先说结论:因为假阳性的人数相比于真阳性太多了。
具体是怎么回事呢?咱们慢慢分析。
一、贝叶斯公式
定理1(贝叶斯公式) 设有事件 A , B A,B A,B, P ( A ) > 0 P(A)>0 P(A)>0, P ( B ) > 0 P(B)>0 P(B)>0,则 P ( B ∣ A ) = P ( B ) P ( A ∣ B ) P ( A ) P(B|A)=\frac{P(B)P(A|B)}{P(A)} P(B∣A)=P(A)P(B)P(A∣B)证明:由条件概率的定义 P ( C ∣ D ) = P ( C D ) P ( D ) P(C|D)=\frac{P(CD)}{P(D)} P(C∣D)=P(D)P(CD)可知 P ( B ) P ( A ∣ B ) = P ( A B ) P(B)P(A|B)=P(AB) P(B)P(A∣B)=P(AB), P ( A B ) P ( A ) = P ( B ∣ A ) \frac{P(AB)}{P(A)}=P(B|A) P(A)P(AB)=

通过贝叶斯公式解析为何准确率高的检测,其阳性结果对应的实际患病率却可能很低。即便正常人误检概率极小,但因基数庞大,误检数量仍显著高于实际患病者。
最低0.47元/天 解锁文章
3万+

被折叠的 条评论
为什么被折叠?



