Калькулятор теоремы Байеса: можно ли это доказать?

Теорема Байеса — это правило пересчёта вероятности гипотезы после нового наблюдения. Она отвечает на вопрос «насколько мне теперь верить в гипотезу, раз я увидел вот это?». Наш калькулятор делает расчёт за вас: вы задаёте, насколько вероятна гипотеза до данных и насколько наблюдение ожидаемо при разных гипотезах, а он выдаёт вероятность после — апостериорную P(H | E).

Как пользоваться калькулятором

Калькулятор работает в двух вкладках. Вкладка «Можно ли это доказать?» собирает разбор из трёх частей:

• Вопрос — утверждение, которое проверяем (например, «существует ли Бог?»);
• Исходная уверенность — насколько вы верите в это до доводов (ползунок «нет» ↔ «да»);
• Доводы «за» и «против» — у каждого свой вес; формула перемножает их силу и обновляет вывод.

На выходе — вердикт («подтверждено», «спорно», «опровергнуто»), итоговая вероятность и наглядные «было → стало». Двиньте исходную уверенность на 0 — и увидите ключевую мысль: при полном неверии доказать нельзя ничем, а 100% недостижимо конечным набором доводов. Именно поэтому одной и той же формулой можно «доказать» и «опровергнуть» почти что угодно — многое решает исходная установка.

Вкладка «Точный расчёт» — для строгой формулы. Вводите три числа: P(H) (априорная вероятность), P(E|H) и P(E|¬H) (правдоподобия) — числом, дробью (1/2704) или процентом. Готовые примеры (тест на болезнь, спам-фильтр, колода) подставляют значения.

Формула теоремы Байеса

В основе калькулятора — одна формула:

P(H | E) = P(E | H) · P(H) ÷ [ P(E | H) · P(H) + P(E | ¬H) · P(¬H) ]

Здесь H — гипотеза, E — наблюдение (англ. evidence, улика), ¬H — «гипотеза неверна», а P(¬H) = 1 − P(H). Числитель — это «вес» гипотезы с учётом наблюдения, а знаменатель — сумма весов всех вариантов, то есть полная вероятность наблюдения. Деление как раз и нормирует результат обратно в диапазон от 0 до 1.

Шансы и сила улики (odds-форма)

У теоремы Байеса есть вторая, более наглядная запись — через шансы:

шансы после = шансы до × сила улики

где сила улики — это отношение правдоподобий P(E|H) ÷ P(E|¬H). Идея простая: хорошее доказательство должно быть более ожидаемо при гипотезе, чем без неё. Если наблюдение одинаково вероятно в обоих случаях, отношение равно 1 — и шансы не меняются, то есть улика не несёт информации. Чем сильнее отношение отличается от единицы, тем сильнее наблюдение двигает вашу веру. Калькулятор показывает все три величины: шансы до, силу улики и шансы после.

Пример: положительный тест на редкую болезнь

Классическая задача, на которой ошибается большинство людей (и врачей). Пусть болезнью страдает 1% населения, тест верно выявляет больного в 99% случаев, но даёт 5% ложноположительных у здоровых. Человек получил положительный результат — какова вероятность, что он действительно болен?

Интуиция подсказывает «99%», но правильный ответ — около 17%. Причина в низкой базовой частоте: здоровых так много, что 5% ложных срабатываний дают больше «положительных», чем 99% настоящих больных. Подставьте эти числа во вкладке «Точный расчёт» (кнопка «Тест на болезнь») и убедитесь сами.

Пример из «Доказательства Бога»: колода карт и чудо

Генетик Фрэнсис Коллинз, руководитель проекта «Геном человека», в книге «Доказательство Бога» применяет теорему Байеса к вопросу о чудесах. Сначала — разминочный пример с колодой. Чтобы выйти на свободу, узник должен дважды подряд вытянуть туза пик; известно, что добрый служащий каждую сотую колоду делает целиком из тузов пик. Тогда:

Затем Коллинз переносит ту же логику на «чудо» — например, самопроизвольное исцеление от неизлечимого рака. И тут важный момент, который он честно признаёт: итог полностью зависит от априорной вероятности чуда, которую вы зададите. Для «твёрдого материалиста» она равна нулю — и тогда апостериорная вероятность всегда ноль, чудо невозможно по определению. Для верующего она ненулевая — и расчёт «покажет», что чудо вероятнее. Формула не разрешает спор, а лишь оформляет уже принятую позицию.

