Twierdzenie Bayensa

Twierdzenie Bayesa (od nazwiska Thomasa Bayesa) to twierdzenie teorii prawdopodobieństwa, wiążące prawdopodobieństwa warunkowe zdarzeń  oraz . Na przykład, jeśli  jest zdarzeniem "u pacjenta występuje wysoka gorączka", a  jest zdarzeniem "pacjent ma grypę", twierdzenie Bayesa pozwala przeliczyć znany odsetek gorączkujących wśród chorych na grypę  i znane odsetki gorączkujących  i chorych na grypę  w całej populacji, na prawdopodobieństwo, że ktoś jest chory na grypę, gdy wiemy że ma wysoką gorączkę . Twierdzenie stanowi podstawę teoretyczną sieci bayesowskich, stosowanych w eksploracji danych.

Przykłady użycia

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 daÅ‚ wynik pozytywny

•  - u danej osoby test daÅ‚ wynik negatywny

Wiemy, że:

• , gdyż 0,5% pracowników to narkomani

• 

• , gdyż takÄ… skuteczność ma test przy badaniu narkomana

• , gdyż takÄ… skuteczność ma test przy badaniu osoby nie bÄ™dÄ…cej 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].