واژهنامه · روش علمی
قضیهٔ بیز Bayes' theorem
قضیهٔ بیز رابطهای در احتمال است که احتمال یک فرض پس از مشاهدهٔ شواهد را از احتمال پیشین، احتمال شواهد با آن فرض و احتمال کلی شواهد محاسبه میکند.
قضیهٔ بیز نشان میدهد که یک نتیجهٔ تازه چگونه احتمال یک فرض را تغییر میدهد. برای رویدادهای «آ» و «ب»، احتمال آ به شرط ب برابر است با احتمال ب به شرط آ، ضربدر احتمال آ و تقسیم بر احتمال ب؛ این بیان مستلزم ناصفربودن احتمال ب است. در استنباط بیزی، احتمال پیشین همراه با مدل شواهد به احتمال پسین تبدیل میشود.
در مثالی کاملاً فرضی، از ۱۰٬۰۰۰ قطعهٔ یک محموله، ۱٪ یعنی ۱۰۰ قطعه معیوباند. آزمونی با حساسیت تشخیصی ۹۰٪، بهطور میانگین ۹۰ قطعهٔ معیوب را مثبت اعلام میکند. اگر نرخ مثبت کاذب ۵٪ باشد، از ۹۹۰۰ قطعهٔ سالم نیز بهطور میانگین ۴۹۵ قطعه مثبت میشوند. پس در میان ۵۸۵ نتیجهٔ مثبت، سهم قطعههای معیوب حدود ۱۵٫۴٪ است، نه ۹۰٪.
این محاسبه فرض میکند نرخ پایه و عملکرد آزمون برای همان محموله مناسباند. انتخاب محمولهای متفاوت یا آزمودن دوبارهٔ قطعهها با خطاهای وابسته میتواند نتیجه را تغییر دهد؛ شواهد تکراری را نباید بیدلیل مستقل شمرد.
پرسشهای رایج
چرا حساسیت تشخیصی بالا بهتنهایی نتیجهٔ مثبت را قطعی نمیکند؟
حساسیت تشخیصی، نتیجهٔ آزمون را در میان موارد واقعاً دارای وضعیت هدف توصیف میکند؛ برای تفسیر نتیجهٔ مثبت باید موارد فاقد وضعیت را هم شمرد. اگر وضعیت هدف کمیاب باشد، حتی نرخ مثبت کاذب نسبتاً کوچک میتواند نتیجههای مثبت نادرست فراوانی بسازد. قضیهٔ بیز با لحاظکردن نرخ پایه، این دو گروه را در محاسبه وارد میکند.
آیا احتمال پیشین همان حدس دلخواه است؟
احتمال پیشین الزاماً حدس دلخواه نیست؛ میتواند بر دادههای قبلی، نرخ پایه یا دانش معتبر تکیه کند. بااینحال انتخاب آن باید با مسئله سازگار و آشکار باشد. وقتی اطلاعات اولیه محدود است، بررسی اینکه چند انتخاب معقول برای احتمال پیشین چگونه احتمال پسین را تغییر میدهند، به شناخت میزان اتکای نتیجه به فرضهای آغازین کمک میکند.
نامهای دیگر و املا
شکل درست نوشتن در فلکبین: قضیهٔ بیز.
- قاعدهٔ بیز هممعنیهمان رابطهٔ احتمال شرطی؛ مدخل جدا ندارد







