Bayes Teoremi
Bayes Theorem
Tanım
Yeni elde edilen kanıtlar ışığında, bir olayın gerçekleşme olasılığını (prior probability) güncelleyerek sonçul olasılığa (posterior probability) ulaşmayı sağlayan matematiksel formülasyondur.
Örnek Vaka / Uygulama
Klinik pratikte bir hastanın nadir görülen bir nörolojik rahatsızlığa sahip olup olmadığını değerlendiren bir nörolog düşünün. Popülasyondaki genel prevalans oranı %1'dir (önsel olasılık). Yapılan MR taramasının duyarlılığı %95'tir. Tarama pozitif çıktığında, Bayes teoremi kullanılarak hastanın gerçekten bu rahatsızlığa sahip olma olasılığı (sonçul olasılık), yanlış pozitif oranları da hesaba katılarak matematiksel olarak yeniden hesaplanır ve klinik kararın doğruluğu maksimize edilir.
Derin Analiz
Olasılık kuramında ve istatistikte çığır açan bu yaklaşım, epistemolojik belirsizlik altında rasyonel karar vermenin temel mekanizmasını oluşturur. Klasik (frekansçı) istatistik sabit parametreler üzerinden olasılık hesap ederken, Bayesçi yaklaşım parametreleri rastgele değişkenler olarak ele alır ve her yeni veri akışında inanç derecesini (belief) revize eder. Bilişsel bilimlerde ve nörobilimde, beynin 'tahmin edici organ' (predictive processing) olarak çalışmasını modellemede kritik bir analitik araçtır; beyin, duyusal girdileri işlerken önsel beklentileri (prior) ile dış dünyadan gelen veriyi bu teoremin mantığıyla harmanlayarak algıyı inşa eder.
Etimoloji
18. yüzyıl İngiliz matematikçi ve presbiteryen rahip Thomas Bayes'in soyadından türetilmiş tümevarımsal olasılık formülasyonudur.
Karıştırmayın
Frekansçı Olasılık (Frequentist probability), yalnızca tekrarlanabilir uzun vadeli deney sonuçlarına odaklanırken; Bayes teoremi, tekil ve öznel olaylar için yeni kanıtlar eklendikçe olasılığın güncellenmesine olanak tanır.