Matematiksel Düşünme Becerisi Yazıları (15)

Matematiksel Düşünme Becerisi ve Belirsizliğin Bilimi: Bayes Formülü

Evrenin Matematiksel Düzeni ve İnsan Aklı

 18. yüzyılda Thomas Bayes adlı bir İngiliz matematikçi ve teolog, belirsizlikle dolu dünyada gerçeği bulmanın formülünü yazmıştır: Bayes Formülü. Bu basit görünen formül, ilk bakışta Pisagor’un müzik aralıklarındaki matematiksel oranları kadar teknik ve soyut gözükmektedir. Oysa Pisagor’un “Kürelerin Müziği” teorisinde evrenin uyumunun seslere dönüştüğü gibi, Bayes Formülü de daha derindir: İnsan bilgisinin nasıl evrimleştiğinin, inançlarımızın nasıl güncellenmesi gerektiğinin ve evrenin gizlerinin nasıl açığa çıktığının matematik dilinde yazılmış manifestosudur. Tıpkı müzisyenin kulağı matematiksel oranları duyduğu gibi, Bayes’in düşüncesi de veriler içindeki evrensel hareketi görmekte ve göstermektedir.

Bayes Formülü, performansla dolu dünyamızda insanın nasıl öğrendiğini, kararların sonuçlarının nasıl alındığını ve gerçeğin buna bağlı olarak nasıl bulunduğunu ortaya koyan bir anahtardır. Müzikteki harmonik oranların (değişik hertzlerdeki seslerin) beynimizi sakinleştirip düşüncelerimizi pekiştirdiği gibi, Bayes Formülü de zihinsel büyümemizi şifalandıran, gözenekli düşüncelerin anatomisini gösteren bir yapıdır.

Formülün Sihri: Basit Görünen Denklem, Sonsuz Derinlik

Formülde basit bölme ve çarpma yapılan dört terim, müzikteki oktav kadar basit görünse de, bu aslında insan bilgisinin en temel hareketinin formülüdür. Pisagor’un 1/2 oranı müzikal uyumu ortaya çıkardığı gibi, Bayes Formülü de belirsizlikten uyumu, kaostan düzeni, karanlıktan ışığı çıkarır. Her yeni kanıt, bu formüle akıp, kararlarımızı yeniden ve yeniden şekillendirerek, gerçeğe bir adım daha yaklaştırır. Burada içimizden şu geçer: “Evrenin dili müzik değilse bile, mantığı mutlaka Bayesian’dır.”

Matematiksel Düşünme: Bayes İstatistiğinin Zihinsel Temeli

Matematiksel düşünme becerisi, hem saf matematikte hem de Bayes istatistiğinde ortak zihinsel kapasiteleri etkinleştirir. Bu beceriler dört temel sütun üzerine kurulmuştur:

Analitik Düşünce: Karmaşık problem yapılarını sistematik olarak adım adım bileşenlerine ayırarak anlamlandırma yeteneği.

Kalıp Tanıma: Verilerde, sayılar içinde, formüller arasında gizli kalan düzenleri ve ilişkileri görme kapasitesi.

Sıralı İşlem Yürütme: Mantıksal adımları doğru sırayla, kesintisiz şekilde takip etme ve uygulamadaki kesinlik.

Soyut Düşünce: Somut örneklerden hareketle genel ilkelere ve evrensel kanunlara ulaşabilme yeteneği.

Bayes istatistiğini kullanan bir araştırmacı, bu zihinsel mekanizmaları tam olarak kullanır: Önceki bilgileri (prior) analiz eder, yeni toplanan verileri (likelihood) düzenli bir şekilde işler ve elde ettiği sonucu (posterior) mantıksal sırayla sunmuş. Her adım, önceki adımın bir sonucu; her güncelleme, matematiksel bir gerekliliği taşır.

Modern nörobilim araştırmaları bu bağlantıyı doğrulamaktadır: Matematik eğitimi alan çocukların, soyut örüntüleri kavrama, verilerdeki ilişkileri algılama ve karmaşık sistemleri takip etme becerilerinin belirgin şekilde yüksek olduğunu gözlemlenmiştir. Bu tesadüf değildir, çünkü hem matematikte hem de Bayes analizinde, uzamsal-mantıksal zekâ, ardışık bellek sistemi ve soyut kavramlaştırma kapasitesi yoğun olarak kullanılır. Beyin bu alanlarda ne kadar çok eğitilirse, bu bilişsel ağlar o kadar güçlü hale gelir.

