Üç sayı girin — durumun ne kadar yaygın olduğu (öncelik), durum mevcutken kanıtın ne sıklıkla göründüğü (duyarlılık) ve mevcut değilken ne sıklıkla göründüğü (yanlış pozitif oranı) — ve Bayes teoremi güncellenmiş olasılığı döndürür.
Çünkü durum nadirdir. Devasa sağlıklı gruptan gelen yanlış pozitifler (9,900 × %5 = 495), minik hasta gruptan gelen doğru pozitifleri (100 × %99 = 99) bastırır. Taban oranları domine eder — Bayes teoreminin bütün dersi budur.
Öncel, yeni kanıttan önceki inancınızdır; sonraki, kanıtı, her olasılık altında ne kadar beklendiğine göre tarttıktan sonra, güncellenmiş inançtır. Bayes teoremi, o güncellemenin tam aritmetiğidir.
Evet — spam filtreleri, arıza teşhisi, adli olasılıklar ve tahmin, hepsi aynı yapıyı kullanır: bir taban oran, bir isabet oranı ve bir yanlış alarm oranı.
Klasik form P(A|B) = P(B|A) × P(A) ÷ P(B), P(B) değerine doğrudan ihtiyaç duyar; bu hesaplayıcı, P(B) değerini, bunun yerine, iki koşullu orandan oluşturur; girdilerin pratikte genellikle bilindiği yol budur.
P(A | B) = P(B | A) × P(A) ÷ P(B), toplam kanıt oranı, toplam olasılık yasasıyla oluşturularak: P(B) = P(B | A) × P(A) + P(B | A değil) × P(A değil). Yerine koymak, bu hesaplayıcının kullandığı üç girdili formu verir.
Girdiler: öncel 0.01, duyarlılık 0.99, yanlış pozitif oranı 0.05.
Adımlar: P(B) = 0.99 × 0.01 + 0.05 × 0.99 = 0.0099 + 0.0495 = 0.0594. Sonsal = 0.0099 ÷ 0.0594 = 0.1667.
Sonuç: P(A | pozitif) = 16.67% — '%99 doğru' bir teste rağmen; çünkü durum, nadirdir.
Bu hesaplayıcıyı kendi web sitenize veya blogunuza ekleyin — tamamen ücretsizdir, kayıt gerektirmez ve her zaman en son sürümü gösterir. Aşağıdaki kodu kopyalayın ve hesaplayıcının görünmesini istediğiniz yere sayfanıza yapıştırın. Gömmenin altında küçük “Powered by Loona Automation” kredi satırını tutmak, bu aracın ücretsiz kalmasına yardımcı olur — ama bunu biçimlendirmekte veya kaldırmakta özgürsünüz; araç her iki şekilde de çalışır.