
مقياس إحصائي يُستخدم لمقارنة الأدلة لصالح فرضية مقابل أخرى.عامل بايز هو كمية إحصائية تحدد الأدلة النسبية لفرضيتين متنافستين، عادةً فرضية العدم وفرضية بديلة. وهو نسبة الاحتمالات الحدية للبيانات المرصودة تحت كل فرضية. عامل بايز الأكبر من 1 يرجح الفرضية البديلة، بينما الأصغر من 1 يرجح فرضية العدم. وهو أداة مركزية في الاستدلال البايزي، حيث يوفر مقياسًا مستمرًا لقوة الأدلة يمكن تحديثه مع وصول بيانات جديدة.
قدم هذا المفهوم هارولد جيفريز في كتابه 'نظرية الاحتمال' الصادر عام 1939، حيث اقترح أيضًا مقياسًا لتفسير حجمه (مثل >10 كدليل قوي).
لكل فرضية، تحسب احتمال البيانات المرصودة في ضوء تلك الفرضية، مع الأخذ في الاعتبار جميع القيم الممكنة للمعلمات موزونة بتوزيعاتها القبلية. هذا 'الاحتمال الحدي' يُقسم بعد ذلك: عامل بايز = (الاحتمال الحدي تحت H₁) / (الاحتمال الحدي تحت H₀). على عكس القيم الاحتمالية (p-values)، لا يتطلب عامل بايز عتبة دلالة ثابتة ويمكن تفسيره مباشرة كنسبة الأرجحية البعدية إلى الأرجحية القبلية. وهو يعاقب النماذج المعقدة بشكل طبيعي، لأنها توزع الاحتمال القبلي على مساحة معلمات أكبر، مما يقلل متوسط الاحتمال.
تُستخدم عوامل بايز على نطاق واسع في علم النفس والطب وعلم الوراثة لاختبار الفرضيات واختيار النماذج والتحليل التلوي، خاصة عندما يريد الباحثون قياس الأدلة لصالح فرضية العدم بدلاً من مجرد رفضها.
عامل بايز بقيمة 20 يعني أن البيانات أكثر احتمالًا بعشرين مرة تحت الفرضية البديلة مقارنة بفرضية العدم، لكنه لا يعني أن الفرضية البديلة أكثر احتمالًا بعشرين مرة—فهذا يعتمد أيضًا على الأرجحية القبلية.
| B | متغير | Bayes factor — عامل بايز |
| D_k | متغير | k-th data point — بيانات |
| H_1 | متغير | alternative hypothesis — فرضية |
| H_0 | متغير | null hypothesis — فرضية |
| N | متغير | number of data points — حجم العينة |
| ∏ | مؤثر | multiplication of terms for k=1 to N — مشغل الضرب |




