نظرية بايز في التطبيق
من الصيغة إلى القرارات الحقيقية. الاختبارات الطبية وترشيح البريد المزعج وتجارب A/B — كلها تعتمد على الاستدلال البايزي.
الحساسية والنوعية
معدل الإيجابية الحقيقية
معدل السلبية الحقيقية
حيث D الإصابة بالمرض وD̄ السلامة منه. هذه تصف الاختبار. ما يريده المريض هو العكس: P(D | +)
القيمة التنبؤية الإيجابية
PPV = P(D | +) — احتمال المرض بمعلومية نتيجة إيجابية. تُحسَب بنظرية بايز — وتعتمد على الانتشار.
مغالطة معدل الأساس
- تجاهل الانتشار عند تفسير نتيجة إيجابية
- التركيز على الدقة وإهمال ندرة المرض
- معظم الإيجابيات في فحوصات الأمراض النادرة كاذبة
- نظرية بايز تُجبرك على تثقيل الدقة بمعدل الأساس
النتيجة المفاجئة
انتشار 0.1%، حساسية 99%، نوعية 99%. جاءت نتيجتك إيجابية.
= 0.00099 / 0.01098 ≈ 9% فقط
نظرة السكان
في 100,000 شخص: 100 مريض (99 إيجابيون) و99,900 سليم (999 إيجابية كاذبة). الإيجابيات الكاذبة تفوق الحقيقية بعشرة أضعاف.
التحديث البايزي
الاحتمال البعدي اليوم هو القبلي غداً. كل دليل جديد يُنقِّح اعتقادك.
ترشيح البريد المزعج
- كل كلمة دليل مستقل (افتراض ساذج)
- يُدرَّب على رسائل مُصنَّفة لتقدير P(w | S)، حيث S «الرسالة مزعجة» وw الكلمة
- للرسائل الجديدة: P(S | w₁…wₙ) ∝ P(S) × ∏ P(wᵢ | S)
- سريع وقابل للتفسير ومنافس للنماذج المعقدة
اختبار A/B بايزياً
بدلاً من قيمة p، احصل على إجابة مباشرة: P(B > A | data) — احتمال أن يكون البديل B أفضل من A بمعلومية البيانات. ابدأ باعتقاد قبلي عن كل معدل، ثم حدِّثه مع كل تحويل.
بايز وتعلُّم الآلة
- تقدير MAP = MLE + قبلي = تنظيم
- تنظيم L2 ↔ قبلي غاوسي؛ تنظيم L1 ↔ قبلي لابلاسي
- الشبكات العصبية البايزية: توزيع بعدي كامل على الأوزان
- العمليات الغاوسية: نماذج بايزية على الدوال
دائماً اسأل: ما الاحتمال القبلي؟
- اختبار «دقته 99%» لا معنى له بدون معدل الأساس
- الشك مواطَن أول: النماذج يجب أن تعرف حدودها
- التعلُّم تحديث: كل مشاهدة تُنقِّح الاعتقادات
- المعرفة القبلية بيانات — تدخل خبرة المجال طبيعياً
ما تعلَّمته
الحساسية والنوعية، القيمة التنبؤية، مغالطة معدل الأساس، التحديث البايزي، بايز الساذج، اختبار A/B البايزي، وبايز في تعلُّم الآلة — آلة المراجعة العقلانية للاعتقاد.