Discrete Mathematics and Its applications - 离散数学及其应用 读书笔记 （ 一 ）

《 Discrete 》一书中， 讲到 Bayes 理论的第二个应用，就是求解得病概率的问题。

摘抄原文如下：

*Suppose that one person in 100,000 has a particular rare disease for which there is a fairly accurate diagnostic test. This test is correct 99.0% of the time when given to a person selected at random who has the disease; it is correct 99.5% of the time when given to a person selected at random who doesn’t have the disease. Give this information can we find
(a) the probability that a person who tests positive for the disease has the disease ?
(b) the probability that a person who tests negative for the disease does not have the disease ?*

其中的大意也就是说， 有一种 1/100,000 得病率的病， 现在有着一种测试这个病的手段， 对于有病的人来说，这种手段是有 99.0% 的把握，可以测出来的, 因为 99.0% 可以测出来是阳性的；而对于没有这种病的案例来说， 有 99.5% 的把握，可以测出来是没有该病症的临床症状，即 99.5% 的人测出来都是阴性。 （阳性：表示有类似的病毒或者病菌，代表着疾病判断成立）

要求我们求解
（a) 如果测出来是阳性的，有多少概率表示得了这种病？
（b) 如果测出来是阴性的，有多少概率表示没有得这种病？

假设：
1）假设 E 代表阳性， $\bar E$ 就代表 阴性；
2） 假设 F 代表得病， $\bar F$ 就代表没得病；

也就是求解：

（a) P(F|E) 和 (b) $P(\bar F|\bar E)$

$$P(F|E) = \frac{P(F\cap E)}{P(E)} = \frac {P(E\cap F)}{P(E)} =\frac {P(E|F)*P(F)}{P(E|F)*P(F)+P(E|\bar F) *P(\bar F)} = \frac{0.99*0.00001}{(0.99*0.00001)+(0.05*0.99999)} \approx 0.002$$

$$p(\bar F | \bar E) = \frac{p(\bar F \cap \bar E)}{p(\bar E)} = \frac {p(\bar E| \bar F) * p(\bar F)}{p(\bar E | F)*p(F) + p(\bar E | \bar F)*p(\bar F)} = \frac{0.995*0.99999}{0.01*0.00001+0.995*0.99999}\approx 0.9999999$$

结果是很显然的。

（这一篇读书笔记被无缘无故给删掉了。所以补上，幸好是发现了，还有又温顾了下）。