premessa
Il “teorema della probabilità delle cause” (formula di Bayes), detto “teorema di Bayes” perchè dimostrato dal matematico britannico Thomas Bayes in un suo scritto pubblicato postumo nel 1763, viene impiegato per calcolare la probabilità che una possibile causa abbia scatenato un fatto che si è già verificato: se vi è una stima preliminare della probabilità che accada un evento e se si hanno informazioni supplementari al riguardo, si può ottenere l’esatta probabilità (a posteriori) della genesi del fenomeno; applicando ripetutamente la formula di Bayes, ogni volta che si hanno nuove informazioni, si possono correggere le possibilità meno affidabili in modo che si arrivi ad un valore di probabilità significativamente affidabile.
Il teorema di Bayes costituisce uno degli elementi fondamentali dell’approccio soggettivista alle probabilità e all’inferenza statistica: dato un insieme di cause e note le probabilità iniziali delle diverse cause, è possibile assegnare un valore alla probabilità che le cause causino un determinato effetto; la formula di Bayes considera sia le probabilità che possono essere interpretate come le conoscenze a priori, sia quelle acquisibili a posteriori, suggerendo un meccanismo di apprendimento dall’esperienza.
logica bayesiana
Nella logica l’inferenza, dal latino inferre (→ portare dentro), è il processo, induttivo o deduttivo, attraverso cui da una proposizione assunta come vera si passa a una seconda proposizione la cui verità è derivata dal contenuto della prima secondo opportune regole: inferire può essere definito come l’atto di trarre una conclusione; un’inferenza, pertanto, è la conclusione tratta da un insieme di fatti o circostanze. Esiste una sottile differenza tra implicare e inferire: il primo sottende in maniera tacita una conseguenza, il secondo vi perviene esplicitamente.
L’inferenza bayesiana valuta le probabilità non come frequenze o proporzioni (campionamento statistico), ma piuttosto possibilità che si verifichi un dato evento basandosi su aspettative (razionali) o come quantificazione di una convinzione personale: l’interpretazione bayesiana della probabilità può essere vista come coestensiva della logica proposizionale con l’inclusione del ragionamento tramite ipotesi; la raccolta di dati (evidenza empirica), è in grado di corroborare o confutare una data ipotesi e, con l’aumentare della disponibilità di dati, il grado di fiducia cambia (aumenta o diminuisce), incrementando o diminuendo la veridicità dell’ipotesi iniziale.
Questo processo logico, costituisce le basi per discriminare tra ipotesi alternative/in conflitto: le probabilità possono essere considerate una misura del grado soggettivo di fiducia da parte del ricercatore, e si suppone che restringano le potenziali ipotesi a un insieme limitato, inquadrato in un modello di riferimento.
La logica bayesiana, cioè basata su ipotesi che condizionano l’interpretazione dei dati, può essere utile per ridurre la componente di incertezza nelle decisioni: attraverso metodi di ragionamento “razionali”, grazie all’acquisizione di dati e di informazioni “utili”, è possibile ottimizzare le supposizioni, le possibilità o le congetture sui possibili esiti di un evento o di una situazione.
Per il professionista del ben-essere, l’applicazione di questi processi logico/interpretativi dei sintomi e della semeiotica, è un elemento fondamentale per rendere più efficace il processo diagnostico, per quanto la finalità non sia quella dell’identificazione di una malattia, ma piuttosto la comprensione delle dinamiche disfunzionali alla base del dis-confort e del dis-stress.
« all'indice del glossario