Calcolatore del Teorema di Bayes

Calcola la probabilità posteriore usando il teorema di Bayes. Inserisci la probabilità a priori, la verosimiglianza e il tasso di falsi positivi per ottenere soluzioni passo-passo con diagrammi ad albero delle probabilità e visualizzazioni delle frequenze naturali.

Embed Calcolatore del Teorema di Bayes Widget

Calcolatore del Teorema di Bayes

Il Calcolatore del Teorema di Bayes calcola la probabilità a posteriori P(A|B) utilizzando il teorema di Bayes. Inserisci la probabilità a priori, la verosimiglianza e il tasso di falsi positivi per vedere soluzioni passo dopo passo, diagrammi ad albero della probabilità, ripartizioni delle frequenze naturali e riepiloghi dettagliati della probabilità. Sia che tu stia analizzando l'accuratezza di un test medico, valutando i filtri antispam o studiando la probabilità condizionata, questo strumento rende il ragionamento bayesiano intuitivo e visivo.

Come usare il Calcolatore del Teorema di Bayes

Inserisci la probabilità a priori P(A) — questa è la tua convinzione iniziale su quanto sia probabile l'ipotesi prima di vedere qualsiasi prova. Ad esempio, se l'1% della popolazione ha una malattia, P(A) = 0.01.
Inserisci la verosimiglianza P(B|A) — questa è la probabilità di osservare la prova quando l'ipotesi è vera. Per un test medico, questa è la sensibilità o il tasso di veri positivi. Un test sensibile al 99% significa P(B|A) = 0.99.
Inserisci il tasso di falsi positivi P(B|¬A) — questa è la probabilità di osservare la prova quando l'ipotesi è falsa. Un test con un tasso di falsi positivi del 5% significa P(B|¬A) = 0.05.
Clicca su Calcola per vedere la probabilità a posteriori P(A|B) con lo svolgimento completo passo dopo passo.
Esplora le visualizzazioni — il diagramma ad albero delle probabilità mostra come si divide la popolazione, la sezione della frequenza naturale usa numeri interi per una comprensione intuitiva e la barra di confronto mostra come l'evidenza ha spostato la tua convinzione.

Cos'è il Teorema di Bayes?

Il teorema di Bayes è una regola fondamentale della probabilità che descrive come aggiornare le convinzioni alla luce di nuove prove. Prende il nome dal reverendo Thomas Bayes (1701–1761) e afferma:

P(A|B) = P(B|A) × P(A) / P(B)

Dove:

P(A|B) — Probabilità a posteriori: la probabilità aggiornata di A dopo aver osservato B
P(B|A) — Verosimiglianza: quanto è probabile l'evidenza se A è vera
P(A) — Probabilità a priori: la probabilità iniziale di A
P(B) — Verosimiglianza marginale: la probabilità totale di osservare B

La Fallacia del Tasso di Base

Uno dei risultati più controintuitivi della probabilità è la fallacia del tasso di base, che il teorema di Bayes aiuta a smascherare. Considera una malattia che colpisce l'1% delle persone (P(A) = 0.01), con un test accurato al 99% (P(B|A) = 0.99) e un tasso di falsi positivi del 5% (P(B|¬A) = 0.05). Intuitivamente, la maggior parte delle persone presume che un test positivo significhi avere quasi certamente la malattia. Tuttavia, il teorema di Bayes rivela che la probabilità a posteriori è solo del 16.7% circa. Questo accade perché i falsi positivi provenienti dalla vasta popolazione sana superano i veri positivi del piccolo gruppo affetto.

Capire il Rapporto di Verosimiglianza

Il rapporto di verosimiglianza (LR) è P(B|A) diviso per P(B|¬A). Misura il potere diagnostico dell'evidenza:

LR > 10: Prova forte a sostegno dell'ipotesi
LR 3–10: Prova moderata
LR 1–3: Prova debole
LR = 1: L'evidenza è irrilevante (non cambia la tua convinzione)
LR < 1: L'evidenza depone contro l'ipotesi

Applicazioni del Teorema di Bayes nel Mondo Reale

Diagnosi Medica: Calcolo della probabilità di una malattia dato un risultato positivo del test, considerando sensibilità, specificità e prevalenza della malattia.
Filtro Spam: I classificatori di email usano la probabilità bayesiana per determinare se un messaggio è spam in base alle parole che contiene.
Ragionamento Giuridico: Valutare come le prove del DNA o altri risultati forensi influenzano la probabilità di colpevolezza.
Machine Learning: I classificatori Naive Bayes, le reti bayesiane e i modelli probabilistici si basano tutti sul teorema di Bayes.
Previsioni Meteorologiche: Aggiornamento della probabilità di pioggia in base alla pressione barometrica, all'umidità e ad altri segnali.
Controllo Qualità: Determinare la probabilità che un prodotto sia difettoso dato il fallimento di un test di ispezione.

