Bayes Teoremi: Neden Panik Yapmamalıyız?

Senaryo: Kendinizi tamamen sağlıklı hissediyorsunuz ancak rutin bir kontrol için hastaneye gittiniz. Doktor size %99 doğruluk payı olan bir test yaptı ve test sonucunuz POZİTİF çıktı! Eyvah, kesin hasta mısınız? Hayır. Bayes Teoremi bize, test ne kadar iyi olursa olsun, hastalığın toplumdaki nadirliğinin sonucu dramatik şekilde değiştirdiğini söyler.

1. Değerleri Belirleyin

Toplumda bu hastalığa sahip olanların gerçek yüzdesi. (Örn: Her 1000 kişiden kaçı hasta?)
Hasta olan birinin testinin gerçekten POZİTİF çıkma ihtimali.
Sağlıklı birinin testinin yanlışlıkla POZİTİF çıkma ihtimali (False Positive).
P(Hasta | Pozitif) =

[ P(Pozitif | Hasta) × P(Hasta) ]
---------------------------------------------------
[ Toplam Pozitif Çıkma İhtimali ]
Testiniz POZİTİF çıktı.
Gerçekten hasta olma ihtimaliniz:
0%

2. Gözünüzle Görün (1000 Kişi)

Gerçek Pozitif (Kırmızı): Hastalar ve testi doğru şekilde pozitif çıkanlar.
Yalancı Pozitif (Sarı): Sağlamlar ama testi YANLIŞLIKLA pozitif çıkanlar (Yanlış Alarmlar).
Yalancı Negatif (Turuncu): Hastalar ama testi kaçıranlar.
Gerçek Negatif (Yeşil): Sağlamlar ve testi doğru şekilde negatif çıkanlar.

Nasıl Hesaplanır? (Sayılarla Bayes)

Adım 1: 1000 kişilik bir odadayız. Hastalık oranına göre bu odada 0 kişi gerçekten hasta, 0 kişi tamamen sağlıklı.
Adım 2: Hasta olanların testi yapıldığında, 0 kişi doğru şekilde POZİTİF (Kırmızı) sonuç alıyor.
Adım 3 (Kritik Nokta): Sağlıklı olan devasa kalabalığa test yapıldığında, yanlış alarm oranı nedeniyle 0 sağlam kişi de POZİTİF (Sarı) sonuç alıyor.
Sonuç: Doktor elinde pozitif test sonucuyla odaya girip "Testi pozitif çıkanlar ayağa kalksın" dediğinde toplam 0 kişi (Kırmızı + Sarı) ayağa kalkar.

Siz de ayaktasınız. Gerçekten hasta olma ihtimaliniz, Kırmızıların, ayaktaki tüm insanlara oranıdır:
0 / 0 = %0