چگونه جفت مزدوج بتا-دوجمله‌ای باورهای پیشین را به احتمالات پسین تبدیل می‌کند

نرخ تبدیلی که تنها پس از ورود چهار بازدیدکننده به وب‌سایت به ۷۵٫۰٪ جهش می‌کند، اگر از دریچه نگاه بیزی ارزیابی شود، دیگر باعث تغییر استراتژی خودکار و معیوب نمی‌شود. دانشمندان داده به‌جای پذیرش این نسبت خام، از یک سازوکار ریاضی استفاده می‌کنند که داده‌های جدید را وادار به رقابت با خطوط پایه تاریخی می‌کند. این سازوکار که با نام جفت مزدوج بتا-دوجمله‌ای شناخته می‌شود، از نظر ریاضی مانع از آن می‌شود که نمونه‌های کوچک بتوانند پیش‌بینی‌های به‌شدت نادرست تولید کنند.

این چارچوب یک مشکل اساسی در احتمالات را حل می‌کند: چگونه می‌توان یک باور موجود را هنگام رسیدن شواهد جدید به‌روز کرد. در سال ۱۷۶۳، توماس بیز (Thomas Bayes) قضیه‌ای را معرفی کرد که بر این فرآیند حاکم است، اما محاسبه احتمال دقیقِ به‌روزرسانی‌شده اغلب نیازمند حل انتگرال‌های پیچیده و دشوار بود. جفت مزدوج، این محاسبات پیچیده را به‌طور کامل دور می‌زند.

مقاله سال ۲۰۲۳ در Cornell eCommons درباره توزیع بتا-دوجمله‌ای خاطرنشان می‌کند: «یک پیشین زمانی با یک تابع درست‌نمایی مزدوج است که پسینِ به‌دست‌آمده به همان خانواده توزیع پیشین تعلق داشته باشد.» از آنجا که توزیع بتا و توزیع دوجمله‌ای یکی از این جفت‌های نادر را تشکیل می‌دهند، آن انتگرال‌های پیچیده به یک جمع ساده تقلیل می‌یابند.[3]

این سازوکار بر دو پارامتر α (آلفا) و β (بتا) متکی است. در توزیع بتا، که نشان‌دهنده باور پیشین است، α به‌عنوان تعداد موفقیت‌های تاریخی عمل می‌کند، در حالی که β نشان‌دهنده شکست‌های تاریخی است. میانگین این توزیع به‌سادگی برابر است با α تقسیم بر مجموع α و β.[3]

وقتی داده‌های جدید از راه می‌رسند، شکل یک توزیع دوجمله‌ای به خود می‌گیرند: تعداد مشخصی از موفقیت‌های جدید (k) از میان تعداد مشخصی از آزمایش‌های جدید (n). برای یافتن احتمال به‌روزرسانی‌شده — یعنی توزیع پسین — تحلیلگر به‌سادگی موفقیت‌های جدید را به α و شکست‌های جدید (n - k) را به β اضافه می‌کند.[2]

این ویژگی جمع‌پذیری، احتمال انتزاعی را به یک سیستم وزن‌دهی ملموس تبدیل می‌کند. اگر یک تحلیلگر با یک پیشین ضعیفِ α=۲ و β=۲ شروع کند که نشان‌دهنده باوری مبهم به نرخ موفقیت ۵۰٫۰٪ است، مشاهده ۳ موفقیت در ۴ آزمایش، پارامترهای پسین را به α=۵ و β=۳ تغییر می‌دهد. احتمال مورد انتظار جدید به ۶۲٫۵٪ می‌رسد.[6]

با این حال، اگر تحلیلگر دارای یک خط پایه تاریخی قوی باشد — مثلاً ۲۰ موفقیت قبلی و ۲۰ شکست قبلی (α=۲۰, β=۲۰) — همان ۴ آزمایش جدید به‌سختی می‌توانند تغییری ایجاد کنند. پسین به α=۲۳ و β=۲۱ تبدیل می‌شود که احتمال مورد انتظاری برابر با ۵۲٫۲٪ به دست می‌دهد. نرخ موفقیت خام ۷۵٫۰٪ در داده‌های جدید، از نظر ریاضی توسط وزن گذشته مهار می‌شود.[6]

