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