【概率论】理解贝叶斯(Bayes)公式:为什么疾病检测呈阳性,得这种病的概率却不高?

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。

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(BA)=P(A)P(B)P(AB)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(CD)=P(D)P(CD)可知 P ( B ) P ( A ∣ B ) = P ( A B ) P(B)P(A|B)=P(AB) P(B)P(AB)=P(AB) P ( A B ) P ( A ) = P ( B ∣ A ) \frac{P(AB)}{P(A)}=P(B|A) P(A)P(AB)=

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值