Bayesian Decision Theory adalah pendekatan secara statistik untuk menghitung tradeoffs diantara keputusan yang berbeda-beda, dengan menggunakan probabilitas dan costs yang menyertai suatu pengambilan keputusan tersebut.
Contoh
dari Bayesian theory adalah kasus pasien yang memiliki kesulitan dalam
bernafas. Keputusan yang diambil adalah anatara pasien menderita asma
atau pasien menderita kanker paru-paru…
-Keputusan 1: menyatakan seseorang menderita kanker paru-paru walaupun sebenarnya gejala asma (cost: cukup tinggi- menakuti pasien, pasien menjalani tes-tes yang tidak perlu)
-Keputusan
2: menyatakan seseorang menderita asma walaupun sebenarnya kanker
paru-paru (cost: sangat tinggi- kehilangan kesempatan untuk megobati
kanker pada stadium awal, kematian)
Bayesian theory mempunyai berbagai keuntungan jika dibandingkan dengan beberapa teori lainnya, yaitu:
- Interpolation. Bayesian method menghubungkan segala hal dengan teori-teori engineering. Pada saat berhadapan dengan suatu problem, terdapat pilihan mengenai seberapa besar waktu dan usaha yang dilakukan oleh manusia vs komputer. Pada saat membuat suatu sistem, terlebih dahulu diharuskan untuk membuat sebuah model keseluruhan dan ditentukan faktor pengontrol pada model tersebut. Bayesian method menghubungkan perbedaan yang besar karena Bayesian prior dapat menjadi sebuah delta function dari suatu model yang luas.
- Language. Bayesian method mempunyai bahasa tersendiri untuk menetapkan hal-hal yang prior dan posterior. Hal ini secara signifikan membantu pada saat menyelesaikan bagian yang sulit dari sebuah solusi.
- Intuitions. Bayesian method melibatkan prior dan integration, dua aktivitas yang berguna secara luas.
Bayesian probability adalah teori terbaik dalam menghadapi masalah estimasi dan penarikan kesimpulan. Bayesian method dapat digunakan untuk penarikan kesimpulan pada kasus-kasus dengan multiple source of measurement yang tidak dapat ditangani oleh metode lain seperti model hierarki yang kompleks.
Dengan
keuntungan-keuntungan di atas, dapat dikatakan bahwa Bayesian merupakan
suatu metode yg cukup kuat. Namun, terdapat beberapa kekurangan yg
signifikan, yaitu:
- Information theoretically infeasible. Pada kenyataannya menentukan prior pada Bayesian method merupakan hal yang cukup sulit. Kita harus menentukan angka yang riil untuk semua parameter pada model keseluruhan. Banyak orang yang menggunakan Bayesian seringkali tidak menyadari hal ini karena dua hal: (1) mereka mengetahui bahwa spesifikasi prior membutuhkan usaha yang cukup signifikan, (2) mereka tidak mencantumkan prior aktual pada model mereka, tetapi lebih memilih prior yang lebih tidak menyusahkan.
- Computionally infeasible. Walaupun dapat ditentukan prior secara akurat, namun proses perhitungan posterior kemungkinan sangatlah sulit. Kesulitan ini membutuhkan perkiraan komputasional.
- Unautomatic. Selama terdapat problem-problem baru, selalu terdapat kebutuhan akan adanya ahli-ahli Bayesian untuk menyelesaikannya.
- Dibutuhkan banyak hitungan komputasional yang sulit untuk menjalankan metode ini.
