🔄 बेयस प्रमेय कैलकुलेटर

अपने बेयस प्रमेय परिणाम को समझना

संवेदनशीलता को 95% और असत्य-सकारात्मक दर को 5% पर स्थिर रखते हुए, नीचे दी गई तालिका दिखाती है कि पश्च प्रायिकता प्रायर के साथ कितनी नाटकीय रूप से बदलती है — यह बेयस प्रमेय के केंद्र में बेस-रेट प्रभाव है।

• पश्च प्रायिकता प्रायर प्रायिकता के प्रति अत्यधिक संवेदनशील है, विशेष रूप से जब प्रायर छोटा हो — यही कारण है कि किसी सकारात्मक परीक्षण परिणाम या अन्य नए प्रमाण की व्याख्या करते समय बेस रेट को नज़रअंदाज़ नहीं किया जा सकता।
• इस कैलकुलेटर का फॉर्मूला एक द्विआधारी विभाजन पर लागू होता है: एक घटना A और उसका पूरक ¬A। दो से अधिक परस्पर अनन्य संभावनाओं वाली स्थितियों (उदाहरण के लिए, एक से अधिक संभावित निदान) के लिए सभी संभावनाओं में कुल प्रायिकता के नियम के पूर्ण रूप की आवश्यकता है।
• असत्य-सकारात्मक दर, P(B | ¬A), विशिष्टता के समान नहीं है — यह विशिष्टता से 1 घटाने के बराबर है, इसलिए '95% विशिष्ट' बताए गए परीक्षण की असत्य-सकारात्मक दर 5% होती है।
• जोड़ने से पहले मध्यवर्ती प्रायिकताओं को पूर्णांकित करना अंतिम पश्च को सार्थक रूप से विकृत कर सकता है, विशेष रूप से जब प्रायर छोटा हो; जहाँ संभव हो गणना में पूर्ण परिशुद्धता बनाए रखें।

बेयस प्रमेय क्या है?

बेयस प्रमेय नया प्रमाण (B) देखने के बाद किसी घटना (A) की प्रायिकता को अद्यतन करने का एक फॉर्मूला है, जो एक प्रायर प्रायिकता को इस बात के साथ जोड़ता है कि वह प्रमाण अलग-अलग परिदृश्यों में कितना संभावित है। इसे P(A | B) = P(B | A) × P(A) / P(B) लिखा जाता है, और यह एक 'आगे' की प्रायिकता, जैसे किसी बीमारी को देखते हुए सकारात्मक परीक्षण परिणाम कितना संभावित है, को उस 'उलटी' प्रायिकता में बदलता है जिसमें आमतौर पर वास्तविक रुचि होती है: सकारात्मक परिणाम को देखते हुए बीमारी कितनी संभावित है।

यह कैलकुलेटर सामान्य निदान-परीक्षण ढाँचे का उपयोग करता है: P(A) संबंधित जनसंख्या में किसी भी परीक्षण से पहले स्थिति की प्रायर प्रायिकता (बेस रेट) है, P(B | A) संवेदनशीलता है — स्थिति मौजूद होने पर सकारात्मक परिणाम की प्रायिकता — और P(B | ¬A) असत्य-सकारात्मक दर है — स्थिति अनुपस्थित होने पर सकारात्मक परिणाम की प्रायिकता (विशिष्टता से 1 घटाने के बराबर)।

बेस-रेट भ्रांति प्रायर प्रायिकता को नज़रअंदाज़ करते हुए परीक्षण की संवेदनशीलता पर ध्यान केंद्रित करने की आम गलती है। एक परीक्षण की संवेदनशीलता उच्च और असत्य-सकारात्मक दर कम हो सकती है और फिर भी सहज बोध के सुझाव से कहीं कम पश्च प्रायिकता दे सकती है, जब भी परीक्षित की जा रही स्थिति जनसंख्या में दुर्लभ हो।

इस बेयस प्रमेय कैलकुलेटर का उपयोग कैसे करें

1. प्रायर प्रायिकता P(A) दर्ज करें — संबंधित जनसंख्या में घटना या स्थिति की बेस रेट, प्रतिशत के रूप में।
2. P(B | A), संवेदनशीलता दर्ज करें — घटना सत्य होने पर प्रमाण देखने की प्रायिकता।
3. P(B | ¬A), असत्य-सकारात्मक दर दर्ज करें — घटना सत्य न होने पर प्रमाण देखने की प्रायिकता।
4. पश्च प्रायिकता P(A | B), प्रमाण की कुल प्रायिकता P(B), और संभाविता अनुपात (बेयस फैक्टर) पढ़ें, जो तुलना करता है कि A के तहत प्रमाण ¬A के तहत की तुलना में कितना अधिक संभावित है।