Formülün Temel Bileşenleri

Bayes Formülü’ndeki her terim derin bir anlam dünyası sağlar:

P(A|B) – Posterior: Yeni Kanıt Işığında Güncellenmiş Karar

“B kanıtı elimizde iken, A’nın doğru olma olasılığı nedir?”

Senaryo: Hastalık Testi

Bir hastaya kanser testi yapıldı ve sonuç pozitif çıktı.

Hasta şunu sormak istiyor:

“Test pozitif çıktığına göre, gerçekten kanser olma ihtimali nedir?”

İşte bu soru tam olarak posteriordur:

P(Kanser | Test Pozitif)

Neden “posterior” denir?

Çünkü elimize yeni bir kanıt geldi — test sonucu — ve bu kanıtı gördükten sonra kararımızı güncelliyoruz.

Aşama	Ne biliyoruz?	Terim
Testten önce	Toplumda kanser görülme oranı: %1	Prior
Kanıt	Test pozitif çıktı	Likelihood
Testten sonra	Gerçekten hasta olma ihtimali: ?	Posterior

Sezgisel Çarpıcılık

Diyelim ki test %90 doğrulukla çalışıyor. Çoğu insan içgüdüsel olarak şöyle düşünür:

“Test %90 doğru → pozitif çıktı → %90 ihtimalle hastayım.”

Ama Bayes bize şunu söyler: Hayır.

Eğer hastalık toplumda çok nadirse (örneğin %1), test pozitif çıksa bile gerçek hasta olma ihtimalin şaşırtıcı biçimde düşük kalabilir — belki yalnızca %8–9 civarında.

Temel Ders

Posterior, ham test sonucuna körce güvenmek yerine şunu sorar:

“Bu kanıtı zaten hasta olan biri mi, yoksa sağlıklı biri mi daha sık üretirdi?”

Kanıt tek başına anlam taşımaz; ancak önceki bilgiyle (prior) birleşince gerçek anlamını kazanır. İşte posterioru bu kadar güçlü kılan şey budur.

İşte bu, öğrenmenin ta kendisidir. Yeni bilgi geldiğinde eski kararımızı düzeltmek—Bayes’in ruhudur. Tıpkı hatayı fark edip düzelten bilinç gibi, insan da yeni kanıta dayanarak fikirlerini güncellemek zorundadır.

P(B|A) – Olasılık: Hipotezimizin İç Tutarlılığı

“A doğru olsaydı, bu kanıtı görme olasılığı nedir?”

Hipotezimizin ne kadar mantıklı, ne kadar güçlü olduğunu gösterir. Teorinin gerçekle uyumudur.

P(A) – Önceki: Başlangıç Bilgisi ve Deneyim

“Hiç kanıt olmadan, A hakkında ne biliyoruz?”

İnsan aklı boş değildir; tarih, kültür ve yaşam bize bir başlangıç noktası verir. Her birimizin kendi “önceki inancı” vardır.

P(B) – Kanıt: Kanıtın Genel Oluşma Olasılığı

“Bu kanıt evrensel olarak ne kadar sık ortaya çıkar?”

Bağlamı oluşturur. Aynı kanıt farklı durumlarda farklı anlam taşır.

Bayes Formülünün Pratik Uygulamaları: Dört Hayati Örnek

1. Kanser Taraması: Test OLUMSUZ Ama Merak Etmeyin

40 yaşında bir erkek kanser testi yaptırıyor ve test pozitif çıkıyor. İçi sızlıyor—”Kanserim var mı?” diye düşünüyor.

Rakamlar:

• Testler: %90
• Ama 40 yaşında gerçekten kanser olma oranı sadece %1

Bayes Formülü ne söylüyor? Pozitif test çıksa da, gerçekten kanser olma ihtimali sadece %9.

Gerçek Hayatta: 100 kişiden 99’unda bu pozitif sonuç yanlış çıkıyor. Bu nedenle iki farklı doktorun test yapması gerekiyor.

2. COVİD-19: Aynı Test, Farklı Anlam

Pandemi sırasında aynı PCR testi  kişiye göre farklı şeyler ifade edilmekteydi

Öksürük ve ateşi olan biri, test pozitif : %97.6 olasılık gerçekten de COVID-19 var

Hiçbir belirti olmayan biri, test pozitif : %49 olasılık COVİD-19 var (50-50 Şans)

Neden fark var? Çünkü Bayes Formülü “önceki olasılık” ları da içeriyor. Belirtisi olana “muhtemelen hasta” diye deniyor. Hiçbir belirti olmayan kişi ise “muhtemelen sağlıklı” deniyor.

