贝叶斯法则与虚假阳性的病例

假设在居民区, 一种罕见的疾病传染1‰的人……

　　并且假设这种疾病有一种尚好的检验方法：如果有人传染上了这种病，其检验结果有99%的可能呈阳性。另一方面，此检验也会产生一些虚假的阳性。为传染上的患者有2%检验也呈阳性。而你恰恰检验呈阳性，你传染该病的概率有多大？

我们依据两个事件工作：

A: 患者得这种病

B: 检验结果呈阳性

其检验结果的准确性为:

P(A)=0.001 --1‰的人得这种病

P(B|A)=0.99 --真正得这种病的人检验结果呈阳性的概率为99%

P(B|A拔)=0.02 --没得这种病的人检验结果呈假阳性的概率为2%

则P(A|B)是多少? 即检验结果呈阳性传染上该病的概率是多少?

P(A|B)= P(A) / ( P(A)*P(B|A) + (1-P(A))*P(B|A拔) ) = 0.001 / ( 0.001*0.99+(1- 0.001)*0.02 ) =0.0472

　　尽管检验精确度很高, 但事实上, 检验呈阳性的人不到5%患有这种病, 这家做假阳性悖论。

转载于:https://www.cnblogs.com/sthinker/p/5879334.html

贝叶斯法则与虚假阳性的病例相关推荐

贝叶斯公式/贝叶斯法则/贝叶斯定理
介绍贝叶斯法则贝叶斯定理是用来做什么的?简单说,概率预测:某个条件下,一件事发生的概率是多大? wiki 把为什么要做这个定理谈的很清楚,是为了覆盖逆概的场景: 在贝叶斯写这篇文章之前,人们已经能 ...
python贝叶斯算法的论文_3个范例带你读懂贝叶斯法则
贝叶斯法则可能是概率论中最有生命力的一个公式.它可以用来计算条件概率或者主观概率. 贝叶斯法则的思想非常简单:随机事件发生的概率随着相关条件的发生而改变,一个命题真假的信念即主观概率随着相关证据的发现 ...
机器学习数学基础-最大似然估计与贝叶斯法则
以下文章摘录自 <机器学习观止--核心原理与实践> 京东: https://item.jd.com/13166960.html 当当:http://product.dangdang.com ...
贝叶斯法则与先验概率，后验概率
1.贝叶斯法则机器学习的任务:在给定训练数据D时,确定假设空间H中的最佳假设. 最佳假设:一种方法是把它定义为在给定数据D以及H中不同假设的先验概率的有关知识下的最可能假设.贝叶斯理论提供了一种计算 ...
贝叶斯法则,先验概率,后验概率,最大后验概率
1.贝叶斯法则机器学习的任务:在给定训练数据D时,确定假设空间H中的最佳假设. 最佳假设:一种方法是把它定义为在给定数据D以及H中不同假设的先验概率的有关知识下的最可能假设.贝叶斯理论提供了一种计算 ...
【人工智能】— 不确定性、先验概率/后验概率、概率密度、贝叶斯法则、朴素贝叶斯、最大似然估计
[人工智能]- 不确定性不确定性不确定性与理性决策基本概率符号先验概率(无条件概率)/后验概率(条件概率) 随机变量概率密度联合概率分布公理完全联合分布概率演算独立性贝叶斯法则 ...
无人车“看世界”的底层逻辑——概率密度与贝叶斯法则
目录写在前面 1. 核心概念--概率密度 1.1 "点概率"没有意义 1.2 概率密度函数怎么用? 2. 无人车里的"贝叶斯法则" 2.1 联合概率密度 2. ...
视觉SLAM十四讲第9讲后端1 贝叶斯法则式9.5推导
视觉SLAM十四讲第9讲后端1 贝叶斯法则式9.5推导在学习高博的视觉SLAM十四讲第9讲后端1的时候,看到了式9.5,有如下内容: 下面我们来看如何对状态进行估计.按照贝叶斯法则,把zkz_ ...
贝叶斯法则的举例分析
贝叶斯法则的举例分析可以将贝叶斯法则的分析思路表达如下. 例子:挑战者B不知道原垄断者A是属于高阻挠成本类型还是低阻挠成本类型,但B知道,如果A属于高阻挠成本类型,B进入市场时A进行阻挠的概率是20 ...

贝叶斯法则与虚假阳性的病例

贝叶斯法则与虚假阳性的病例相关推荐

最新文章

热门文章