Twierdzenie Bayesa

Z Wikipedii, wolnej encyklopedii
Skocz do: nawigacja, szukaj
Ilustracja twierdzenia Bayesa przy pomocy dwóch nakładanych na siebie drzew decyzyjnych.

Twierdzenie Bayesa – twierdzenie teorii prawdopodobieństwa, wiążące prawdopodobieństwa warunkowe dwóch zdarzeń warunkujących się nawzajem, sformułowane przez Thomasa Bayesa. Twierdzenie stanowi podstawę teoretyczną wnioskowania bayesowskiego, oraz sieci bayesowskich stosowanych w eksploracji danych.

Wzór Bayesa[edytuj]

Twierdzenie[edytuj]

Niech

   i    .

Wtedy

.

Dowód[edytuj]

Ponieważ dla każdego

   i    ,

więc

.

Stąd

.

Jednocześnie

.

Zastosowania[edytuj]

Przykład 1[edytuj]

Niech jest zdarzeniem „u pacjenta występuje wysoka gorączka”, a jest zdarzeniem „pacjent ma grypę”.

Jeśli znane są odsetek gorączkujących , odsetek chorych na grypę w całej populacji oraz odsetek gorączkujących wśród chorych na grypę , to twierdzenie Bayesa pozwala wyznaczyć prawdopodobieństwo, że ktoś jest chory na grypę, gdy wiemy, że ma wysoką gorączkę :

   i    .

Wtedy

.

Przykład 2[edytuj]

Twierdzenia Bayesa można użyć do interpretacji rezultatów badania przy użyciu testów wykrywających narkotyki. Załóżmy, że przy badaniu narkomana test wypada pozytywnie w 99% przypadków, zaś przy badaniu osoby nie zażywającej narkotyków wypada negatywnie w 99% przypadków. Pewna firma postanowiła przebadać swoich pracowników takim testem wiedząc, że 0,5% z nich to narkomani. Chcemy obliczyć prawdopodobieństwo, że osoba, u której test wypadł pozytywnie, rzeczywiście zażywa narkotyki. Oznaczmy następujące zdarzenia:

  • – dana osoba jest narkomanem
  • – dana osoba nie jest narkomanem
  • – u danej osoby test dał wynik pozytywny
  • – u danej osoby test dał wynik negatywny

Wiemy, że:

  • , gdyż 0,5% pracowników to narkomani
  • , gdyż taką skuteczność ma test przy badaniu narkomana
  • , gdyż taką skuteczność ma test przy badaniu osoby nie będącej narkomanem

Mając te dane, chcemy obliczyć prawdopodobieństwo, że osoba, u której test wypadł pozytywnie, rzeczywiście jest narkomanem. Tak więc:

Mimo potencjalnie wysokiej skuteczności testu, prawdopodobieństwo, że narkomanem jest badany pracownik, u którego test dał wynik pozytywny, jest równe około 33%, więc jest nawet bardziej prawdopodobnym, ze taka osoba nie zażywa narkotyków. Ten przykład pokazuje, dlaczego ważne jest, aby nie polegać na wynikach tylko pojedynczego testu.

Innymi słowy, pozorny paradoks polegający na dużej dokładności testu (99% wykrywalności narkomanów wśród narkomanów i nieuzależnionych wśród nieuzależnionych) i niskiej dokładności badania bierze się stąd, że w badanej próbie tylko niewielka część osób to narkomani. Przykładowo jeśli badamy 1000 osób, 0,5% z nich, czyli 5 to narkomani, a 995 nie. Natomiast test wskaże jako narkomanów 1% nieuzależnionych (995*1% ≈ 10), oraz 99% uzależnionych (5*99% ≈ 5). Ostatecznie test wypadł pozytywnie dla 15 osób, jednak tylko 5 z nich to narkomani.

Twierdzenia Bayesa używane jest też w samosterujących samochodach testowanych przez Google[1] (pod koniec 2010 roku[2]). Twierdzenia Bayesa znajduje też zastosowanie w robotyce, wojskowości, genetyce i medycynie[1].

Interpretacje[edytuj]

Prawdopodobieństwo subiektywistyczne[edytuj]

W interpretacji subiektywistycznej jest twierdzeniem wręcz podstawowym.[3] Otóż niech będzie pewnym zdarzeniem, zaś pewną teorią.

jest obserwowanym prawdopodobieństwem , zaś to prawdopodobieństwo, że nastąpi według teorii . Z kolei to prawdopodobieństwo, że teoria jest prawdziwa, to prawdopodobieństwo, że teoria jest prawdziwa, jeśli zaobserwowano .

Zdania typu „prawdopodobieństwo, że teoria jest prawdziwa” są z punktu widzenia interpretacji obiektywistycznej nie do przyjęcia – teoria jest prawdziwa (prawdopodobieństwo równe jedności) lub też nie (prawdopodobieństwo równe zeru), czyli prawdziwość teorii nie jest zdarzeniem losowym.

Zobacz też[edytuj]

Przypisy

  1. a b Sharone Bertsch McGrayne. A jak Asimov, B jak Bayes. „Świat Nauki”. nr. 6 (238), s. 16, czerwiec 2011. Prószyński Media. ISSN 0867-6380. 
  2. forbes.pl za PAP/es: Samosterujące samochody od... Google. 2010-10-11. [dostęp 2011-05-30].
  3. Aleksandra Kurek et al.: [https://www.kul.pl/files/57/working_papers/kurek_ii2008.pdf.pdf Szkice do bayesowskiej metodologii współczesnej kosmologii]. 2009. [dostęp 2017-01-19].

Linki zewnętrzne[edytuj]