Shrnutí na Základy analýzy a řízení rizik

## Úvod Pravděpodobnost je nástroj, který popisuje nejistotu a náhodu. Tento materiál vysvětlí základní principy bayesovské interpretace pravděpodobnosti, hlavní typy rozdělení pravděpodobnosti (binomické, Poissonovo, normální) a typy pokusů. Obsah je určen samostudiu (Not attending) a obsahuje příklady, tabulky a stručné shrnutí. ## Základní pojmy > **Pravděpodobnost**: míra důvěry, že událost nastane podle aktuálních znalostí a informací. > **Bayesovská interpretace**: pravděpodobnost není jen frekvence, ale i míra víry založená na datech, zkušenostech a odborných odhadech. > **Pokus**: akce nebo pozorování, ze kterého plyne výsledek. ### Bayesovský přístup (stručně) - Pravděpodobnost vyjadřuje míru důvěry v nastání události vzhledem k dostupným informacím. Například bezpečnostní expert může odhadnout vysokou pravděpodobnost kyberútoku na základě dat a aktuálních hrozeb. - Použití: kyberbezpečnost, medicína, rozhodování pod nejistotou. Did you know that bayesovský přístup umožňuje aktualizovat pravděpodobnosti při získávání nových dat pomocí Bayesova pravidla? ## Typy rozdělení pravděpodobnosti Rozdělení popisují, jak se pravděpodobnosti přiřazují různým výsledkům. ### Binomické rozdělení > **Binomické rozdělení**: popisuje počet úspěchů ve pevně stanoveném počtu nezávislých pokusů, kde každý pokus má stejnou pravděpodobnost úspěchu. - Použití: ano/ne výsledky, funguje/nefunguje, úspěch/neúspěch. - Podmínky: pevný počet pokusů $n$, pravděpodobnost úspěchu $p$ konstantní, pokusy nezávislé. Příklad: Každý student má $p = 0.8$ šanci uspět u zkoušky. Máme $n = 5$ studentů. Pravděpodobnost, že přesně 4 uspějí, spočítáme pomocí binomické formule. $$P(X = k) = {n \choose k} p^{k} (1-p)^{n-k}$$ Kde ${n \choose k}$ je kombinatorický výraz. ### Poissonovo rozdělení > **Poissonovo rozdělení**: modeluje počet vzácných nebo náhodných událostí v pevně daném intervalu času nebo prostoru. - Použití: počet havárií za rok, poruch serveru za den, počet vzácných událostí. - Parametr: střední počet událostí $\lambda$ v daném intervalu. $$P(X = k) = e^{-\lambda} \frac{\lambda^{k}}{k!}$$ Příklad: Počet dopravních nehod na křižovatce za jeden den, pokud jsou nehody vzácné a nezávislé. ### Normální (Gaussovo) rozdělení > **Normální rozdělení**: spojité rozdělení, jehož hodnoty jsou soustředěné kolem střední hodnoty (průměru) s danou směrodatnou odchylkou. - Použití: výška lidí, měření s chybami, případy, kde se vliv mnoha malých náhodných faktorů sčítá. - Parametry: průměr $\mu$, směrodatná odchylka $\sigma$. $$f(x) = \frac{1}{\sigma \sqrt{2\pi}} e^{-\frac{(x-\mu)^{2}}{2\sigma^{2}}}$$ Příklad: Pokud je průměrná výška studentů $\mu = 180$ cm, velmi málo studentů bude $150$ cm nebo $220$ cm. ## Porovnání rozdělení | Vlastnost | Binomické | Poissonovo | Normální | |---|---:|---:|---:| | Typ | Diskrétní | Diskrétní | Spojitá | | Použití | Počet úspěchů v $n$ pokusech | Počet náhodných událostí v intervalu | Hodnoty soustředěné kolem průměru | | Parametry | $n$, $p$ | $\lambda$ | $\mu$, $\sigma$ | | Předpoklady | nezávislé pokusy, konstantní $p$ | vzácné události, nezávislé | součet mnoha malých vlivů | ## Typy pokusů - Náhodný: výsledek nelze předpovědět (např. hod kostkou). - Deterministický: výsledek je znám předem (např. $2+2=4$). - Opakovaný: lze provést vícekrát za stejných podmínek. - Komplexní: skládá se z více pokusů; komponenty mohou být závislé nebo nezávislé. ## Následky (důsledky událostí) Následky mohou být vyjádřeny kvalitativně, kvantitativně nebo semikvantitativně (bodová škála). - Typické následky: zranění nebo smrt, finanční škoda, ztráta dat, výpadek provozu. ## Praktické příklady a aplikace 1. Kyberbezpečnost: expert používá bayesovský odhad pravděpodobnosti útoku na základě dat a aktuálních hrozeb. 2. Kvalita výroby: binomické rozdělení se používá pro odhad počtu vadných kusů v sérii $n$ výrobků. 3. Provoz serveru: Poissonovo rozdělení pro počet výpadků za den, pokud jsou poruchy vzácné. 4. Lidská výška: nor