Bayesova věta (alternativně Bayesova formule, Bayesův vzorec) je věta teorie pravděpodobnosti, která udává, jak podmíněná pravděpodobnost nějakého jevu souvisí s opačnou podmíněnou pravděpodobností.^[1] Poprvé na tuto souvislost upozornil anglický duchovní Thomas Bayes (1702–1761) v posmrtně vydaném článku An Essay towards solving a Problem in the Doctrine of Chances (1763). Roku 1774 větu znovu objevil francouzský matematik a fyzik Pierre-Simon Laplace, nicméně postupně upadla v zapomnění a rozšířila se až v 2. polovině 20. století.^[2] Frekvenční interpretace pravděpodobnosti se poté nazývá klasická či Laplaceova, právě podle Pierre-Simona Laplace.

Jedno z mnoha použití Bayesovy věty je v oblasti statistické inference (konkrétně Bayesova inference). Věta taktéž položila základy relativně novému směru statistiky – bayesovské statistiky.^[3]

Nechť ${\displaystyle A}$ a ${\displaystyle B}$ jsou náhodné jevy a ${\displaystyle \mathrm {P} (B)\neq 0}$. Potom platí

${\displaystyle \mathrm {P} (A\mid B)={\frac {\mathrm {P} (B\mid A)\,\mathrm {P} (A)}{\mathrm {P} (B)))}$.

Důkaz věty vychází z definice podmíněné pravděpodobnosti:

${\displaystyle \mathrm {P} (A\mid B)={\frac {\mathrm {P} (A\cap B)}{\mathrm {P} (B)))}$, pokud ${\displaystyle \mathrm {P} (B)\neq 0}$. Symetricky ${\displaystyle \mathrm {P} (B\mid A)={\frac {\mathrm {P} (A\cap B)}{\mathrm {P} (A)))}$, pokud ${\displaystyle \mathrm {P} (A)\neq 0}$.

Vyjádřením pravděpodobnosti průniku v obou rovnicích získáváme ${\displaystyle \mathrm {P} (A\mid B)\mathrm {P} (B)=\mathrm {P} (A\cap B)=\mathrm {P} (B\mid A)\mathrm {P} (A)}$. Vyjádřením ${\displaystyle \mathrm {P} (A\mid B)}$ obdržíme Bayesovu formuli:

${\displaystyle \mathrm {P} (A\mid B)={\frac {\mathrm {P} (B\mid A)\mathrm {P} (A)}{\mathrm {P} (B)))}$, pokud ${\displaystyle \mathrm {P} (B)\neq 0}$.

Pro všechny alternativní formy Bayesovy věty uvažujme nenulovost jmenovatele.

Mějme náhodné jevy ${\displaystyle A}$ a ${\displaystyle B_{j))$, pro ${\displaystyle j={1,...,k))$. Nechť jsou jevy ${\displaystyle B_{j))$ po dvou disjunktní pro každé ${\displaystyle j}$ a nechť tvoří celý pravděpodobnostní prostor, tedy ${\displaystyle {\sum _{i=1}^{k}\mathrm {P} (B_{i})=1))$. Potom platí

${\displaystyle \mathrm {P} (B_{j}\mid A)={\frac {\mathrm {P} (A\mid B_{j})\,\mathrm {P} (B_{j})}{\mathrm {P} (A)))}$.

Při počítání s Bayesovou formulí je výhodné znát následující úpravu, jelikož nemusíme znát pravděpodobnost náhodných jevů, nýbrž pouze jejich pravděpodobnosti podmíněné.

Tato formule spočívá ve vhodné úpravě jmenovatele, tedy

${\displaystyle \mathrm {P} (B)=\mathrm {P} (B\mid A)\mathrm {P} (A)+\mathrm {P} (B\mid A^{c})\mathrm {P} (A^{c})}$, kde využíváme vztahu ${\displaystyle B=(B\cap A)\cup (B\cap A^{c})}$.

