \cdot 0{,}02$$ $$P(T) = 0{,}0095 + 0{,}0198 = 0{,}0293$$

Wzór Bayesa:

$$P(C|T) = \frac{P(C) \cdot P(T|C)}{P(T)} = \frac{0{,}0095}{0{,}0293} \approx 0{,}324$$

Odpowiedź: $P(C|T) \approx 32{,}4\%$.

Szok? Test ma $95\%$ czułości i tylko $2\%$ fałszywych alarmów, a mimo to pozytywny wynik oznacza tylko 1 szansę na 3, że jesteś rzeczywiście chory. Powód: choroba jest rzadka. Wśród $10\,000$ osób tylko $100$ jest chorych (z czego $95$ ma pozytywny test), ale $9900$ jest zdrowych i $198$ z nich i tak dostanie fałszywie pozytywny wynik. $95 / (95 + 198) \approx 32\%$. Ten paradoks jest jednym z ulubionych tematów na maturę rozszerzoną.

Zadanie 4: rzut dwiema kostkami i warunek na sumie

Treść: rzucamy dwiema sześciennymi kostkami. Niech $A$ oznacza zdarzenie "suma oczek wynosi 8", a $B$ "na pierwszej kostce wypadło 5". Oblicz $P(A|B)$ oraz sprawdź, czy zdarzenia $A$ i $B$ są niezależne.

Rozwiązanie. Przestrzeń próbek ma $36$ jednakowo prawdopodobnych wyników (par uporządkowanych).

$P(B) = \frac{6}{36} = \frac{1}{6}$ (sześć par zaczynających się od 5).

$P(A)$: pary o sumie 8 to $(2,6), (3,5), (4,4), (5,3), (6,2)$, czyli 5 par. $P(A) = \frac{5}{36}$.

$P(A \cap B)$: pary, gdzie pierwsza to 5 i suma to 8, czyli tylko $(5, 3)$. $P(A \cap B) = \frac{1}{36}$.

$$P(A|B) = \frac{P(A \cap B)}{P(B)} = \frac{1/36}{6/36} = \frac{1}{6}$$

Sprawdzamy niezależność. Jeśli $A$ i $B$ są niezależne, powinno być $P(A|B) = P(A)$. Ale $P(A|B) = \frac{1}{6}$, a $P(A) = \frac{5}{36}$. $\frac{1}{6} = \frac{6}{36} \ne \frac{5}{36}$, więc zdarzenia NIE są niezależne.

Intuicja: jeśli wiesz, że pierwsza kostka pokazała 5, to na drugiej wystarczy 3. Ale gdybyś nie wiedział nic, suma 8 może powstać na 5 sposobów, a nie tylko jeden. Warunek zmienia rachunek.

Tego typu zadania są pewniakiem na maturę. Więcej tego stylu znajdziesz w zadaniach z prawdopodobieństwa i kombinatoryki.

Zadanie 5: matura otwarte - karty i symbol Newtona

Treść: z talii 52 kart losujemy 2 karty bez zwracania. Oblicz prawdopodobieństwo, że druga karta jest asem, pod warunkiem że pierwsza karta była asem.

Rozwiązanie. To zadanie idealnie pokazuje, że warunek zmienia liczność przestrzeni.

Po wylosowaniu jednego asa zostają $51$ kart, w tym $3$ asy. Z definicji:

$$P(\text{drugi as} | \text{pierwszy as}) = \frac{3}{51} = \frac{1}{17}$$

Można też zrobić formalnie. Niech $A_1$ oznacza "pierwsza karta to as", $A_2$ "druga karta to as". Wtedy:

$$P(A_1 \cap A_2) = \frac{\binom{4}{2}}{\binom{52}{2}} = \frac{6}{1326} = \frac{1}{221}$$

(używamy symbolu Newtona do liczenia kombinacji bez kolejności).

$$P(A_1) = \frac{4}{52} = \frac{1}{13}$$ $$P(A_2|A_1) = \frac{P(A_1 \cap A_2)}{P(A_1)} = \frac{1/221}{1/13} = \frac{13}{221} = \frac{1}{17}$$

Obie metody dają to samo. Wybierz tę, która ci łatwiej. Na maturze CKE oczekuje pełnego rachunku, więc warto zapisać przynajmniej wzór i podstawienie.

