Teorema di Bayes: Definizione, Formula e Applicazioni
Cos'è il Teorema di Bayes?
Il teorema di Bayes, chiamato così in onore del matematico britannico del XVIII secolo Thomas Bayes, è una formula matematica per determinare la probabilità condizionata. La probabilità condizionata è la probabilità che un risultato si verifichi, basandosi sul verificarsi di un risultato precedente. Il teorema di Bayes fornisce un modo per rivedere previsioni o teorie esistenti (aggiornare le probabilità) date nuove o ulteriori evidenze. In finanza, il teorema di Bayes può essere usato per valutare il rischio di prestare denaro a potenziali mutuatari.
Il teorema di Bayes è anche chiamato Regola di Bayes o Legge di Bayes ed è il fondamento del campo della statistica bayesiana.
Punti Chiave
- Il teorema di Bayes permette di aggiornare le probabilità previste di un evento incorporando nuove informazioni.
- Il teorema di Bayes prende il nome dal matematico del XVIII secolo Thomas Bayes.
- È spesso impiegato in finanza nell'aggiornamento della valutazione del rischio.
Comprendere il Teorema di Bayes
Le applicazioni del teorema sono diffuse e non limitate al regno finanziario. Come esempio, il teorema di Bayes può essere usato per determinare l'accuratezza dei risultati dei test medici prendendo in considerazione quanto è probabile che una data persona abbia una malattia e l'accuratezza generale del test. Il teorema di Bayes si basa sull'incorporazione di distribuzioni di probabilità a priori per generare probabilità a posteriori. La probabilità a priori, nell'inferenza statistica bayesiana, è la probabilità di un evento prima che nuovi dati vengano raccolti. Questa è la migliore valutazione razionale della probabilità di un risultato basata sulla conoscenza attuale prima che un esperimento venga eseguito. La probabilità a posteriori è la probabilità rivista di un evento che si verifica dopo aver preso in considerazione nuove informazioni. La probabilità a posteriori viene calcolata aggiornando la probabilità a priori usando il teorema di Bayes. In termini statistici, la probabilità a posteriori è la probabilità che l'evento A si verifichi dato che l'evento B si è verificato.
Il teorema di Bayes dà quindi la probabilità di un evento basandosi su nuove informazioni che sono, o possono essere correlate, a quell'evento. La formula può anche essere usata per vedere come la probabilità di un evento che si verifica è influenzata da ipotetiche nuove informazioni, supponendo che le nuove informazioni si riveleranno vere. Ad esempio, diciamo che una singola carta viene estratta da un mazzo completo di 52 carte. La probabilità che la carta sia un re è quattro diviso 52, che equivale a 1/13 o circa 7,69%. Ricordate che ci sono quattro re nel mazzo. Ora, supponiamo che venga rivelato che la carta selezionata è una figura. La probabilità che la carta selezionata sia un re, dato che è una figura, è quattro diviso 12, o circa 33,3%, poiché ci sono 12 figure in un mazzo.
Formula del Teorema di Bayes
P(A|B) = P(A∩B) / P(B) = P(A) × P(B|A) / P(B)
Dove:
- P(A) = La probabilità che A si verifichi
- P(B) = La probabilità che B si verifichi
- P(A|B) = La probabilità di A dato B
- P(B|A) = La probabilità di B dato A
- P(A∩B) = La probabilità che sia A che B si verifichino
Esempi del Teorema di Bayes
Di seguito sono riportati due esempi del teorema di Bayes in cui il primo esempio mostra come la formula può essere derivata in un esempio di investimento azionario usando Amazon.com Inc. (AMZN). Il secondo esempio applica il teorema di Bayes al test farmacologico.
Derivazione della Formula del Teorema di Bayes
Il teorema di Bayes deriva semplicemente dagli assiomi della probabilità condizionata. La probabilità condizionata è la probabilità di un evento dato che un altro evento si è verificato. Ad esempio, una semplice domanda di probabilità potrebbe chiedere: "Qual è la probabilità che il prezzo delle azioni di Amazon.com scenda?" La probabilità condizionata porta questa domanda un passo avanti chiedendo: "Qual è la probabilità che il prezzo delle azioni AMZN scenda dato che l'indice Dow Jones Industrial Average (DJIA) è sceso prima?"
