主観的確率：機能、アプリケーション、例

序章

主観的確率は、あなたの判断や経験に基づいて特定の結果が発生する可能性が高い確率の一種です。 これまでに学んだことを参照するか、自分の経験に基づいて、イベントの結果を予測するのに役立ちます。

これは、イベントが発生するかどうかを予測するために収集されたデータまたは記録された観測の履歴を測定する客観的確率の正反対です。 主観的確率は、数学的計算やデータ分析を利用しません。 結果を予測するのはむしろあなたの腸の感覚に依存します。

主観的な確率の結果は、各人が特定のイベントについて異なる意見や考えを持っている可能性があるため、2人で同じになることはありません。 たとえば、特定の状況でどのように反応するかを2人に予測するように求められた場合、確かに異なる答えが聞こえます。

身近な人はあなたのことをよく知っているので、あなたの性格に応じて対応します。 他の人はあなたの反応を予測する際に異なる要因を考慮するかもしれません。

主観的確率はどのように機能しますか？

主観的確率には個人的なバイアスが高く、確率の結果は人によって異なります。 一般に、確率は、定量的な情報またはデータを収集し、数学的な計算または式を使用して出力を解釈することによって取得されます。これにより、通常、より正確な答えが得られます。

たとえば、コイントスの出力を予測できます。 コインが頭と尾を上にして着地する可能性は常に50％-50％です。

一方、主観的な確率は柔軟性が高く、個人の判断に大きく依存するため、正解とは言えない場合があります。 判断は、個人の経験と見解に基づいています。 彼らは主観的であり、彼らが彼/彼女に与えられた状況をどのように解釈するかに基づいているので、それはしばしば人から人へと異なります。

統計分析や数学的計算は使用しませんが、主観的な確率は次のように説明できます。

確率（x）=xが真であるという個人的な信念の程度

ここで、xはイベント、状況、または条件です

読む： Rのロジスティック回帰

主観的確率の使用

非常に柔軟で論理的な理由がない場合、主観的な確率をどこで使用するのか疑問に思われるかもしれません。 一部の業界では、これが有用であると考えており、これらの予測を使用してビジネス目標を推進しています。

主観的確率アプローチは、マーケティング、経済、ビジネスなどの意思決定のために複数の業界で使用されます。たとえば、営業マネージャーは、自社が入札した注文を受け取る可能性が70％あると予測しています。 繰り返されるテストまたは計算では、このパーセンテージを評価できません。

主観的な確率を使用する実際の例は次のとおりです。

• 就職の面接の結果
• 従業員の昇進
• パフォーマンスインセンティブ
• 事業売却
• 主観的確率のデメリット

主観的な確率は、イベントの可能性に関する個人の信念や判断に大きく影響されます。 主観的確率の欠点は次のとおりです。

• 予測は、論理的推論や統計計算によってバックアップされません。 それは常に高度なバイアスに基づいています。
• 主観的な確率は、複雑な計算を満たせません。
• イベントや状況で結果が同じになることはありません。 たとえば、同じ状況が与えられた2人以上の個人が異なる結果に到達する可能性があります。つまり、同じイベントに対して個人によって考慮される異なる要因が存在する可能性があります。
• 実行可能にするには、いくつかの条件に従う必要があります。 たとえば、イベントの割合を予測する場合、イベントが発生するかどうかに関係なく、合計は100％になる必要があります。

必読：回帰モデルの種類

主観的確率の例

次の例は、主観的な確率の結果が個人ごとにどのように異なるかを明確に示しています。

例1

あなたはViratKohliの大ファンであり、ワールドカップクリケットシリーズは数日で始まります。 あなたは、インドがワールドカップシリーズで優勝する可能性を予測するように求められました。 予測を裏付ける数学的計算やデータはありませんが、実際のパーセンテージでお気に入りのプレーヤーまたはチームを保証します。 たとえば、インドがワールドカップシリーズで優勝する可能性は90％です。

例2

コイントスが頭を上に向けて着地するか、尾を上に向けて着地するかにかかわらず、コイントスの結果を予測するように求められました。 ただし、数学的な計算によると、頭を上に向けて着陸する可能性は50％、尾を上に向けて着陸する可能性は50％です。 主観的な確率では、予測のパーセンテージは前のフリップに基づいて変化する可能性があります。

同じコインが過去に15回裏返され、10回のヘッドアップと5回のテールアップを与えた場合。 着陸の確率は75％であると言うでしょう。 数学的には正しくありませんが、あなたの経験は主観的な確率を使用して予測することを余儀なくされる状況を生み出しました。

例3

気象局は、風のパターン、気象状況、およびソフトウェア分析に基づいて、今後2時間で雨が降ると予測しています。 ただし、天気や雨の経験に基づいて、次の2時間で同じ雨の予測ができる場合があります。

例4

あなたは病気になり、かかりつけの医師を訪ねたいと思っています。 あなたは医者を訪ねている間あなたがどれくらいのお金を取るべきかを予測したいです。 あなたが最後に彼を訪ねたとき、医者は診察料として500ルピーを請求していました。

しかし、あなたの家族の1人が、施設を追加するためにオフィスをアップグレードしたことを通知しました。これにより、彼の相談料が上がった可能性があります。 これで、2つのオプションが残ります。 あなたの予算で行くか、コストがどうなるかわからないまま行って、より多くのお金を使うことになります。 あなたはあなたの本能に従って行き、最初のオプションを選択します。

結論

要約すると、主観的確率は、イベントの可能性に関する個人の知識、理解、および経験に基づく確率の一種です。 これらの予測は、偏りがなく、論理的な理由が考えられる場合に当てはまる可能性があります。 しかし、この記事全体で説明されているように、計算ではなく判断や経験を必要とする状況があります。

機械学習について詳しく知りたい場合は、IIIT-BとupGradの機械学習とAIのPGディプロマをご覧ください。これは、働く専門家向けに設計されており、450時間以上の厳格なトレーニング、30以上のケーススタディと課題、IIIT-を提供します。 B卒業生のステータス、5つ以上の実践的なキャップストーンプロジェクト、トップ企業との仕事の支援。