贝叶斯定理核心在后验概率是对先验概率的修正，即后验概率是描述来自先验概率的概率

后验概率的本质：是根据先验概率所描述的现象反推该现象来自先验概率的概率，即用修正一词来表达比较合适

 

 

 

注意P(+|S) 的为诊断准确率的写法

阳性确诊的概率计算为：

为什么与新冠状病毒检测呈阳性基本意味着确诊的直观感受不同呢？

实际上上面的概率指的是在大群体中随机检测的概率；而实际检测都是在有身体不适的情况下检测的，针对性强，基本上检测阳性基本意味着新冠可能性很大，所以看样本是不是随机很重要，样本是否是已经经过筛查出来的重点可疑对象；不同的采样方式决定了检测结果的可信度

 

 

也可以下文理解

贝叶斯定理
贝叶斯理论是以18世纪的一位神学家托马斯·贝叶斯(Thomas Bayes)命名。通常，事件A在事件B（发生）的条件下的概率，与事件B在事件A（发生）的条件下的概率是不一样的；然而，这两者是有确定的关系的，贝叶斯定理就是这种关系的陈述。贝叶斯公式：

P(A|B) 是在 B 发生的情况下 A 发生的概率，即后验概率；
P(A) 是 A 发生的概率，即先验概率；
P(B|A) 是在 A 发生的情况下 B 发生的概率；
P(B) 是 B 发生的概率。

也可以认为A是类别，B是特征，于是可以表示为：

https://blog.csdn.net/m0_37609579/article/details/101481305