Это хорошо видно во вкладке «Можно ли это доказать?»: выберите утверждение «Это было чудо», поставьте установку на 0 — вердикт «недоказуемо» при любом доводе; сдвиньте вправо — тот же факт даёт совсем другую вероятность. Почему это и сильная сторона, и слабое место аргумента — мы подробно разбираем в отдельной статье: «Доказательство Бога» Фрэнсиса Коллинза: работают ли его аргументы.

Кто такой Томас Байес

Томас Байес (1701–1761) — английский пресвитерианский священник и математик. Его знаменитую теорему опубликовали посмертно, в 1763 году, стараниями друга Ричарда Прайса. Любопытно, что изначально это была попытка ответить философу Дэвиду Юму, утверждавшему, что свидетельства о чуде всегда менее правдоподобны, чем ошибка свидетелей. Так что связка «Байес и чудеса», которую использует Коллинз, восходит к самым истокам теоремы. Сегодня формула Байеса — одна из основ теории вероятностей, статистики, машинного обучения и медицинской диагностики.

Частые ошибки

• Игнорирование базовой ставки. Самая частая ошибка — забыть про P(H). Без априорной вероятности даже очень точный тест вводит в заблуждение (см. пример выше).
• Подмена P(E|H) и P(H|E). «Вероятность улики при гипотезе» и «вероятность гипотезы при улике» — это разные числа. Их смешение в суде называют «ошибкой прокурора».
• Априори «на глаз». Когда входные вероятности — не измеренные величины, а субъективные оценки, из формулы можно получить почти любой ответ. Это не порок теоремы, а напоминание: результат не лучше, чем числа, которые в него заложили.

---

Источники

• Теорема Байеса — формулировка и вывод.
• Томас Байес — биография, посмертная публикация 1763 года.
• Фрэнсис Коллинз. «Доказательство Бога. Аргументы учёного» — пример с колодой и чудом (глава о чудесах).
• Ошибка базового процента — почему положительный тест ≠ болезнь.

Частые вопросы о теореме Байеса

Что такое теорема Байеса простыми словами?

Это правило, которое показывает, как обновить веру в гипотезу после нового наблюдения. Вы берёте исходную (априорную) вероятность гипотезы и корректируете её на то, насколько наблюдение более ожидаемо при этой гипотезе, чем без неё. Результат — апостериорная вероятность.

Чем апостериорная вероятность отличается от априорной?

Априорная P(H) — это оценка до того, как вы увидели данные. Апостериорная P(H|E) — это та же вероятность уже с учётом наблюдения E. Теорема Байеса — это и есть способ перейти от первой ко второй.

Что такое отношение правдоподобий?

Это сила улики: во сколько раз наблюдение более ожидаемо при гипотезе, чем при её отрицании, то есть P(E|H) ÷ P(E|¬H). Если оно равно 1 — наблюдение ничего не доказывает. В odds-форме: шансы после = шансы до × отношение правдоподобий.

Почему при положительном тесте вероятность болезни бывает всего 16%?

Из-за низкой базовой частоты болезни. Если болеет 1% людей, а тест даёт 5% ложноположительных, то среди всех положительных результатов настоящих больных меньшинство. Это классическая «ошибка игнорирования базовой ставки», и калькулятор Байеса её наглядно показывает.

Можно ли формулой Байеса доказать существование Бога?

Сама формула нейтральна и ничего не доказывает: итог полностью зависит от априорной вероятности, которую вы зададите на входе. Если поставить её равной нулю — ответ всегда ноль; если задать больше нуля — результат меняется. Генетик Фрэнсис Коллинз использует Байеса в книге «Доказательство Бога» и сам признаёт эту зависимость. Подробный разбор — в нашей статье.

Откуда берётся «96%» в примере с колодой карт?

Это пример из книги Коллинза. Априори «чудесная» колода встречается в 1 случае из 100, обычная — в 99. Шанс вытянуть два туза пик подряд из обычной колоды — 1/2704, из «чудесной» — 1. По формуле Байеса апостериорная вероятность «чудесной» колоды выходит около 96%.

Калькулятор бесплатный и нужна ли регистрация?

Да, полностью бесплатный, без регистрации. Все расчёты идут прямо в браузере, данные никуда не передаются. Работает с телефона и компьютера.