01 · Podstawy · 4 min czytania · aktualizacja 8 października 2026

Na czym polega wnioskowanie bayesowskie i czym różni się od statystyki częstościowej?

Co to jest

Wnioskowanie bayesowskie to podejście do statystyki, w którym nieznane parametry opisuje się rozkładem prawdopodobieństwa wyrażającym stopień przekonania. Przed zobaczeniem danych mamy rozkład a priori, po ich zobaczeniu — rozkład a posteriori, obliczony z twierdzenia Bayesa. Wynikiem nie jest jedna liczba, lecz cały rozkład możliwych wartości wraz z ich prawdopodobieństwami.

Intuicja: tak aktualizuje przekonania rozsądny człowiek. Słysząc, że nowa restauracja ma jedną recenzję na pięć gwiazdek, nie uznajesz jej za najlepszą w mieście — twoje wcześniejsze doświadczenie mówi, że większość restauracji jest przeciętna. Po stu entuzjastycznych recenzjach dane przeważają. Wnioskowanie bayesowskie robi dokładnie to, tylko z rachunkiem.

Mechanizm — dlaczego tak działa

Rdzeń to twierdzenie Bayesa zastosowane do parametrów: p(θ | dane) = p(dane | θ) · p(θ) / p(dane). Rozkład a posteriori jest proporcjonalny do wiarygodności razy rozkład a priori. Mianownik p(dane) to tylko stała normalizująca — tę samą dla wszystkich θ — i właśnie jej obliczenie bywa najtrudniejsze.

Najprostszy przypadek to odsetek sukcesów. Jako a priori przyjmuje się rozkład Beta(a, b); po zaobserwowaniu k sukcesów w n próbach a posteriori to Beta(a + k, b + n − k). Parametry a i b działają jak „wirtualne obserwacje” sprzed badania: Beta(1, 1) to rozkład jednostajny, czyli brak preferencji, a Beta(4, 6) to wiedza warta około dziesięciu wcześniejszych obserwacji z odsetkiem 40%. Średnia a posteriori (a + k)/(a + b + n) leży między przekonaniem wstępnym a odsetkiem z danych i przesuwa się ku danym, gdy n rośnie.

To przesuwanie, zwane ściąganiem (shrinkage), jest główną praktyczną zaletą. Małe grupy z ekstremalnymi wynikami są przyciągane ku średniej ogólnej, duże prawie wcale. Chroni to przed klątwą zwycięzcy: najlepszy wynik w małej próbie jest zwykle w dużej części szczęściem. Regularyzacja w uczeniu maszynowym to ten sam mechanizm: kara L2 to normalny rozkład a priori na wagach, a estymator MAP (maksimum a posteriori) to najbardziej prawdopodobny punkt rozkładu a posteriori.

Wynik bayesowski odpowiada wprost na pytania, które zwykle zadajemy. 95% przedział wiarygodności zawiera parametr z prawdopodobieństwem 95% — przy danych i przyjętym a priori. Można też policzyć P(θ > 0,5 | dane) albo prawdopodobieństwo, że wariant B jest lepszy od A. Przewidywania uśrednia się po całym rozkładzie parametrów, co uwzględnia niepewność modelu.

Koszty i zastrzeżenia. Wybór rozkładu a priori jest założeniem, które trzeba uzasadnić; przy małych danych wpływa na wynik, przy dużych przestaje mieć znaczenie. Dla złożonych modeli rozkładu a posteriori nie da się policzyć wzorem — stosuje się próbkowanie MCMC lub przybliżenia wariacyjne, które są wolne i wymagają diagnostyki zbieżności. Pełne podejście bayesowskie dla sieci z milionami wag jest dziś raczej wyjątkiem niż normą.

Na przykładzie

Titanic, prawdopodobieństwo przeżycia z płaskim a priori Beta(1, 1). Po pierwszych 10 pasażerach z listy (5 ocalałych) a posteriori to Beta(6, 6): średnia 0,50, 95% przedział wiarygodności od 0,23 do 0,77 — wiemy niewiele. Po 50 pasażerach (22 ocalałych) średnia to 0,44, przedział 0,31–0,58. Po wszystkich 891 (342 ocalałych) średnia wynosi 0,384, a przedział zwęża się do 0,352–0,416. Dane stopniowo przejmują kontrolę nad wnioskiem.

Ściąganie widać na pokładach. Na pokładzie G mieszkały 4 osoby z zapisanym pokładem, przeżyły 2 — surowy odsetek 0,50, a przy płaskim a priori przedział od 0,15 do 0,85. Jeśli jako a priori przyjąć wiedzę o całym statku wartą 10 obserwacji, Beta(3,84; 6,16), średnia a posteriori spada do 0,42, a przedział zwęża się do 0,18–0,67. Prawdopodobieństwo, że na pokładzie G szanse przeżycia przekraczały 50%, wynosi wtedy 26%. Cztery osoby to za mało, by odejść daleko od średniej statku.

Dane: Titanic

W praktyce

• Rozkład Beta i sprzężenie z danymi binarnymi: scipy.stats.beta(a + k, b + n - k), przedział .interval(0.95), prawdopodobieństwo 1 - .cdf(0.5).
• Modele złożone: PyMC, Stan (cmdstanpy), NumPyro — próbkowanie NUTS; sprawdzaj diagnostykę R̂ i efektywną liczbę próbek.
• W scikit-learn: BayesianRidge, ARDRegression, GaussianNB, GaussianProcessRegressor — modele z niepewnością a posteriori.
• Testy A/B po bayesowsku: P(B > A | dane) z próbek dwóch rozkładów Beta; łatwiej to wytłumaczyć niż wartość p.
• Typowy błąd: dobieranie rozkładu a priori po obejrzeniu danych, tak by wynik „wyszedł”. A priori ustala się przed analizą i sprawdza wrażliwość na jego zmianę.

Najczęstsze pytania

Czym przedział wiarygodności różni się od przedziału ufności?

Przedział wiarygodności mówi: „przy tych danych i tym a priori parametr leży tu z prawdopodobieństwem 95%”. Przedział ufności mówi: „procedura obejmuje parametr w 95% powtórzeń”. Przy dużych próbach i słabym a priori liczby są zbliżone, ale interpretacja jest różna.

Czy wybór rozkładu a priori nie czyni wyniku subiektywnym?

Czyni go jawnie zależnym od założeń, które są widoczne i można je krytykować. Przy dużej ilości danych wpływ a priori zanika. Częstościowe metody też mają założenia — w wyborze modelu, testu czy progu — tylko mniej widoczne.

Jak regularyzacja wiąże się z podejściem bayesowskim?

Minimalizacja straty z karą L2 daje ten sam wynik co estymator MAP z normalnym rozkładem a priori na wagach o średniej zero. Kara L1 odpowiada rozkładowi Laplace’a. Siła regularyzacji to szerokość rozkładu a priori.

Źródła

Zobacz też