Bayes Teoremi Hesaplama

Bu hesaplama hakkında

Bu hesaplayıcı, yeni bir kanıt B gözlemlendiğinde önsel olasılık P(A)'yı sonsal olasılık P(A|B)'ye güncellemek için Bayes teoremini, P(A|B) = P(B|A)·P(A) / P(B), uygular — bir testin duyarlılığını (gerçek pozitif oranı) ve yanlış pozitif oranını kullanarak pozitif bir sonuç çıktığında bir şeyin gerçekten doğru olma olasılığının ne kadar olduğunu hesaplar. Bu, önceden inanılan şeyi yeni verinin söylediğiyle biçimsel olarak birleştiren Bayesçi çıkarımın matematiksel temelidir.

Doktorlar ve epidemiyologlar tıbbi test sonuçlarını doğru yorumlamak için bunu kullanır — nadir görülen bir hastalık için pozitif çıkan bir test, yanlış pozitif oranı hastalığın görülme sıklığına kıyasla yüksekse gerçekte hastalık olma olasılığının hâlâ düşük olabileceği anlamına gelebilir. İstatistikçiler, spam filtresi ve makine öğrenmesi sınıflandırıcıları geliştiren veri bilimciler, kanıtları tartan adli analistler aynı mantığı kullanır; olasılık öğrenen öğrenciler ise “pozitif”in her zaman “muhtemel” anlamına gelmediğini kavramak için bu hesaplayıcıdan yararlanır.