په احتمال کې د بایز تیورم کارول
احتمال د ریاضي یوه څانګه ده چې د یوې پیښې د رامنځته کیدو احتمال مطالعه کوي. د احتمال په اړه یو له بنسټیزو مفاهیمو څخه د بایس تیورم یا په انګلیسي کې د بایس تیورم دی. دا تیورم د توماس بایس لخوا رامینځته شوی، چې یو انګلیسي ریاضي پوه او پادری و، او د اتلسمې پیړۍ په وروستیو کې د مړینې وروسته خپور شو. د بایس تیورم د احصایوي استنباط، د معلوماتو تحلیل، مصنوعي استخباراتو، او ډیری نورو برخو لپاره یو بنسټیز بنسټ دی. دا مقاله به د بایس تیورم څه شی دی، څنګه یې وکاروئ، او په مختلفو برخو کې د هغې ځینې عملي غوښتنلیکونه په اړه بحث وکړي.
د بایز تیورم پوهیدل
د بایز تیورم یو فورمول دی چې د شته معلوماتو یا شواهدو پر بنسټ د پیښې احتمال سره تړاو لري. په رسمي ډول، دا تیورم په لاندې ډول بیان شوی:
\[ P(A|B) = \frac{P(B|A) \cdot P(A)}{P(B)} \]
په دې فورمول کې:
– \( P(A|B) \) د A پیښې احتمال دی چې B پیښیږي (چې د شا احتمال هم ویل کیږي).
– \( P(B|A) \) د B پیښې احتمال دی چې A پیښیږي (چې د احتمال احتمال هم ویل کیږي).
– \( P(A) \) د A د واقع کېدو احتمال دی پرته له کوم شرایطو څخه (چې مخکینۍ احتمال هم ورته ویل کیږي).
– \( P(B) \) د B د رامنځته کېدو احتمال دی پرته له کوم شرایطو څخه (د B ټول احتمال).
دا تیورم په مختلفو حالاتو کې کارول کیدی شي ترڅو زموږ د وړاندوینو یا د وروستیو معلوماتو پراساس د یوې پیښې په اړه د پوهیدو تازه کولو کې مرسته وکړي.
کلاسیک قضیه: طبي تشخیص
د بایس تیورم یو له خورا عامو عملي غوښتنلیکونو څخه په طب کې دی، په ځانګړې توګه د ناروغیو تشخیص کې. د مثال په توګه، فرض کړئ چې موږ غواړو د دې احتمال پوه شو چې یو څوک د مثبت ازموینې پایلې ترلاسه کولو وروسته یو ځانګړی ناروغي لري.
۱. متغیرات تعریف کړئ:
– الف = ناروغ په یوه ناروغۍ اخته دی (د مثال په توګه، سرطان).
– ب = ازموینه مثبته پایله ښیې.
۲. پېژندل شوي احتمالات:
– \( P(A) \): هغه احتمال چې یو ناروغ د ازموینې اخیستلو دمخه ناروغي ولري، چې د ناروغۍ خپریدو ته هم ویل کیږي.
– \( P(B|A) \): هغه احتمال چې ازموینه مثبته پایله ښیې که چیرې ناروغ ناروغي ولري (کله ناکله حساسیت بلل کیږي).
– \( P(B|\neg A) \): هغه احتمال چې ازموینه مثبته پایله ښیې که چیرې ناروغ ناروغي ونلري (کله ناکله د غلطۍ کچه یا غلط مثبت کچه بلل کیږي).
۳. د ټول احتمال محاسبه کړئ (P(B)):
د یو کس د مثبتې ازموینې پایلې ترلاسه کولو احتمال د لاندې له لارې موندل کیدی شي:
\[ P(B) = P(B|A) \cdot P(A) + P(B|\neg A) \cdot P(\neg A) \]
۴. د بایز تیورم تطبیق:
کله چې دا ټول احتمالات محاسبه شي، موږ کولی شو د بایز تیورم وکاروو ترڅو \( P(A|B) \) ومومو:
\[ P(A|B) = \frac{P(B|A) \cdot P(A)}{P(B)} \]
راځئ چې یو عددي مثال وګورو. فرض کړئ چې د ناروغۍ خپریدل (P(A)) 1٪ دی، د ازموینې حساسیت (P(B|A)) 99٪ دی، او د غلط مثبت کچه (P(B| نه A)) 5٪ ده.