Po dosazení do původní věty dostáváme

${\displaystyle \mathrm {P} (A\mid B)={\frac {\mathrm {P} (B\mid A)\mathrm {P} (A)}{\mathrm {P} (B\mid A)\mathrm {P} (A)+\mathrm {P} (B\mid A^{c})\mathrm {P} (A^{c})))}$.^[4]

Tato forma Bayesovy věty vychází z předpokladu Bayesovy věty, tedy že platí ${\displaystyle \sum _{i=1}^{k}\mathrm {P} (B_{i})=1}$. Lze ale vyjádřit pravděpodobnost ${\displaystyle i}$-tého členu ${\displaystyle \mathrm {P} (B_{i})=\sum _{j=1}^{i-1}\mathrm {P} (B_{j})+\sum _{j=i+1}^{k}\mathrm {P} (B_{j})=\mathrm {P} (1-B_{i})=\mathrm {P} (B^{c})}$. Tedy získáváme upravenou verzi Bayesovy věty využívající doplněk. Pro rozložení podmíněné pravděpodobnosti na pravé straně rovnice lze využít větu o úplné pravděpodobnosti.

Mějme neslučitelné náhodné jevy ${\displaystyle B_{n))$, kde ${\displaystyle n={1,...,k))$ takové, že pro ně platí ${\displaystyle \mathrm {P} (\bigcup _{n=1}^{k}B_{n})=1}$. Pak platí

${\displaystyle \mathrm {P} (B_{n}\mid A)={\frac {\mathrm {P} (A\mid B_{n})\mathrm {P} (B_{n})}{\sum _{j}\mathrm {P} (A\mid B_{j})\mathrm {P} (B_{j})))}$.^[5]

Verzi věty lze z konečného počtu náhodných jevů rozšířit i na nekonečně spočetně jevů.

Formu, která bere v potaz historii, lze odvodit zavedením substituce ${\displaystyle B=C\cap H}$ a dosazení do znění Bayesovy věty. Získáváme tedy

${\displaystyle \mathrm {P} (A\mid C\cap H)={\frac {\mathrm {P} (C\cap H\mid A)\,\mathrm {P} (A)}{\mathrm {P} (C\cap H)))={\frac {\mathrm {P} (C\cap H\cap A)}{\mathrm {P} (C\cap H)))={\frac {\mathrm {P} (C\mid A\cap H)\,\mathrm {P} (A\cap H)}{\mathrm {P} (C\mid H)\,\mathrm {P} (H)))={\frac {\mathrm {P} (C\mid A\cap H)\,\mathrm {P} (A\mid H)\,\mathrm {P} (H)}{\mathrm {P} (C\mid H)\,\mathrm {P} (H)))={\frac {\mathrm {P} (C\mid A\cap H)\,\mathrm {P} (A\mid H)}{\mathrm {P} (C\mid H)))}$, z čehož získáváme vzorec

${\displaystyle \mathrm {P} (A\mid C\cap H)={\frac {\mathrm {P} (C\mid A\cap H)\,\mathrm {P} (A\mid H)}{\mathrm {P} (C\mid H)))}$, ze kterého přeznačením (pro konzistenci) získáváme formu Bayesovy věty zobecňující prvek historie ${\displaystyle H}$ v následující podobě:

${\displaystyle \mathrm {P} (A\mid B\cap H)={\frac {\mathrm {P} (B\mid A\cap H)\,\mathrm {P} (A\mid H)}{\mathrm {P} (B\mid H)))}$.

Obdobným způsobem lze přidat konečně mnoho prvků historie ${\displaystyle H_{i))$, respektive i nekonečně spočetně. Můžeme ${\displaystyle {\mathcal {H))}$ definovat pomocí součtů jako ${\displaystyle {\mathcal {H))=\sum _{i=1}^{n}H_{i))$ (respektive ${\displaystyle {\mathcal {H))=\sum _{i=1}^{\infty }H_{i))$).

