版权声明:本文为博主原创文章,如需转载,请注明出处: https://blog.csdn.net/MASILEJFOAISEGJIAE/article/details/84197524
贝叶斯定理:
P(h∣D)=P(D)P(D∣h)P(h)(1)
全概率公式:
P(B)=k=1∑nP(B∣Ai)P(Ai)(2)
示例
已知某种疾病的发病率为0.008,现有一种试剂可以检验患者是否得病,即在患者确实患病的情况下,检验结果为阳性的概率为98%,在患者确实没患病的情况下,检验结果为阴性的概率为97%。现有一名患者的检验结果为阳性,则该患者的患病概率为多大?
假定事件C为得病,事件+为阳性,事件-为阴性,则有:
-
P(C)=0.008
-
P(C)=1−P(C)=0.992
-
P(+∣C)=0.98
-
P(−∣C)=1−P(+∣C)=0.02
-
P(−∣C)=0.97
-
P(+∣C)=1−P(−∣C)=0.03
其中,
P(C)为“先验概率”,即没有做试验之前,所估计的发病率。
P(C∣+)为“后验概率”,即做了试验之后,对发病率的估计。
求检验结果为阳性时,患者的患病概率,就是求后验概率
P(C∣+)。
使用全概率公式求
P(+),有
P(+)=P(+∣C)P(C)+P(+∣C)P(C)=0.0376
根据贝叶斯定理,有
P(C∣+)=P(+)P(+∣C)P(C)=0.03760.98×0.008=0.2085
所以,该患者的患病概率为20.85%
因为存在3%误报率,所以会存在“假阳性”问题,即阳性结果并不足以说明病人得病。
参考资料:
- 贝叶斯推断及其互联网应用(一):定理简介 - 阮一峰的网络日志
- 全概率公式 - 维基百科,自由的百科全书