ความน่าจะเป็นแบบอัตนัย: ฟังก์ชัน แอปพลิเคชัน และตัวอย่าง

บทนำ

ความน่าจะเป็นแบบอัตนัยคือความน่าจะเป็นประเภทหนึ่งที่ผลลัพธ์เฉพาะมีแนวโน้มที่จะเกิดขึ้นตามวิจารณญาณหรือประสบการณ์ของคุณ ช่วยให้คุณคาดการณ์ผลลัพธ์ของเหตุการณ์โดยอ้างอิงสิ่งที่คุณได้เรียนรู้ไปแล้วหรือจากประสบการณ์ของคุณเอง

ตรงกันข้ามกับความน่าจะเป็นเชิงวัตถุอย่างแท้จริง ซึ่งวัดประวัติของข้อมูลที่รวบรวมมาหรือการสังเกตที่บันทึกไว้เพื่อคาดการณ์ว่าเหตุการณ์จะเกิดขึ้นหรือไม่ ความน่าจะเป็นแบบอัตนัยไม่ได้ใช้ประโยชน์จากการคำนวณทางคณิตศาสตร์หรือการวิเคราะห์ข้อมูล มันค่อนข้างขึ้นอยู่กับความรู้สึกของลำไส้ของคุณเพื่อทำนายผลลัพธ์

ผลลัพธ์ความน่าจะเป็นแบบอัตนัยจะไม่เหมือนกันสำหรับคนสองคน เนื่องจากแต่ละคนอาจมีความคิดเห็นหรือความคิดที่แตกต่างกันเกี่ยวกับเหตุการณ์หนึ่งๆ ตัวอย่างเช่น หากมีคนสองคนถูกขอให้คาดการณ์ว่าคุณจะตอบสนองอย่างไรในสถานการณ์หนึ่งๆ คุณจะได้ยินคำตอบที่แตกต่างกันอย่างแน่นอน

เนื่องจากคนที่ใกล้ชิดกับคุณรู้จักคุณมากขึ้น เขา/เธอจะตอบกลับโดยพิจารณาจากนิสัยของคุณ อีกฝ่ายอาจพิจารณาปัจจัยต่างๆ ขณะคาดการณ์การตอบสนองของคุณ

ความน่าจะเป็นแบบอัตนัยทำงานอย่างไร?

ความน่าจะเป็นแบบอัตนัยมีอคติส่วนบุคคลในระดับสูง และผลลัพธ์ของความน่าจะเป็นจะแตกต่างกันไปในแต่ละคน โดยทั่วไป ความน่าจะเป็นได้มาจากการรวบรวมข้อมูลเชิงปริมาณหรือข้อมูลแล้วตีความผลลัพธ์โดยใช้การคำนวณทางคณิตศาสตร์หรือสูตร ซึ่งมักจะให้คำตอบที่แม่นยำกว่าแก่คุณ

ตัวอย่างเช่น คุณสามารถทำนายผลลัพธ์ของการพลิกเหรียญได้ มีโอกาส 50%-50% เสมอที่เหรียญจะพุ่งขึ้นและขึ้น

ในทางกลับกัน ความน่าจะเป็นแบบอัตนัยนั้นมีความยืดหยุ่นสูงและอาจไม่ให้คำตอบที่ถูกต้องแก่คุณ เนื่องจากขึ้นอยู่กับวิจารณญาณส่วนบุคคลของแต่ละคนเป็นอย่างมาก การตัดสินขึ้นอยู่กับประสบการณ์และมุมมองของแต่ละคน มักจะแตกต่างกันไปในแต่ละบุคคลเนื่องจากเป็นเรื่องส่วนตัวและขึ้นอยู่กับว่าพวกเขาตีความสถานการณ์ที่มอบให้กับเขาอย่างไร

แม้ว่าจะไม่ได้ใช้การวิเคราะห์ทางสถิติหรือการคำนวณทางคณิตศาสตร์ใดๆ คุณสามารถแสดงความน่าจะเป็นตามอัตนัยได้ดังนี้:

ความน่าจะเป็น (x) = ระดับความเชื่อส่วนบุคคลว่า x เป็นจริง

โดยที่ x คือเหตุการณ์ สถานการณ์ หรือเงื่อนไข

อ่าน: การถดถอยโลจิสติกในR

การใช้ความน่าจะเป็นส่วนตัว

คุณอาจสงสัยว่าเราใช้ความน่าจะเป็นแบบอัตนัยในที่ใดเมื่อมีความยืดหยุ่นและไม่มีเหตุผลเชิงตรรกะ บางอุตสาหกรรมพบว่ามีประโยชน์และใช้การคาดการณ์เหล่านี้เพื่อบรรลุเป้าหมายทางธุรกิจ

แนวทางความน่าจะเป็นเชิงอัตวิสัยถูกนำมาใช้ในหลายอุตสาหกรรมสำหรับการตัดสินใจ เช่น การตลาด เศรษฐศาสตร์ ธุรกิจ ฯลฯ ตัวอย่างเช่น ผู้จัดการฝ่ายขายคาดการณ์ว่ามีโอกาส 70% ที่จะได้รับคำสั่งซื้อที่บริษัทของตนเสนอราคา การทดสอบหรือการคำนวณซ้ำไม่สามารถประเมินเปอร์เซ็นต์นี้ได้

ตัวอย่างในชีวิตจริงที่เราใช้ความน่าจะเป็นแบบอัตนัย ได้แก่

• ผลการสัมภาษณ์งาน
• เลื่อนตำแหน่งพนักงาน
• สิ่งจูงใจด้านประสิทธิภาพ
• ขายธุรกิจ
• ข้อเสียของความน่าจะเป็นส่วนตัว

ความน่าจะเป็นแบบอัตนัยได้รับผลกระทบอย่างมากจากความเชื่อหรือการตัดสินของแต่ละบุคคลเกี่ยวกับความน่าจะเป็นของเหตุการณ์ ต่อไปนี้เป็นข้อเสียของความน่าจะเป็นแบบอัตนัย:

• การคาดคะเนจะไม่ถูกสำรองโดยการใช้เหตุผลเชิงตรรกะหรือการคำนวณทางสถิติ มันขึ้นอยู่กับอคติในระดับสูงเสมอ
• ความน่าจะเป็นแบบอัตนัยล้มเหลวในการปฏิบัติตามการคำนวณที่ซับซ้อน
• ผลลัพธ์จะไม่เหมือนเดิมสำหรับเหตุการณ์หรือสถานการณ์ ตัวอย่างเช่น บุคคลตั้งแต่สองคนขึ้นไปในสถานการณ์เดียวกันอาจได้รับผลลัพธ์ที่แตกต่างกัน กล่าวคือ อาจมีปัจจัยที่แตกต่างกันซึ่งแต่ละบุคคลพิจารณาสำหรับเหตุการณ์เดียวกัน
• ต้องปฏิบัติตามเงื่อนไขบางประการจึงจะสามารถทำงานได้ ตัวอย่างเช่น เมื่อคุณคาดการณ์เปอร์เซ็นต์ของเหตุการณ์ ไม่ว่าจะเกิดขึ้นหรือไม่ก็ตาม จะต้องรวมกันเป็น 100%

ต้องอ่าน: ประเภทของแบบจำลองการถดถอย

ตัวอย่างความน่าจะเป็นอัตนัย

ตัวอย่างต่อไปนี้ระบุชัดเจนว่าผลลัพธ์ของความน่าจะเป็นแบบอัตนัยแตกต่างกันอย่างไรในแต่ละคน

ตัวอย่างที่ 1

คุณเป็นแฟนตัวยงของ Virat Kohli และการแข่งขันคริกเก็ตฟุตบอลโลกกำลังจะเริ่มขึ้นในอีกไม่กี่วัน คุณถูกขอให้ทำนายโอกาสที่อินเดียจะคว้าแชมป์รายการฟุตบอลโลก แม้ว่าจะไม่มีการคำนวณทางคณิตศาสตร์หรือข้อมูลสำรองการคาดการณ์ของคุณ คุณจะยังคงรับรองผู้เล่นหรือทีมโปรดของคุณในเปอร์เซ็นต์ที่แท้จริง ตัวอย่างเช่น มีโอกาส 90% ที่อินเดียจะชนะการแข่งขันฟุตบอลโลก