Wzór Bayesa w zadaniu z dwoma testami

Treść: w fabryce 60% produktów pochodzi z linii A, a 40% z linii B. Wadliwość linii A to 3%, linii B to 5%. Wylosowano produkt, który okazał się wadliwy. Jakie jest prawdopodobieństwo, że pochodzi z linii A?

Rozwiązanie. Oznaczmy:

$P(W|A) = 0{,}03$, $P(W|B) = 0{,}05$.

$$P(W) = 0{,}6 \cdot 0{,}03 + 0{,}4 \cdot 0{,}05 = 0{,}018 + 0{,}020 = 0{,}038$$ $$P(A|W) = \frac{0{,}018}{0{,}038} = \frac{18}{38} = \frac{9}{19} \approx 0{,}474$$

Odpowiedź: $P(A|W) \approx 47{,}4\%$.

Przed informacją prawdopodobieństwo linii A wynosiło $60\%$. Po informacji "produkt wadliwy" spadło do $\sim\!47\%$, bo linia B robi więcej braków. Bayes tu działa w drugą stronę niż przy teście medycznym.

Typowe pułapki na maturze

Pierwsza pułapka: mylenie $P(A|B)$ z $P(B|A)$. To dwie różne wielkości i zwykle dają różne wyniki. W przykładzie z testem: $P(\text{pozytywny}|\text{chory}) = 95\%$, a $P(\text{chory}|\text{pozytywny}) \approx 32\%$. Klasyk maturalnej wpadki. Zawsze sprawdzaj, w którą stronę pyta zadanie.

Druga pułapka: zapominanie o "bez zwracania". Kiedy losujesz z urny bez zwracania, po pierwszym losowaniu zmienia się skład urny. Drugie losowanie ma już inną liczność zbioru. Jeśli losujesz "ze zwracaniem", przestrzeń się nie zmienia i często można potraktować losowania jako niezależne. Sprawdzaj treść zadania na każdym kroku.

Trzecia pułapka: błędne sumowanie gałęzi. Drzewko nie kłamie, ale ludzie czasami dodają tylko niektóre gałęzie albo dodają takie, które nie spełniają warunku. Zanim policzysz, sprawdź, które gałęzie odpowiadają interesującemu cię zdarzeniu, a które nie.

Czwarta pułapka: zła liczność przestrzeni przy kombinatoryce. Jeśli losujesz "kolejność ma znaczenie", masz wariacje. Jeśli nie ma, masz kombinacje. Pomyłka między $\binom{n}{k}$ a permutacjami zmienia wynik radykalnie. Tutaj pomaga poradnik o silni, kombinacjach i permutacjach.

Piąta pułapka: ignorowanie warunku "co najmniej" lub "dokładnie". "Co najmniej jedna kula biała" to suma kilku przypadków, często łatwiej liczyć przez zdarzenie przeciwne ("ani jednej kuli białej") i odjąć od jedynki. "Dokładnie jedna" to konkretny przypadek. Czytaj treść uważnie.

Szósta pułapka, którą widzę najczęściej u uczniów: pomijanie sprawdzenia $P(B) > 0$. Wzór na prawdopodobieństwo warunkowe nie ma sensu, gdy warunek to zdarzenie niemożliwe. W zadaniach maturalnych zwykle nie ma tego problemu, ale w pytaniach typu "uzasadnij, dlaczego" warto wspomnieć.

Jak rozpoznać, że zadanie wymaga Bayesa?

