通过贝叶斯公式计算阳性概率

今天有一个小盆友对他们的课程里一道题存在疑问过来问我，说是要求必须应用贝叶斯公式，题目如下：

已知某病发病率5%，假阴率5%，假阳率5%，如果一个人检出了阳性结果，那么他患该病的可能性有多大？

首先需要说明，假阳就是把没病的检成有病的，假阴就是把有病的检成没病的。

然后搬出贝叶斯公式：
$$\begin{array}{rl}p(x|y)& =\frac{p(x)\ast p(y|x)}{p(y)}\\ & =\frac{p(x)\ast p(y|x)}{{\sum }_{i=1}^{n}p(x_i)\ast p(y|x_i)}\end{array}$$
令p(x)为发病率，p(y)为检出阳性的概率，那么p(x|y)就是检出阳性时患病的概率，p(y|x)就是已知患病了检出阳性的概率（也就是真阳率）。

所以我们的结果就是p(x|y)的值，接下来捋一捋其他三个值：

1. p(x)发病率题目中已经给出为5%
2. p(y|x)为真阳率，用1减去假阴率（真阳就是有病检出有病，假阴是有病检出没病），为95%
3. p(y)为检出阳性的概率，分为两块，一个是有病检出有病，另一个是没病的检出有病（发病率x真阳率+未发病率x假阳率）：5%*95%+(1-5%)*5%

p(y)用公式表示更能说明问题：

$$p(y)=p(x)\ast p(y|x)+p(\bar{x})\ast p(y|\bar{x})$$

$p(y|\bar{x})$为没病检出有病，即假阳率。p(y)放到贝叶斯公式里，即为：

$$\begin{array}{rl}p(x|y)& =\frac{p(x)\ast p(y|x)}{p(x)\ast p(y|x)+p(\bar{x})\ast p(y|\bar{x})}\\ & =\frac{5\%\ast 95\%}{5\%\ast 95\%+(1-5\%)\ast 5\%}\\ & =50\%\end{array}$$

所以我们的答案就是50%，3个5%的值最后准确率只有50%，所以假阳率和假阴率看起来小实际上影响很大。