Sonuç: İki kişide de aynı test sonuçları çıkıyor, ama belirti koşuluna bağlı olarak tamamen farklı sonuçlar (teşhis) konulabiliyor.

3. DNA Testi: Eşleşme Suçluluk Demek Değil

Suç mahalline bulunan DNA örneği, bir şüpheli ile eşleşti. Savcı: “Eşleşme 1 milyonda bir, o da kesindir!” diyor.

Ama bekleyin. Bayes Formülü başka şey söylüyor.

DNA eşleşmesinin nadir olma oranı nedir? 1 milyonda 1, gerçekten çok nadir.

Ama şehirde kaç kişi var? 10 milyon. Yani tesadüfi eşleşme ile başka 10 kişi daha bulunabilir.

Sonuç: DNA testi çok güçlü kanıt olsa da, tek başına suçlu olduğunu göstermez. Başka şüpheliler de var mı? Tanıklar ne söylüyor? Kişinin ilgisi var mı?

Bayes Formülü işte tüm bu bilgileri birleştirerek gerçek sonuca varır.

Adalet: Matematik, masum insanları kurtarıyor.

4. Google Translate: Çeviride Bağlamın Anlamı

İngilizce “banka”nın iki anlamı var: “banka” veya “kıyı”.

Google Çeviri ile ” Bankaya gittim ” cümlesini çevirirseniz

• İçerik boş olsa: %50 banka, %50 kıyı
• Ama “Ben gittim” diye başladı mı: “gittim…” fiili “banka” tarafında çok daha güçlü işaret eder
• Bayes: %90 ihtimal “banka”

Sonuç: Doğru çeviri tekrarlanır çünkü bilgisayar önceki bilgileri de kullanılıyor, sadece kelimelerin eşleşmesine bakılmıyor.

İnsanlar da böyle düşünüyor. “Yatırımını arttırdı, o… bank’a” deyince otomatik “banka” anlarsınız, çünkü “yatırım” bağlamı sizi yol gösterir.

Belirsizlikte Karar Verme: Rasyonelliğin Kodu

Hayat ve hayatın bileşenleri karşımıza “oran”larla içiçe bir yapı sunar. Oran sıfıra yaklaştıkça karar olumsuz, bir (1) e yaklaştıkça olumluya döner. Buna performasn (verimlilik) diyebiliriz. Hayatta hiçbir zaman mükemmel (yani = 1 ) gibi bilgimiz olmaz. Sonuçlar sıfırdan büyük, birden küçük olacak şekilde azalan bir listede sıralanır. İşte bu noktada Bayes Formülü, verimlilik içinde kalarak karar vermenin yolunu gösterir.

Kanser teşhisi almış birini düşünelim. Doktor şöyle düşünüyor: “Yüzde 100 emin olmak için 1 yıl daha beklemem gerekiyor mu, yoksa tedaviye şimdi mi başlasam?”

Seçenek 1: Bir yıl daha bekle, evet, yüzde 100 emin olacaksınız. Ama bu sırada gidişat kötüleşebilir, tedavi için çok geç olabilir.

Seçenek 2: Şimdi tedaviye başla, elimizdeki %80 bilgi yeterli.

Bayes de tam olarak bunu söylüyor: “Elimizdekiler yeterli. Hareket et.”

Aslında bu cümle sadece doktoru değil, tüm yaşamı anlatıyor. İnsan sürekli belirsizlikle yüzleşir. Bayes formülü der ki:  “Elindeki bilgi ne ise, buna göre şimdi karar ver. Daha sonra yeni bilgi gelirse, görüşünü değiştir.”

Sonuç: Bayes Formülü Bir Yaşam Felsefesi

Thomas Bayes’in 300 yıl önceki formülü, modern dünyanın görünür mimarı haline geldi. Bu basit formül:

Tıpta: Milyonlarca hayat kurtarır
Hukukta: Adaleti yapılandırır
Teknolojide: Dijital deneyimimizi şekillendirir
Finansta: Ekonomik kararları yönlendirir
Bilimde: Gerçeği keşfetme yolunu gösterir

Bu formülün mükemmelliği, sonsuzluğa uzanan öğrenme sürecimizde bize ait olmaya devam edecek. Çünkü Bayes Formülü, sadece hesaplama aracı değil— gerçeği bulmanın, öğrenmenin, karar vermenin güçlü yanıdır.