Teorema di BayesPro
Inverti le probabilità condizionate: aggiorna i modelli teorici alla luce delle evidenze sperimentali.
Probabilità Iniziali
Frequenza di base del fenomeno prima del test (Prevalenza o Ipotesi iniziale).
La probabilità che l'evidenza si manifesti dato che l'ipotesi A è corretta.
La probabilità che l'evidenza si manifesti falsamente anche se l'ipotesi A è errata.
Inversione Condizionata
Configura i parametri dell'evento a sinistra per calcolare la probabilità posteriore Bayesiana.
La Stima a Priori P(A)
Rappresenta il grado di credibilità iniziale assegnato all'ipotesi prima di raccogliere l'evidenza corrente. È la frequenza naturale basata su dati storici consolidati.
Il Paradosso dei Falsi Positivi
Quando un'ipotesi a priori è estremamente rara (es. 0.1%), anche un ottimo test medico con il 99% di accuratezza produrrà più falsi positivi totali rispetto ai veri positivi nell'intera popolazione.
Aggiornamento Continuo
Il pensiero bayesiano è iterativo. La probabilità a posteriori ottenuta oggi diventerà la nuova probabilità a priori del prossimo test sperimentale di domani.