贝叶斯

贝叶斯

• P ( A ) : A事件发生的概率
• P ( ~A ) : 不发生A事件的概率
• P ( B ) : B事件发生的概率
• P ( ~B ) : 不发生B事件的概率
• P ( A | B ) : 发生B事件时，会发生A事件的概率
• P ( B | A ) : 发生A事件时，会发生B事件的概率

P ( A | B ) = P ( A ) * P ( B | A ) / P ( B )

等价于 :

P ( A | B ) = P ( A ) * P ( B | A ) / ( P ( B | A ) * P ( A ) + P( B | ~A ) * P ( ~A ) )

例子

已知：某种疾病的发病率为0.001，即1000人中会有1个人得病。现有一种试剂可以检验患者是否得病，
它的准确率为0.99，即在患者确实得病的情况下，它有99%的可能呈阳性。它的误报率是5%，
即在患者没有得病的情况下，它有5%的可能性呈现阳性。现有一个病人的检验结果为阳性，请问他确实得病的可能性有多大？

回答：

根据贝叶斯公式得：
P ( A | B ) = 0.001 * 0.99 / (0.99 * 0.001 + 0.05 * 0.999 ) = 0.019

实际的正确率竟然不足2%，而这个是由于误报率过高造成的