बेयस प्रमेय के पीछे का फॉर्मूला

बेयस प्रमेय दो संभावनाओं A और ¬A में कुल प्रायिकता के नियम का उपयोग करते हुए हर P(B) का विस्तार करता है: P(A | B) = [P(B | A) × P(A)] / [P(B | A) × P(A) + P(B | ¬A) × (1 − P(A))]।

उदाहरण: प्रायर P(A) = 1%, संवेदनशीलता P(B | A) = 95%, असत्य-सकारात्मक दर P(B | ¬A) = 5%। अंश: 0.95 × 0.01 = 0.0095। सकारात्मक परिणाम की कुल प्रायिकता: P(B) = 0.95 × 0.01 + 0.05 × 0.99 = 0.0095 + 0.0495 = 0.059। पश्च: P(A | B) = 0.0095 / 0.059 ≈ 0.1610, इसलिए पश्च प्रायिकता लगभग 16.10% है — भले ही परीक्षण सही रूप से 95% वास्तविक मामलों की पहचान करता है, इस परिदृश्य में अधिकांश सकारात्मक परिणाम उन बहुत बड़े लोगों के समूह से आते हैं जिनके पास वह स्थिति नहीं है।

संभाविता अनुपात (बेयस फैक्टर) P(B | A) / P(B | ¬A) है। उदाहरण में, 0.95 / 0.05 = 19, अर्थात A सत्य होने पर सकारात्मक परिणाम A असत्य होने की तुलना में 19 गुना अधिक संभावित है।

सामान्य गलतियाँ

• P(B | A), संवेदनशीलता, को P(A | B), पश्च प्रायिकता, के साथ भ्रमित करना — यह मान लेना कि एक उच्च-संवेदनशीलता परीक्षण परिणाम का मतलब वास्तव में स्थिति होने की उच्च प्रायिकता है, बेस रेट को नज़रअंदाज़ करते हुए, क्लासिक बेस-रेट भ्रांति है।
• प्रायर प्रायिकता को पूरी तरह नज़रअंदाज़ करना — 95% संवेदनशीलता और 5% असत्य-सकारात्मक दर वाला परीक्षण भी प्रायर 1% होने पर केवल लगभग 16% का पश्च देता है, क्योंकि अधिकांश सकारात्मक परिणाम वास्तविक नकारात्मकों के बहुत बड़े समूह से आते हैं।
• विशिष्टता और असत्य-सकारात्मक दर को बिना बदले परस्पर विनिमेय मानना — यह कैलकुलेटर P(B | ¬A), असत्य-सकारात्मक दर, माँगता है, जो विशिष्टता से 1 घटाने के बराबर है।
• दो से अधिक परस्पर अनन्य संभावनाएँ होने पर दो-पद फॉर्मूला लागू करना — सरल A बनाम ¬A संस्करण केवल परिणामों के द्विआधारी विभाजन के लिए लागू होता है।
• जोड़ने से पहले मध्यवर्ती प्रायिकताओं को पूर्णांकित करना, जो एक ऐसी गणना में त्रुटि को बढ़ा देता है जो कम बेस रेट पर प्रायर में छोटे बदलावों के प्रति विशेष रूप से संवेदनशील है।

अक्सर पूछे जाने वाले सवाल

संदर्भ

1. Bayes T, Price R. An Essay towards Solving a Problem in the Doctrine of Chances. Philosophical Transactions of the Royal Society of London 1763; 53: 370-418.
2. Kahneman D, Tversky A. On the psychology of prediction. Psychological Review 1973; 80(4): 237-251 (base-rate neglect in probability judgment).
3. National Institute of Standards and Technology (NIST). NIST/SEMATECH e-Handbook of Statistical Methods — probability rules and Bayes' theorem. nist.gov.
4. Moore DS, McCabe GP, Craig BA. Introduction to the Practice of Statistics. W. H. Freeman (conditional probability and Bayes' rule).
5. Casella G, Berger RL. Statistical Inference (2nd ed). Duxbury, 2002 (Bayes' theorem and conditional probability).