این مهار دقیقاً همان دلیلی است که متن آکادمیک آکسفورد با عنوان «مشکل کاخ سفید» (The White House Problem)، مزدوج بتا-دوجمله‌ای را به‌عنوان ابزاری حیاتی برای تصمیم‌گیری در شرایط عدم قطعیت برجسته می‌کند. وقتی یک نامزد سیاسی در ۳ شهرستان از ۴ شهرستان اولیه پیروز می‌شود، یک مدل فراوانی‌گرا او را با ۷۵٫۰٪ پیشتاز می‌بیند. اما مدل بتا-دوجمله‌ای برتری ۵۲٫۲٪ را می‌بیند که برای تأیید، به داده‌های بسیار بیشتری نیاز دارد.[1]

سادگی به‌روزرسانی‌های α + k و β + n - k به سیستم‌ها اجازه می‌دهد تا به‌طور پیوسته یاد بگیرند. هر بار که دسته‌ای جدید از داده‌ها می‌رسد، توزیع پسین فعلی به‌سادگی به توزیع پیشین جدید برای محاسبه بعدی تبدیل می‌شود.[2]

مستندات Academic Notes درباره جفت‌های مزدوج توضیح می‌دهد: «مدل بتا-دوجمله‌ای روشی طبیعی برای هموارسازی نسبت‌های تجربی افراطی ارائه می‌دهد.» این اثر هموارسازی، که اغلب انقباض (shrinkage) نامیده می‌شود، مشاهدات افراطی در نمونه‌های کوچک را به‌سمت میانگین تاریخی می‌کشد و از دنبال کردن نویزهای آماری توسط الگوریتم‌ها جلوگیری می‌کند.[4]

در تحلیل‌های ورزشی، این سازوکار توضیح می‌دهد که چرا پیش‌بینی نمی‌شود یک بازیکن بیسبال که در ۳ بار از ۴ بار اول حضورش در جایگاه ضربه‌زن موفق به ضربه زدن می‌شود، در کل فصل میانگین ۰٫۷۵۰ داشته باشد. یک پیشین قوی بر اساس میانگین لیگ (مثلاً α=۲۶۰, β=۷۴۰) این ۳ ضربه را جذب کرده و میانگین واقعی مورد انتظار بازیکن را تنها با کسری جزئی به سمت بالا و به ۰٫۲۶۲ تعدیل می‌کند.

جامعه آماری Cross Validated به‌طور مکرر درباره تنظیم دقیق این پارامترهای α و β بحث می‌کند. انتخاب یک پیشین که بیش از حد قوی باشد (مثلاً α=۲۰۰۰, β=۲۰۰۰) مدل را بیش از حد خشک و انعطاف‌ناپذیر می‌کند، به‌طوری که برای تشخیص یک تغییر واقعی در واقعیتِ زیربنایی، به هزاران مشاهده جدید نیاز خواهد داشت.[5]

برعکس، انتخاب یک پیشین که بیش از حد ضعیف باشد، مدل را در برابر همان نویزی که برای فیلتر کردن آن طراحی شده بود، آسیب‌پذیر می‌سازد. سرفصل‌های درسی کلاس ۱۵ در MIT OpenCourseWare تأکید می‌کند که انتخاب پیشین باید بازتاب‌دهنده دانش تاریخی واقعی باشد، نه صرفاً راحتی ریاضی.[2]

گذار از یک باور پیشین به یک احتمال پسین از طریق جفت مزدوج بتا-دوجمله‌ای، همچنان یکی از ظریف‌ترین عملیات‌ها در آمار است. این روش، تنظیمات ذهنی انسانی را با یک فرمول دقیق و شفاف جایگزین می‌کند که شواهد را دقیقاً بر اساس اندازه نمونه‌شان وزن‌دهی می‌کند.

قدرت واقعی این سازوکار در شفافیت آن نهفته است. با تعریف صریح α و β، یک تحلیلگر دقیقاً اعلام می‌کند که برای غلبه بر مفروضات فعلی‌اش به چه مقدار شواهد تاریخی نیاز است، و بدین ترتیب وقتی داده‌های جدید در نهایت از راه می‌رسند، هیچ جایی برای سوگیری‌های پنهان باقی نمی‌گذارد.