Frequenze Naturali: Rendere Bayes Intuitivo

Le ricerche di Gerd Gigerenzer e altri hanno dimostrato che gli esseri umani comprendono il ragionamento bayesiano molto meglio quando presentato con frequenze naturali piuttosto che con probabilità astratte. Invece di dire "P(A) = 1%", possiamo dire "10 persone su 1,000 hanno la condizione". Il nostro calcolatore fornisce entrambe le rappresentazioni, aiutandoti a costruire una reale intuizione per la probabilità condizionata.

FAQ

Cos'è il teorema di Bayes?

Il teorema di Bayes è una formula matematica che descrive come aggiornare la probabilità di un'ipotesi basata su nuove prove. Afferma che P(A|B) = P(B|A) × P(A) / P(B), dove P(A|B) è la probabilità a posteriori, P(B|A) è la verosimiglianza, P(A) è la probabilità a priori e P(B) è la probabilità totale dell'evidenza.

Qual è la differenza tra probabilità a priori e a posteriori?

La probabilità a priori P(A) è la tua convinzione iniziale sulla probabilità di un evento prima di considerare nuove prove. La probabilità a posteriori P(A|B) è la probabilità aggiornata dopo aver preso in considerazione l'evidenza. Il teorema di Bayes fornisce il quadro matematico per calcolare questo aggiornamento.

Perché un test medico positivo non significa sempre che hai la malattia?

Quando una malattia è rara (bassa probabilità a priori), anche un test altamente accurato produce molti falsi positivi rispetto ai veri positivi. Ad esempio, con un tasso di malattia dell'1% e un test accurato al 95% con un tasso di falsi positivi del 5%, un risultato positivo significa solo circa il 16% di probabilità di avere effettivamente la malattia. Questo è noto come fallacia del tasso di base.

Cos'è il rapporto di verosimiglianza nel teorema di Bayes?

Il rapporto di verosimiglianza è P(B|A) diviso per P(B|¬A). Misura quanto l'evidenza sposta la tua convinzione. Un rapporto superiore a 1 significa che l'evidenza supporta l'ipotesi, mentre un rapporto inferiore a 1 significa che depone contro di essa. Rapporti più alti indicano prove più forti.

Posso inserire percentuali nel calcolatore del teorema di Bayes?

Sì, puoi inserire valori come decimali (come 0.05) o come percentuali (come 5 o 5%). Il calcolatore rileva e converte automaticamente gli input in percentuale. I valori superiori a 1 senza il segno di percentuale vengono trattati come percentuali.

Cita questo contenuto, pagina o strumento come:

"Calcolatore del Teorema di Bayes" su https://MiniWebtool.com/it/calcolatore-del-teorema-di-bayes/ di MiniWebtool, https://MiniWebtool.com/

Ultimo aggiornamento: 2026-04-13

API per sviluppatori disponibile: Esegui questo strumento dalla tua app, automazione o agente con una richiesta HTTP JSON. Vedi documentazione API

Puoi anche provare il nostro Risolutore di Matematica AI GPT per risolvere i tuoi problemi matematici attraverso domande e risposte in linguaggio naturale.

Calcolatore del Teorema di Bayes

Calcolatore del Teorema di Bayes

Come usare il Calcolatore del Teorema di Bayes

Cos'è il Teorema di Bayes?

La Fallacia del Tasso di Base

Capire il Rapporto di Verosimiglianza

Applicazioni del Teorema di Bayes nel Mondo Reale

Frequenze Naturali: Rendere Bayes Intuitivo

FAQ

Cos'è il teorema di Bayes?

Qual è la differenza tra probabilità a priori e a posteriori?

Perché un test medico positivo non significa sempre che hai la malattia?

Cos'è il rapporto di verosimiglianza nel teorema di Bayes?

Posso inserire percentuali nel calcolatore del teorema di Bayes?

Statistiche e analisi dati:

Strumenti in primo piano: