Do ponto de vista matemático, o Teorema de Bayes faz todo sentido para mim (isto é, derivar e provar), mas o que não sei é se existe ou não um bom argumento geométrico ou gráfico que pode ser mostrado para explicar o Teorema de Bayes. Tentei pesquisar no Google para obter uma resposta e, surpreendentemente, não consegui encontrar nada.
9
Respostas:
Basicamente, basta desenhar um diagrama de Venn de dois círculos sobrepostos que devem representar conjuntos de eventos. Chame-os de A e B. Agora, a interseção dos dois é P (A, B), que pode ser lida com probabilidade de A AND B. Pelas regras básicas de probabilidade, P (A, B) = P (A | B) P (B) E como não há nada de especial em A versus B, também deve ser P (B | A) P (A). Igualar esses dois fornece o teorema de Bayes.
O Teorema de Bayes é realmente bastante simples. As estatísticas bayesianas são mais difíceis por duas razões. Uma é que é preciso um pouco de abstração para deixar de falar sobre papéis aleatórios dos dados para a probabilidade de que algum fato seja Verdadeiro. Exigia que você tivesse uma prévia e essa prévia afeta a probabilidade posterior de obter no final. E quando você precisa marginalizar muitos parâmetros ao longo do caminho, é mais difícil ver exatamente como isso é afetado.
Alguns acham que isso parece meio circular. Mas, realmente, não há como contornar isso. Os dados analisados com um modelo não levam você diretamente à verdade. Nada faz. Ele simplesmente permite que você atualize suas crenças de maneira consistente.
A outra coisa difícil sobre as estatísticas bayesianas é que os cálculos se tornam bastante difíceis, exceto por problemas simples, e é por isso que toda a matemática é trazida para lidar com isso. Precisamos aproveitar todas as simetrias possíveis para facilitar os cálculos ou então recorrer às simulações de Monte Carlo.
Portanto, as estatísticas bayesianas são difíceis, mas o teorema de Bayes não é realmente difícil. Não pense demais! Resulta diretamente do fato de que o operador "AND", em um contexto probabilístico, é simétrico. A AND B é o mesmo que B AND A e todos parecem entender isso intuitivamente.
fonte
Um argumento físico para explicá-lo foi muito claramente descrito por Galton em um quincunce de dois estágios no final de 1800, s.
Veja a figura 5 em Stigler, Stephen M. 2010. Darwin, Galton e o esclarecimento estatístico. Jornal da Sociedade Estatística Real: Série A 173 (3): 469-482.
Eu tenho uma animação rudimentar dele aqui (requer suporte a PDF adequado para executar).
Também a transformei em uma alegoria sobre uma laranja caindo na cabeça de Galton, que tentarei carregar no futuro.
Ou talvez você prefira a imagem de rejeição do ABC aqui .
Um exercício baseado nele está aqui .
fonte
Este artigo de 10 de janeiro de 2020 sobre o Medium explica apenas com uma foto! Suponha que
Se houver 100.000 pessoas, 100 pessoas com a doença rara e as demais 99.900 não a têm. Se essas 100 pessoas doentes forem testadas, será positiva e negativa. Mas o que geralmente ignoramos é que, se os 99.900 saudáveis forem testados, 1% deles (isto é ) testará falso positivo.99 1 999
Agora, se você for positivo, para ter a doença, você deve ser das pessoas doentes que deram positivo. O número total de pessoas que deram positivo foi . Portanto, a probabilidade de você ter a doença quando testou positivo é .1 99 99+999 9999+999=0.0901
fonte