AAIP – Hoofdstuk 5
Kansrekening & Statistische Grondslagen
5.1 Waarom dit hoofdstuk essentieel is
Kansrekening en statistiek vormen de wiskundige basis van moderne AI.
Zonder deze concepten kun je:
- geen machine‑learning‑modellen begrijpen,
- geen onzekerheid interpreteren,
- geen voorspellingen beoordelen,
- geen modelkwaliteit inschatten.
Dit hoofdstuk geeft je de fundamenten die je nodig hebt voor hoofdstuk 6 t/m 20.
5.2 Basisbegrippen in kansrekening
5.2.1 Kans
De kans op een gebeurtenis A wordt geschreven als:
P(A)
5.2.2 Uitkomstenruimte
De verzameling van alle mogelijke uitkomsten heet de sample space.
5.2.3 Onafhankelijke gebeurtenissen
Twee gebeurtenissen A en B zijn onafhankelijk als:
P(A ∩ B) = P(A) × P(B)
5.2.4 Voorwaardelijke kans
De kans op A gegeven dat B waar is:
P(A | B) = P(A ∩ B) / P(B)
5.3 Bayesiaanse statistiek
Bayesiaanse statistiek is cruciaal voor AI omdat het werkt met onzekerheid.
5.3.1 Bayes’ regel
P(A | B) = [P(B | A) × P(A)] / P(B)
Dit is de basis van:
- Naive Bayes‑classifiers
- Bayesiaanse netwerken
- Probabilistische AI
- Redeneren onder onzekerheid
5.4 Statistische verdelingen
Veel AI‑modellen gaan uit van bepaalde kansverdelingen.
5.4.1 Normale verdeling
De beroemde “bell curve”.
Veel natuurlijke processen volgen deze verdeling.
5.4.2 Bernoulli‑verdeling
Voor binaire uitkomsten (0/1, ja/nee).
5.4.3 Binomiale verdeling
Meerdere Bernoulli‑experimenten samen.
5.4.4 Uniforme verdeling
Alle uitkomsten even waarschijnlijk.
5.5 Statistische kernbegrippen
5.5.1 Verwachtingswaarde
Het gemiddelde dat je “verwacht” op lange termijn.
5.5.2 Variantie & standaarddeviatie
Variantie meet spreiding.
Standaarddeviatie is de wortel daarvan.
5.5.3 Covariantie & correlatie
Meten hoe twee variabelen samen veranderen.
5.5.4 Wet van de grote aantallen
Hoe meer data, hoe dichter je bij de echte waarde komt.
5.6 Waarom statistiek cruciaal is voor AI
- Machine learning = patronen vinden in data
- Data bevat ruis → statistiek helpt ruis begrijpen
- Modellen maken voorspellingen → kansrekening bepaalt onzekerheid
- Evaluatie van modellen = statistiek
Zonder statistiek kun je AI gebruiken,
maar nooit echt begrijpen.
5.7 Reflectie‑opdracht
Beantwoord de volgende vragen schriftelijk:
- Leg in je eigen woorden uit wat een kansverdeling is.
- Waarom is Bayes’ regel zo belangrijk in AI?
- Noem een voorbeeld van een normale verdeling in het echte leven.
- Wat is het verschil tussen correlatie en causaliteit?