La probabilità condizionata di A dato che B è successo può essere espressa come: P(A|B) = P(A e B) / P(B)
Se A è: "Il prezzo AMZN scende", allora P(AMZN) è la probabilità che AMZN scenda; e B è: "DJIA è già giù", e P(DJIA) è la probabilità che il DJIA sia sceso; allora l'espressione di probabilità condizionata si legge come "la probabilità che AMZN scenda dato un declino del DJIA è uguale alla probabilità che il prezzo AMZN scenda e il DJIA scenda sulla probabilità di una diminuzione dell'indice DJIA."
P(AMZN|DJIA) = P(AMZN e DJIA) / P(DJIA)
P(AMZN e DJIA) è la probabilità che entrambi A e B si verifichino. Questo è anche lo stesso della probabilità che A si verifichi moltiplicata per la probabilità che B si verifichi dato che A si verifica, espressa come P(AMZN) × P(DJIA|AMZN). Il fatto che queste due espressioni siano uguali porta al teorema di Bayes, che è scritto come:
P(AMZN|DJIA) = [P(AMZN) × P(DJIA|AMZN)] / P(DJIA)
Dove P(AMZN) e P(DJIA) sono le probabilità di Amazon e del Dow Jones che scendano, senza riguardo l'una all'altra.
La formula spiega la relazione tra la probabilità dell'ipotesi prima di vedere l'evidenza P(AMZN), e la probabilità dell'ipotesi dopo aver ottenuto l'evidenza P(AMZN|DJIA), data un'ipotesi per Amazon data l'evidenza nel Dow.
Esempio Numerico del Teorema di Bayes
Come esempio numerico, immaginate che ci sia un test farmacologico accurato al 98%, significando che il 98% delle volte mostra un risultato vero positivo per qualcuno che usa la droga e il 98% delle volte mostra un risultato vero negativo per i non utenti della droga. Successivamente, si assuma che lo 0,5% delle persone usi la droga. Se una persona selezionata a caso risulta positiva al test per la droga, il seguente calcolo può essere fatto per vedere se la probabilità che la persona sia effettivamente un utente della droga.
(0,98 × 0,005) / [(0,98 × 0,005) + ((1 - 0,98) × (1 - 0,005))] = 0,0049 / (0,0049 + 0,0199) = 19,76%
Il teorema di Bayes mostra che anche se una persona è risultata positiva in questo scenario, in realtà è molto più probabile che la persona non sia un utente della droga.
Articoli in Evidenza
- Assunzione del debito: definizione e applicazioni
- Co-richiedente Definito: Responsabilità nei Prestiti
- Controllo contabile periodico: definizione, importanza e best practice
- Media geometrica: definizione, calcolo e applicazioni negli investimenti
- Valutazione d'Azienda: Guida Completa ai Metodi e Modelli
- Garanzie e Collaterali: Come Funzionano per Ottenere Prestiti
- Times Interest Earned (TIE): Capire la Salute Finanziaria di un'Azienda
- Capire la Liquidità: Definizione, Importanza e Rapporti Chiave
- Capire i Disbursements (Erogazioni): Definizione, Esempi e Impatto Aziendale
- Dovere Fiduciario: Definizione, Responsabilità e Cosa Devi Sapere
-
WACC - Weighted Average Cost of Capital: Definizione, Formula e CalcoloIl WACC (Weighted Average Cost of Capital) rappresenta il costo medio ponderato del capitale di unazienda attraverso tutte le fonti: azioni ordinarie, azioni privilegiate e debito. Il costo di ogni ti...
-
Comprendere il Rendimento (Yield): Definizione Completa e CalcoloIl rendimento (yield) è definito come un ritorno sullinvestimento basato esclusivamente sul reddito (esclude le plusvalenze), calcolato prendendo dividendi, cedole o reddito netto e dividendoli per il...
