Frekvenční pravděpodobnost neboli frekventismus je jedním z výkladů teorie pravděpodobnosti. Podstata této interpretace je jednoduchá: opakováním náhodného experimentu získáme řadu výsledků; pravděpodobnost určité události je pak chápána jako limitní hodnota relativní četnosti této události, tedy podílů počtu případů, kdy událost nastala, ku celkovému počtu pokusů, pokud počet pokusů směřuje k nekonečnu.

Tento výklad pravděpodobnosti byl pro statistiku velmi důležitý. Lidé, kteří tuto interpretaci používají, se často nazývají frekventanti. Mezi známé frequentisty patří Richard von Mises, Egon Pearson, Jerzy Neyman, R. A. Fisher a John Venn. Jejich práce vedly k rozvoji metod, jako jsou testování hypotéz, intervaly spolehlivosti a principy navrhování experimentů.

Formální pojetí

Nejčastěji se frekvenční pravděpodobnost formuluje takto: pokud v N nezávislých a identicky rozdělených pokusech nastane událost A v k případech, pak relativní četnost k/N při růstu N konverguje k číslu p, které je pravděpodobností události A. Teoretickým základem této konvergence je zákon velkých čísel (law of large numbers), který při splnění určitých předpokladů zaručuje, že relativní četnosti se přibližují skutečné pravděpodobnosti.

Historie a význam

Myšlenky frekventismu se rozvíjely od 19. století do poloviny 20. století. Richard von Mises navrhl pojem "kolektivu" (collective) jako nekonečnou posloupnost pokusů, pro kterou má smysl mluvit o limitních relativních četnostech. R. A. Fisher přispěl zejména metodami odhadů a návrhem experimentu, zatímco Neyman a Pearson formalizovali rámec testování hypotéz a konceptu chyby I. a II. druhu. John Venn přispěl k popularizaci myšlenky relativní četnosti v širším filozofickém kontextu.

Praktické použití

  • kvalitativní kontrola (např. podíl vadných výrobků),
  • pojišťovnictví a aktuaristika (frekvence pojistných událostí),
  • analýza klinických studií (míra léčebného efektu v opakovaných pokusech),
  • hazardní hry a simulace (pravděpodobnost výher v dlouhém běhu).

Silné stránky

  • objektivita: pravděpodobnost je chápána jako vlastnost náhodného procesu, nikoli subjektivní přesvědčení;
  • dobrá shoda s experimentální praxí tam, kde je možné opakování;
  • jasné dlouhodobé vlastnosti metod (např. krytí intervalů spolehlivosti je definováno četností opakování).

Omezení a kritika

Frekvenční interpretace má také omezení a bývá kritizována v několika bodech:

  • jednorázové události: pro jednotlivé, neopakující se situace (např. pravděpodobnost vzniku určité historické události) je pojem limitní relativní četnosti obtížně použitelný;
  • referenční třída: určení, v jaké třídě opakování jsou pokusy považovány za "stejné", může být nejednoznačné a ovlivnit výslednou pravděpodobnost;
  • teoretická nekonečnost: definice se opírá o limit N → ∞, což v praxi nelze nikdy plně uskutečnit;
  • závislost na modelu: konvergence často vyžaduje předpoklady (nezávislost, stejný rozdělení), které nemusí platit.

Vztah k dalším interpretacím

Dalšími významnými přístupy jsou bayesovská teorie pravděpodobnosti a axiomatická teorie pravděpodobnosti (Kolmogorovův axiomatický rámec). Zatímco frekventismus interpretuje pravděpodobnost jako dlouhodobou frekvenci, bayesovský přístup ji chápe jako míru důvěry či informace o události a využívá apriorních rozdělení. Axiomatická teorie poskytuje matematický základ oběma přístupům, aniž by rozhodovala o interpretačním obsahu pravděpodobnosti.

Příklady

  • házení férovou mincí: po mnoha hodech se relativní četnost "orel" blíží 0,5;
  • výrobní linka: pokud z 10 000 výrobků bylo 300 vadných, frekventistická odhadnutá pravděpodobnost vady je 300/10 000 = 0,03;
  • klinická studie: pokud v sérii randomizovaných pokusů uspěje léčba v 40 % případů, frekvenční pravděpodobnost úspěchu je 0,4 (v limitě mnoha podobných studií).

Současný pohled

V praxi se statistici často nesvazují striktně jedním výkladem. Mnohé metody vycházejí z frekvenčních principů (např. testování hypotéz, intervaly spolehlivosti), zatímco jiné používají bayesovský přístup, zejména tam, kde je třeba zapracovat předchozí informace. Diskuse mezi oběma směry i dnes pokračuje a obě interpretace přispívají k rozvoji statistiky a aplikací ve vědě, průmyslu i rozhodování.