Cztery sygnały:
1. zadanie najpierw opisuje warunki (np. dwie urny, dwie linie produkcyjne, dwa testy), a potem pyta o prawdopodobieństwo "wstecz",
2. w treści pojawia się słowo "pod warunkiem, że" albo "wiedząc, że",
3. szukasz $P(B|A)$, ale w danych jest tylko $P(A|B)$,
4. potrzebujesz "odwrócić" kierunek warunku.

Jeśli widzisz te sygnały, automatycznie rysuj drzewko i licz najpierw prawdopodobieństwo całkowite, potem Bayes. Algorytm jest zawsze ten sam.

Wzór Bayesa vs. prawdopodobieństwo całkowite - kiedy który

Prawdopodobieństwo całkowite stosujesz, gdy pytanie brzmi "jakie jest prawdopodobieństwo zdarzenia $A$?", a masz dane warunki $P(A|B_i)$ dla różnych $B_i$. Idziesz od korzenia drzewka do liścia.

Wzór Bayesa stosujesz, gdy pytanie brzmi "jakie jest prawdopodobieństwo, że zaszło $B_i$, wiedząc, że zaszło $A$?". Idziesz od liścia drzewka do korzenia. Zawsze trzeba najpierw policzyć $P(A)$ z prawdopodobieństwa całkowitego, bo bez tego nie masz mianownika Bayesa.

W praktyce maturalnej zadanie często łączy obie rzeczy w jednym, jak w zadaniach 1 i 2 z tego artykułu. Najpierw $P(A)$, potem Bayes. To standardowy schemat.

Drzewko z trzema poziomami - zadanie zaawansowane

Treść: w pierwszej urnie są 4 kule białe i 1 czarna. W drugiej urnie są 2 białe i 3 czarne. Wybieramy losowo urnę (z równym prawdopodobieństwem) i losujemy z niej kulę. Jeśli kula jest biała, przekładamy ją do drugiej urny (jeśli wylosowano z pierwszej) lub do pierwszej (jeśli wylosowano z drugiej). Następnie z tej samej urny, z której losowaliśmy pierwszą kulę, losujemy drugą. Oblicz prawdopodobieństwo, że obie kule będą białe.

Rozwiązanie. Tu mamy trzy poziomy: wybór urny, pierwsze losowanie, drugie losowanie. Rozpiszmy gałęzie kończące się "obie białe":

Gałąź 1 (urna 1, biała, biała):
$$P_1 = \frac{1}{2} \cdot \frac{4}{5} \cdot P(\text{druga biała} | \text{przełożono białą do urny 2})$$

Uwaga - druga kula losowana jest z TEJ SAMEJ urny, czyli z pierwszej. W pierwszej urnie po wyciągnięciu jednej białej i przełożeniu jej do drugiej zostały 3 białe i 1 czarna. Czyli:

$$P(\text{druga biała} | \ldots) = \frac{3}{4}$$ $$P_1 = \frac{1}{2} \cdot \frac{4}{5} \cdot \frac{3}{4} = \frac{12}{40} = \frac{3}{10}$$

Gałąź 2 (urna 2, biała, biała):
W drugiej urnie po wyciągnięciu jednej białej (i przełożeniu jej do pierwszej) zostają 1 biała i 3 czarne. Druga losowana z drugiej urny:

$$P(\text{druga biała} | \ldots) = \frac{1}{4}$$ $$P_2 = \frac{1}{2} \cdot \frac{2}{5} \cdot \frac{1}{4} = \frac{2}{40} = \frac{1}{20}$$

Suma:

$$P(\text{obie białe}) = P_1 + P_2 = \frac{6}{20} + \frac{1}{20} = \frac{7}{20}$$

Odpowiedź: $P = \frac{7}{20} = 0{,}35$.

Klucz do takich zadań: rysuj drzewko i nazwij każdą gałąź. Bez tego pogubisz się w trzech zmianach urny i przełożeniach.