Tato forma Bayesovy věty může být užitečná, pokud v příkladu testování na drogy budu mít více testovaných lidí, pak obecně ${\displaystyle H_{i))$ označíme výsledek ${\displaystyle i}$-tého testu, tedy pokud byl první test pozitivní, výsledek do historie zaneseme například jako ${\displaystyle H_{1}=1}$, pokud by byl negativní, pak bychom položili ${\displaystyle H_{1}=0}$.

Výsledná forma zobecňující všechny výsledky má podobu

${\displaystyle \mathrm {P} (A\mid B\cap {\mathcal {H)))={\frac {\mathrm {P} (B\mid A\cap {\mathcal {H)))\,\mathrm {P} (A\mid {\mathcal {H)))}{\mathrm {P} (B\mid {\mathcal {H)))))}$.

Z definice šance ${\displaystyle \mathrm {\mbox{Š)) (A)={\frac {\mathrm {P} (A)}{\mathrm {P} (A^{c})))={\frac {\mathrm {P} (A)}{1-\mathrm {P} (A)))}$ lze odvodit vzorec poměrů pravděpodobností ${\displaystyle \mathrm {P} (H_{1}\mid D):\mathrm {P} (H_{2}\mid D)}$, který má tvar

${\displaystyle {\frac {\mathrm {P} (H_{1}\mid D)}{\mathrm {P} (H_{2}\mid D)))={\frac {\mathrm {P} (H_{1})}{\mathrm {P} (H_{2})))\cdot {\frac {\mathrm {P} (D\mid H_{1})}{\mathrm {P} (D\mid H_{2})))}$, tedy slovně aposteriorní šance hypotézy ${\displaystyle H_{1))$ proti hypotéze ${\displaystyle H_{2))$ je rovna součinu apriorní šance hypotézy ${\displaystyle H_{1))$ proti hypotéze ${\displaystyle H_{2))$ a poměru věrohodností hypotézy ${\displaystyle H_{1))$ proti hypotéze ${\displaystyle H_{2))$.

Bayesovu větu lze popsat i pomocí hustoty spojitých náhodných vektorů ${\displaystyle \mathbf {X} }$ a ${\displaystyle \mathbf {Y} }$. Tedy podmíněná hustota ${\displaystyle \rho _{\mathbf {X} }(x\mid y)}$ spojitého náhodného vektoru ${\displaystyle \mathbf {X} }$ vzhledem k ${\displaystyle \mathbf {Y} }$ je rovna

${\displaystyle \rho _{\mathbf {X} }(x\mid y)={\begin{cases}{\frac {\rho _{\mathbf {Y} }(y\mid x)\,f_{\mathbf {X} }(x)}{f_{\mathbf {Y} }(y))){\mbox{ pro ))f_{\mathbf {Y} }(y)\neq 0\\0{\mbox{ jinak.))\end{cases))}$

Podobu Bayesovy věty pro spojité náhodné vektory lze odvodit dosazením vztahu ${\displaystyle f(x,y)=h_{\mathbf {Y} }(y\mid x)f_{\mathbf {X} }(x)}$ do vztahu podmíněné hustoty ${\displaystyle \mathbf {X} }$ vzhledem k ${\displaystyle \mathbf {Y} }$, tedy ${\displaystyle h_{\mathbf {X} }(x\mid y)={\frac {f(x,y)}{f_{\mathbf {Y} }(y)))}$.^[6]

Nyní si ukažme příklad použití Bayesova pravidla při testování na drogy. Vyjdeme z předpokladů, že test na prokázání drog má senzitivitu 99 % a specificitu 99 %. Test se na první pohled zdá být docela přesný, ale pomocí Bayesovy věty lze ukázat, že netriviální procento testovaných může být nesprávně označeno za uživatele drog. Nechť je v testovaném podniku prevalence 0,5 %, tj. 0,5 % ze zaměstnanců drogy opravdu užívá.

