Definisi
Teorema Bayes adalah rumus matematika yang menjelaskan cara memperbarui probabilitas hipotesis ketika bukti baru tersedia. Rumus ini menghubungkan pengetahuan sebelumnya dengan data yang diamati untuk menghasilkan probabilitas yang direvisi.
Cara Kerjanya
Anda memulai dengan keyakinan awal (probabilitas prior), mengamati bukti baru, lalu menghitung keyakinan yang diperbarui (probabilitas posterior).
Sebuah penyakit menyerang 1% populasi. Tes untuk penyakit ini memiliki akurasi 90% (mengidentifikasi dengan benar 90% orang sakit dan 90% orang sehat).
Hasil tes Anda positif. Berapa probabilitas Anda benar-benar sakit?
Menggunakan teorema Bayes: P(sakit|positif) = (0.90 x 0.01) / ((0.90 x 0.01) + (0.10 x 0.99)) = 0.009 / 0.108 = sekitar 8.3%
Meskipun tes "90% akurat", hanya ada 8.3% kemungkinan Anda benar-benar sakit. Tingkat dasar yang rendah (1%) berarti sebagian besar positif adalah positif palsu.
Mengapa Ini Penting
Teorema Bayes adalah fondasi statistika Bayesian, seluruh cabang pemikiran statistik. Teorema ini menggerakkan filter spam email, alat diagnosis medis, sistem rekomendasi, dan algoritma pembelajaran mesin.
Teorema ini juga mengungkapkan wawasan penting: akurasi tes saja tidak cukup untuk menginterpretasi hasil. Anda juga harus mempertimbangkan seberapa umum kondisi tersebut (tingkat dasar). Mengabaikan tingkat dasar adalah salah satu kesalahan penalaran paling umum yang dilakukan orang.
Teorema Bayes memberitahu Anda cara memperbarui probabilitas dengan bukti baru. Selalu pertimbangkan tingkat dasar - tes "sangat akurat" masih bisa menghasilkan sebagian besar positif palsu untuk kondisi yang jarang.