Calculateur d'espérance conditionnelle selon un événement

Ce calculateur reçoit une liste finie de valeurs possibles, la probabilité conjointe associée à chaque issue et un indicateur précisant si cette issue appartient à l'événement conditionnant. Il additionne la masse de probabilité comprise dans l'événement, renormalise les issues retenues et renvoie l'espérance obtenue. Il fournit également la probabilité intermédiaire et la somme pondérée, afin que vous puissiez contrôler le calcul ou l'intégrer à une analyse plus vaste.

Représentez les issues conjointes et l'événement conditionnant

Saisissez une ligne pour chaque issue conjointe possible du modèle discret. Le champ value contient la valeur prise par la variable aléatoire X, tandis que probability correspond à la masse de probabilité attribuée à cette issue complète. Définissez in_event sur true uniquement lorsque l'issue appartient à l'événement A sur lequel vous souhaitez conditionner le calcul. Les valeurs répétées sont admises, car plusieurs issues sous-jacentes peuvent donner la même valeur de X tout en différant par leur appartenance à l'événement ou leur probabilité. Ensemble, les lignes doivent décrire une distribution complète : leurs probabilités doivent être positives ou nulles et totaliser un. Ce format explicite évite toute confusion entre probabilités marginales, conditionnelles et conjointes, puisque chaque probabilité se rapporte à l'issue de sa propre ligne. Vous pouvez inclure des issues de probabilité nulle pour documenter le modèle, même si elles ne modifient pas le résultat. Ne normalisez pas à l'avance les seules lignes retenues ; fournissez les probabilités conjointes initiales afin que le calculateur détermine P(A) et effectue correctement le conditionnement.

Comprenez le calcul de l'espérance conditionnelle

Le calculateur additionne d'abord les probabilités de toutes les lignes marquées in_event afin d'obtenir la probabilité conditionnante P(A). Séparément, il multiplie chaque valeur retenue par sa probabilité conjointe initiale, puis additionne ces produits. L'espérance conditionnelle est cette somme pondérée divisée par P(A) : E[X sachant A] est égale à la somme de x multiplié par P(X égal à x et A), divisée par P(A). Cette division renormalise la masse sélectionnée pour qu'elle constitue une distribution complète une fois l'événement connu. La réponse contient conditional_expectation, conditioning_probability et weighted_event_sum, ainsi que le nombre de lignes retenues et le nombre total. Ces résultats intermédiaires facilitent l'audit et la détection des erreurs de modélisation. Si P(A) vaut zéro, la division est indéfinie ; la capacité renvoie donc une erreur de saisie plutôt que Infinity, NaN ou une valeur trompeuse. Tous les calculs sont déterministes et utilisent directement les nombres finis fournis.

Vérifiez les hypothèses avant d'utiliser le résultat

Une moyenne conditionnelle n'a de sens qu'à la mesure de l'événement et de la distribution que vous fournissez. Vérifiez que les lignes sont mutuellement exclusives et collectivement exhaustives : un chevauchement compterait deux fois une probabilité, tandis qu'une omission rendrait la distribution incomplète. Le contrôle de la somme égale à un repère de nombreux oublis, mais ne peut pas déterminer si deux issues sémantiquement distinctes se recouvrent. Assurez-vous aussi que in_event traduit bien l'information réellement observée. Conditionner sur un événement proche mais différent peut produire un chiffre plausible qui répond à une autre question. Pour des valeurs très grandes ou très petites, examinez weighted_event_sum et conditioning_probability comme contrôle numérique rapide. Un événement rare peut rendre l'espérance très sensible à une faible masse de probabilité ; cette sensibilité est mathématiquement légitime, mais les probabilités saisies méritent alors une attention accrue. Pour automatiser vos traitements, le même calcul déterministe est accessible par l'API au tarif de $0.002 par requête, avec des contrôles reproductibles pour les risques, la qualité, l'enseignement et l'aide à la décision.