Jaká je pravděpodobnost, že osoba s pozitivním testem drogy opravdu používá?

Označme si uživatele drog jako "A", "N" všechny ostatní. Nechť "+" znamená pozitivní test. Popišme si následující veličiny:

• ${\displaystyle \mathrm {P} (A)}$ pravděpodobnost, že osoba je uživatelem drog (prevalence), tj. ${\displaystyle 0.005}$
• ${\displaystyle \mathrm {P} (N)}$ pravděpodobnost, že osoba není uživatelem drog; zjistíme pomocí doplňkového jevu, tzn. ${\displaystyle 1-\mathrm {P} (A)=0.995}$
• ${\displaystyle \mathrm {P} (+\mid A)}$ pravděpodobnost, že test je pozitivní, když je osoba uživatelem drog; jinými slovy sensitivita testu: ${\displaystyle 0.99}$
• ${\displaystyle \mathrm {P} (+\mid N)}$ je pravděpodobnost, že test bude pozitivní, i přesto, že osoba není uživatelem drog; lze interpretovat jako doplněk k specificitě testu: ${\displaystyle 0.01}$
• ${\displaystyle \mathrm {P} (+)}$ je pravděpodobnost, že test bude pozitivní.

Pravděpodobnost ${\displaystyle \mathrm {P} (+)}$ sice zadanou nemáme, ale lze ji vypočítat dle výše zmíněné formule:

${\displaystyle \mathrm {P} (+)=\mathrm {P} (+\mid A)\cdot \mathrm {P} (A)+\mathrm {P} (+\mid N)\cdot \mathrm {P} (N)}$

Po dosazení dostáváme výsledek 1,49 %:

${\displaystyle \mathrm {P} (+)=0.99\times 0.005+0.01\times 0.995=0.0149.}$

Díky těmto údajům můžeme vypočítat žádanou pravděpodobnost ${\displaystyle \mathrm {P} (A\mid +)}$ pomocí Bayesovy věty:

${\displaystyle \mathrm {P} (A\mid +)={\frac {\mathrm {P} (+\mid A)\mathrm {P} (A)}{\mathrm {P} (+)))={\frac {0.99\times 0.005}{0.0149))=0.3322.}$

Všimněme si, že i přes vysokou specificitu a senzitivitu je výsledek testu poměrně nepřesný. U zaměstnance podniku s pozitivním testem je jen 33% pravděpodobnost, že je skutečně uživatelem drog.

Senzitivita testu (také citlivost testu) nám udává úspěšnost, s níž test zachytí přítomnost sledovaného stavu (nemoci) u daného subjektu. V našem příkladu to znamená, že test správně identifikuje skutečné uživatele drog v 99 % případů.

Specificita testu nám vyjadřuje úspěšnost, s níž test určí případy, u nichž zkoumaný stav (nemoc) nenastává. 99% specificita testu znamená, že test s 99% pravděpodobností správně vyloučí osobu, která drogy nepoužívá.

Bayesovská statistika je pokročilejší odvětví statistiky, které místo bodových odhadů parametrů z dat uvažuje nějaké pravděpodobnostní rozdělení nad možnými hodnotami parametru. To může být apriorní (známé již před získáním dat) nebo aposteriorní (apriorní rozdělení upravené informacemi zachycenými v datech). Matematicky se tento přechod od apriorního rozdělení a dat k aposteriornímu rozdělení formuluje pomocí podmíněných pravděpodobností a Bayesova věta tedy v bayesovské statistice přirozeně hraje klíčovou roli.

• Bayesovská statistika
• Bayesovská hra

• Obrázky, zvuky či videa k tématu Bayesova věta na Wikimedia Commons
• Seeing Theory - Bayesian Inference – vizualizace Bayesovy věty na několika příkladech (anglicky)