LeoMath

探索

筛查中的 Bayes

一千个人,按患病与否、检测阴阳分成四块。改变患病率、灵敏度和误报率,看阳性的人里真正患病的占多少;再对阳性者复检一次。

  • 患病 · 阳性
  • 健康 · 阳性
  • 患病 · 阴性
  • 健康 · 阴性
阳性 89其中患病 10占比(人数取整) 10/89 ≈ 0.112
P(病|+)=P(+|病)P(病)P(+)先验 → 后验 0.010 → 0.107
回到正文 →

你观察到了什么?先动手,再回答。想清楚之后再看解释。

  1. 1.默认参数下,阳性的人里真正患病的有几个?为什么灵敏度高达 95%,这个比例却这么低?
  2. 2.把患病率从 1% 拖到 20%,后验概率怎样变?检测本身并没有变。
  3. 3.打开“复检阳性者”:为什么同一个检测做第二次,结论就可靠得多?
对应知识点:条件概率与 Bayes

讨论

发现错误、有疑问或建议,也可以直接写信到 620026600@qq.com

还没有评论。写下你的理解、疑问,或者指出这一页的错误。

登录后参与讨论