Bayesci istatistik, Bayesyen istatistik veya Bayesgil istatistik, olasılığın bir olaya olan inancın bir derecesini ifade ettiği Bayesci olasılık yorumuna dayanan istatistik alanındaki bir teoridir. İnanç derecesi, önceki deneylerin sonuçları gibi olay hakkında önceki bilgilere veya olayla ilgili kişisel inançlara dayanabilir. Bu, olasılığı birçok denemeden sonra bir olayın göreceli sıklığının sınırı olarak gören sıklıkçı olasılık yorumlaması gibi bir dizi başka olasılık yorumundan farklıdır.
Bayes istatistiksel yöntemleri, yeni veriler elde ettikten sonra olasılıkları hesaplamak ve güncellemek için Bayes teoremini kullanır. Bayes teoremi, verilere ve olayla veya koşullarla ilgili önceki bilgilere veya inançlara dayalı olarak bir olayın koşullu olasılığını tanımlar. Örneğin, Bayes çıkarımında Bayes teoremi, bir olasılık dağılımı veya istatistiksel modelin parametrelerini tahmin etmek için kullanılabilir. Bayes istatistikleri, olasılığı bir inanç derecesi olarak ele aldığından, Bayes teoremi, inanca dair olasılık dağılımını bir parametreye veya parametre setine doğrudan atayabilir.
Bayesci istatistik, Thomas Bayes'in 1763'te yayınlanan ve belirli bir Bayes teoremi vakasını formüle ettiği An Essay towards solving a Problem in the Doctrine of Chances adlı makalesinden sonra kendisinin adıyla anılmaya başlamıştır. Pierre-Simon Laplace, 18. yüzyılın sonlarından 19. yüzyılın başlarına kadar kaleme aldığı birkaç makalede Bayesci olasılık yorumunu geliştirdi. Laplace, bir dizi istatistiksel problemi çözmek için artık Bayes olarak kabul edilecek yöntemleri kullandı. Birçok Bayes yöntemi daha sonraki yazarlar tarafından geliştirildi, ancak terim bu tür yöntemleri tanımlamak için 1950'lere kadar yaygın olarak kullanılmadı. 20. yüzyılın büyük bir bölümünde, Bayesci yöntemler felsefi ve pratik hususlar nedeniyle birçok istatistikçi tarafından olumsuz olarak değerlendiriliyordu. Birçok Bayes yönteminin tamamlanması için çok fazla hesaplama gerekiyordu ve yüzyıl boyunca yaygın olarak kullanılan yöntemlerin çoğu, sıklık yorumuna dayanıyordu. Bununla birlikte 21. yüzyılda, güçlü bilgisayarların ve Markov zincirli Monte Carlo gibi yeni algoritmaların ortaya çıkmasıyla, Bayesçi yöntemlerin istatistiklerde kullanımının arttığını gördü.
Bayesci istatistiğin klasik istatistikten temel farkı şudur: Bayesci istatistikte araştırma verilerinin dışında dışşal bilgilerden de yararlanılır. Salt verilerden değil, uzman görüşlerinden veya geçmiş örneklemlerin sonuçları da ölçüm yapılan örneklem verilerine dahil edilir. Uzman görüşlerine ve geçmiş çalışmalardan alınan örneklemlerdeki bilgilere, önsel bilgi (prior) denir. Bayesci istatistiğin temeli önsel bilgiye dayanmaktadır. Ölçülecek örneklemden elde edilen bilgiler ise olabilirlik (likelihood) olarak tanımlanır. Önsel olasılık, Bayesci istatistikte gözlemlere başvurmadan önce değerlendirilen ve öznel de olabilen olasılık olarak değerlendirilir ve tecrübeye dayalı olasılık olarak da tanımlanır.