ตัวอย่าง 2

คุณถูกขอให้ทำนายผลของเหรียญที่พลิกไปมา ไม่ว่ามันจะขึ้นหัวหรือหางขึ้น แม้ว่าการคำนวณทางคณิตศาสตร์บอกว่ามีโอกาส 50% ที่จะขึ้นฝั่งและมีโอกาส 50% ที่จะขึ้นฝั่ง ในแง่ความน่าจะเป็นแบบอัตนัย เปอร์เซ็นต์ของการคาดคะเนของคุณอาจเปลี่ยนแปลงตามการพลิกครั้งก่อน

หากเหรียญเดียวกันถูกพลิก 15 ครั้งในอดีตและให้หัวสิบครั้งและห้าครั้งขึ้นก้อย คุณจะบอกว่ามีโอกาส 75% ที่จะขึ้นฝั่ง แม้ว่าจะไม่ถูกต้องทางคณิตศาสตร์ แต่ประสบการณ์ของคุณได้สร้างสถานการณ์ที่บังคับให้คุณคาดการณ์โดยใช้ความน่าจะเป็นแบบอัตนัย

ตัวอย่างที่ 3

แผนกสภาพอากาศคาดการณ์ว่าฝนจะตกในอีก 2 ชั่วโมงข้างหน้าโดยอิงจากรูปแบบลม สถานการณ์สภาพอากาศ และการวิเคราะห์ซอฟต์แวร์ แต่คุณอาจคาดการณ์ฝนได้เหมือนกันในอีก 2 ชั่วโมงข้างหน้า โดยอิงจากประสบการณ์ของคุณเกี่ยวกับสภาพอากาศหรือฝน

ตัวอย่างที่ 4

คุณล้มป่วยและต้องการไปพบแพทย์ประจำครอบครัวของคุณ คุณต้องการทำนายจำนวนเงินที่คุณควรใช้ขณะไปพบแพทย์ ครั้งสุดท้ายที่คุณไปเยี่ยมเขา หมอเรียกเก็บเงิน 500 Rs เป็นค่าปรึกษา

แต่สมาชิกในครอบครัวของคุณคนหนึ่งแจ้งให้คุณทราบว่าเขาได้อัปเกรดสำนักงานเพื่อเพิ่มสิ่งอำนวยความสะดวก เนื่องจากค่าที่ปรึกษาของเขาอาจสูงขึ้น ตอนนี้คุณเหลือสองทางเลือก ไม่ว่าจะไปตามงบประมาณของคุณหรือไปโดยไม่ทราบว่ามีค่าใช้จ่ายเท่าไรและต้องใช้จ่ายเงินมากขึ้น คุณจะไปตามสัญชาตญาณของคุณและเลือกตัวเลือกแรก

บทสรุป

โดยสรุปแล้ว ความน่าจะเป็นแบบอัตนัยเป็นประเภทของความน่าจะเป็นตามความรู้ ความเข้าใจ และประสบการณ์ของแต่ละคนเกี่ยวกับความน่าจะเป็นของเหตุการณ์ การคาดคะเนเหล่านี้อาจเป็นจริงหากมีอคติและให้เหตุผลเชิงตรรกะ แต่มีบางสถานการณ์ดังที่อธิบายไว้ในบทความนี้ซึ่งต้องการการตัดสินหรือประสบการณ์มากกว่าการคำนวณ

หากคุณสนใจที่จะเรียนรู้เพิ่มเติมเกี่ยวกับแมชชีนเลิร์นนิง โปรดดูที่ IIIT-B & upGrad's PG Diploma in Machine Learning & AI ซึ่งออกแบบมาสำหรับมืออาชีพที่ทำงานและมีการฝึกอบรมที่เข้มงวดมากกว่า 450 ชั่วโมง กรณีศึกษาและการมอบหมายมากกว่า 30 รายการ IIIT- สถานะศิษย์เก่า B, 5+ โครงการหลักที่ใช้งานได้จริง & ความช่วยเหลือด้านงานกับบริษัทชั้นนำ