\[ P(A) = 0.01 \]
\[ P(B|A) = 0.99 \]
\[ P(B| نه A) = 0.05 \]
د مثبتې ازموینې پایلې ترلاسه کولو ټول احتمال (P(B)) په لاندې ډول محاسبه کیدی شي:
\[ P(B) = P(B|A) \cdot P(A) + P(B| نه A)\cdot P(\neg A) \]
\[ P(B) = (0.99 \cdot 0.01) + (0.05 \cdot 0.99) \]
\[ P(B) = 0.0099 + 0.0495 \]
\[ P(B) = 0.0594 \]
نو، که موږ د ازموینې مثبته پایله (B) ترلاسه کړو، نو احتمال چې ناروغ ناروغي (A) لري په لاندې ډول محاسبه کیدی شي:
\[ P(A|B) = \frac{P(B|A)\cdot P(A)}{P(B)} \]
\[ P(A|B) = \frac{0.99 \cdot 0.01}{0.0594} \]
\[ P(A|B) = \frac{0.0099}{0.0594} \نږدې 0.167 \]
نو، که څه هم د مثبت ازموینې پایلې خورا دقیقې وي، د ناروغۍ د ټیټ خپریدو له امله، د هغه چا احتمال چې مثبت ازموینه یې کړې وي لاهم یوازې شاوخوا 16.7٪ دی.
د بایز تیورم نور غوښتنلیکونه
د بایز تیورم نه یوازې په طبي برخه کې ګټور دی، بلکې په ډیرو نورو برخو کې هم کارول کیږي:
۱. د سپیم فلټر:
د سپیم بریښنالیک فلټرونه ډیری وختونه د بایس تیوریم کاروي ترڅو معلومه کړي چې ایا بریښنالیک سپیم دی که نه. د سپیم فلټر کولو الګوریتمونه د بریښنالیک پیغام کې کلمې تحلیل کوي او د احصایوي ماډل په کارولو سره د ځینې کلمو فریکونسۍ پراساس د بریښنالیک سپیم کیدو احتمال محاسبه کوي.
۲. د مالي خطر ماډلینګ:
په مالي چارو کې، دا تیورم د وروستي معلوماتو پر بنسټ د بازار یا خطر وړاندوینې تازه کولو لپاره کارول کیږي. د تاریخي معلوماتو په کارولو او د بایس تیورم په پلي کولو سره، شنونکي کولی شي د پانګونې ډیرې باخبره پریکړې وکړي.
۳. مصنوعي ذهانت او ماشین زده کړه:
د بې وسه بایز کلاسیفیر د ماشین زده کړې یو مشهور الګوریتم دی چې مستقیم د بایز تیورم پر بنسټ ولاړ دی. دا الګوریتم د مختلفو طبقه بندي دندو لپاره کارول کیږي، لکه د متن پیژندنه، د اسنادو طبقه بندي، او د احساساتو تحلیل.
۴. د درغلیو کشف:
د درغلیو په کشف کې، که په مالي معاملو کې وي، د کریډیټ کارت کارولو کې وي، یا بیمه کې وي، د بایس تیورم د مشاهدو تازه کولو کې مرسته کوي ځکه چې نوي معلومات راڅرګندیږي ترڅو د درغلۍ احتمال اټکل کړي.
پایله
په مختلفو علمي برخو او عملي غوښتنلیکونو کې، د بایس تیورم د نویو شواهدو پر بنسټ د احتمالاتو د تازه کولو لپاره یو پیاوړی وسیله ده. د هغې د بنسټیزو مفاهیمو او غوښتنلیکونو په پوهیدو سره ، موږ کولی شو د ناڅرګندتیا په شرایطو کې د غوره پریکړې کولو لپاره د بایس تیورم باندې تکیه وکړو. په هرصورت، د دې بریالیتوب کلیدي دقیق لومړني انګیرنې، یا مخکیني احتمالات، او د باور وړ معلومات، یا امکانات دي. د بایس تیورم په احصایو او احتمالاتو کې یو مهم بنسټ پاتې دی، چې د نن ورځې سره تړاو لري.