Paradoks Monty Halla - klasyk Bayesa

Treść: w teleturnieju są trzy bramki. Za jedną z nich jest samochód, za dwoma pozostałymi kozy. Wybierasz bramkę. Prowadzący (który wie, gdzie jest samochód) otwiera jedną z dwóch pozostałych bramek, za którą jest koza. Pyta cię, czy chcesz zmienić wybór. Czy zmiana zwiększa szanse?

Odpowiedź zaskakuje większość: TAK, zmiana podwaja szansę na samochód (z $\frac{1}{3}$ do $\frac{2}{3}$).

Krótkie uzasadnienie wzorem Bayesa. Niech $W_i$ oznacza "wygrana jest za bramką $i$", a $P_j$ "prowadzący otworzył bramkę $j$". Powiedzmy, że wybrałeś bramkę 1, a prowadzący otworzył bramkę 3.

$$P(W_1 | P_3) = \frac{P(W_1) \cdot P(P_3 | W_1)}{P(P_3)}$$

$P(W_1) = \frac{1}{3}$. $P(P_3 | W_1) = \frac{1}{2}$ (jeśli samochód jest za 1, prowadzący wybiera losowo między 2 i 3).

$$P(W_2 | P_3) = \frac{P(W_2) \cdot P(P_3 | W_2)}{P(P_3)}$$

$P(W_2) = \frac{1}{3}$. $P(P_3 | W_2) = 1$ (jeśli samochód jest za 2, prowadzący MUSI otworzyć 3, bo 1 jest twoja).

Stosunek tych prawdopodobieństw to $\frac{1/3 \cdot 1/2}{1/3 \cdot 1} = \frac{1}{2}$, czyli $P(W_2|P_3) = 2 \cdot P(W_1|P_3)$. Zmiana podwaja szansę.

Ten paradoks jest jednym z najsłynniejszych w historii prawdopodobieństwa. Marilyn vos Savant opublikowała rozwiązanie w 1990 roku i dostała tysiące listów od matematyków, którzy się z nią nie zgadzali. A miała rację. Wzór Bayesa nie kłamie.

Checklist - co musisz umieć przed maturą

Sprawdź sam siebie:

Jeśli któryś punkt budzi wątpliwości, wróć do odpowiedniego zadania w tym artykule i przerób je z karteczką i długopisem. Drzewka rysuje się ręcznie, a nie w głowie.

Najczęstsze błędy uczniów

Pomijanie zapisu wzoru. Na maturze CKE ocenia również drogę rozumowania. Jeśli napiszesz od razu wynik $\frac{5}{7}$ bez pokazania wzoru Bayesa, możesz stracić punkty nawet przy poprawnym wyniku. Zawsze zapisz $P(B|A) = \frac{P(B) \cdot P(A|B)}{P(A)}$ i podstaw.

Mylenie zdarzenia z prawdopodobieństwem. $A$ to zdarzenie (zbiór wyników), $P(A)$ to liczba między 0 a 1. To różne obiekty. Jeśli napiszesz "$A = \frac{5}{16}$", to formalnie błąd. Pisz "$P(A) = \frac{5}{16}$".

Brak sprawdzenia, czy wynik mieści się w $[0, 1]$. Każde prawdopodobieństwo musi być w tym przedziale. Jeśli dostajesz wynik $\frac{17}{16}$ albo ujemny, masz błąd rachunkowy. Sprawdzaj na końcu. Więcej o weryfikacji wyników w artykule o najczęstszych błędach na maturze.

Co dalej?

Jeśli temat wciągnął cię, warto zajrzeć do tych poradników:

Możesz też zajrzeć na stronę tematu Prawdopodobieństwo i przerobić zadania z arkuszy maturalnych. Wzór Bayesa pojawia się głównie na rozszerzeniu, ale drzewka i prawdopodobieństwo warunkowe są pewniakiem także na poziomie podstawowym.

Powodzenia na maturze. Jeśli zrozumiesz drzewko i wzór Bayesa, masz w kieszeni 5-6 dodatkowych punktów, których większość zdających po prostu nie zbiera.