szó jelentését keresi. A DICTIOUS-ban nem csak a
szó összes szótári jelentését megtalálod, hanem megismerheted az etimológiáját, a jellemzőit és azt is, hogyan kell a
szót egyes és többes számban mondani. Minden, amit a
szóról tudni kell, itt található. A
szó meghatározása segít abban, hogy pontosabban és helyesebben fogalmazz, amikor beszélsz vagy írsz. A
és más szavak definíciójának ismerete gazdagítja a szókincsedet, és több és jobb nyelvi forráshoz juttat.
Főnév
Bayes' theorem (tsz. Bayes' theorems)
- (informatika) Bayes-tétel
A Bayes-tétel (Bayes’ theorem) a valószínűségszámítás egyik alaptétele, amely leírja, hogyan frissíthetjük egy esemény valószínűségét új információk hatására. A tétel lehetővé teszi, hogy megfordítsuk a feltételes valószínűséget, azaz: ha tudjuk, hogy
milyen valószínűséggel következik be
ismeretében, akkor kiszámolhatjuk, hogy
milyen valószínűséggel igaz
megfigyelése esetén.
📜 A Bayes-tétel képlete
Ahol:
Jelölés
|
Jelentés
|
|
A valószínűsége, ha tudjuk, hogy B bekövetkezett (posterior)
|
|
B valószínűsége A esetén (likelihood)
|
|
A kezdeti valószínűsége (prior)
|
|
B teljes valószínűsége (evidence)
|
🧠 Mit jelent ez a gyakorlatban?
A tétel lehetővé teszi, hogy:
- Előzetes tudást (prior) kombináljunk új adatokkal.
- Döntéseket hozzunk bizonytalanság esetén (pl. orvosi diagnózis, spam-szűrés).
- Gépeket tanítsunk bizonytalanság kezelése mellett (Bayesian learning, AI).
🧪 Egyszerű példa – orvosi diagnózis
Van egy ritka betegség, ami az emberek 1%-át érinti. Van egy teszt, ami 99%-ban pontos (ha beteg vagy, pozitív; ha nem, negatív). Mi a valószínűsége, hogy valóban beteg vagy, ha a teszt pozitív?
Adatok:
- P(Beteg) = 0.01
- P(Pozitív | Beteg) = 0.99
- P(Pozitív | Egészséges) = 0.01
- P(Egészséges) = 0.99
Bayes-tétel:
👉 Csak 50% az esély, hogy tényleg beteg vagy a pozitív teszt ellenére.
📌 Ez a Bayes-paradoxon: kis előfordulási arány mellett sok a téves pozitív.
📦 Alkalmazási területek
Terület
|
Példa
|
Orvostudomány
|
Betegség kockázatának becslése tünetek alapján
|
Gépi tanulás
|
Naiv Bayes-osztályozó, valószínűségi modellek
|
Spam-szűrés
|
E-mail tartalmának alapján becslés
|
Robotika
|
Szenzoradatokból pozícióbecslés
|
Jog / kriminalisztika
|
Bizonyítékok valószínűségi értelmezése
|
🤖 Bayes és mesterséges intelligencia
- Bayesian Networks (Bayes-hálók): gráf alapú valószínűségi modellek
- Bayesian learning: modellek, amelyek képesek frissíteni a „hitét”
- Bayesian optimization: hiperparaméterek optimalizálása ML-ben
🧾 Összefoglalás
A Bayes-tétel matematikai alapot ad arra, hogyan frissítsünk valószínűségeket új információ hatására. Segítségével okosabb döntéseket hozhatunk bizonytalanság mellett, és központi szerepet játszik a valószínűségi gondolkodásban, statisztikában és mesterséges intelligenciában.