例题如下:
患肺结核的人通过胸部透视被诊断出的概率是0.95,而未患肺结核的人被胸部透视误诊为有病的概率是0.002。若已知某城市成年居民患肺结核的概率是0.001,从该城居民中任选一人,经胸透诊断为有肺结核。
求此人确患肺结核病的概率。
胸透对肺结核的诊断准确率为32%。
以下是我在http://iask.sina.com.cn/b/1931187.html上看到的:
“有人可能会怀疑这个结论,那么我们来验算一下。假定随机选出1000个成年居民,按上述所给数据,则平均应有1人患肺结核,999人未患有肺结核,而真正患有肺结核的人被诊出0.95人,而999人未患肺结核的人被诊断出999×0.002=1.998人,因此在诊断出有肺结核的1998+0.95=2.948人中,真正有肺结核的只有0.95人,故所占比列为0.95/2.948=0.32225=32%,,说明上述结论是正确的。 ”
我想的是:
从整体的角度上看,此人作为被检查位患病的人的一位,真正患病的可能为32%。
但是从他个体的角度考虑,他被误诊的概率仅为0.2%呀!
另外如果说不能从个体的角度考虑,那0.2%这个数据怎么来的?
贝叶斯公式 遇到例题时想不明白
肝脏被侵蚀的只剩下一点点,医生告诉她直接准备后事了,经查致病原困是该女常年吃麻辣烫和米线,医生说这两种食品细菌严重超标,且佐料经过加工后也极易增长细菌,与店面卫生无关,请吃这两种食品的人以后少吃或不吃,请转发给你所关心的每一个人!
如何理解贝叶斯公式?
先好好理解一下全概率公式,以及条件概率P(AB)=P(A)*P(B\/A),其实贝叶斯公式就是这两个式子的变形 最好的办法就是结合一个有具体数字的题目,算一下,就明白了,看式子比较复杂,算一下就简单了。人比较不容易理解抽象的东西,你就把它具体化,就容易多了。
一个概率学的问题,贝叶斯公式积分?
随机取出3个,只有1个是红色,本来概率是1\/4。但是现在这件事情已经发生了,概率就是1。这时候剩下的4个球摸一个红球出来的概率当然是1\/2。也可以这样想,本来袋子里每一个球是红是蓝的概率都是1\/2,这个概率和其他球是红是蓝没有任何关系。也就是球是红是蓝是独立事件。从里面拿多少个球出来...
朴素贝叶斯
这里我们联系到朴素贝叶斯公式:p(不帅、性格不好、身高矮、不上进|嫁) = p(不帅|嫁)*p(性格不好|嫁)*p(身高矮|嫁)*p(不上进|嫁)--->要使这个公式成立,需要各个特征之间相互独立。而朴素贝叶斯算法就是假设各个特征之间相互独立。1、假如没有这个假设,那么我们对右边这些概率的估计其实是不可...
贝叶斯公式下面的例题,为什么这个考生答对题的概率是P(B\/A),不应该...
你没错。P(B\/A)表示该考生答对题目时,他真正知道答案的概率。P(A)表示该考生答对题目的概率。
为什么贝叶斯计算出来的概率相加不等于1
十年前的问题了,我答了也没人看,就当答给自己看吧。我工作中也遇到了这个问题。经过研究,我明白了这个问题的根源。其他几位答主只是在说理论上为何不可能。没人回答问主他的计算为什么会产生这个问题。问题的根源有两个:1 贝叶斯公式,代入公式的各个条件,往往是并不能很精确的获得已知条件的。...
全概率公式和贝叶斯公式(先验概率和后验概率)
全概率公式:根据条件概率公式得:即:因为 A的发生是由 B的原因引起的,所以又叫“由原因推结果”。贝叶斯公式 : (i = 1, 2...n) 这里p(A)用全概率...
贝叶斯估计、最大似然估计、最大后验概率估计
一般来说,计算积分 是不可能的。对于这个抛硬币的例子来说,如果使用共轭先验分布,就可以更好的解决这个问题。二项分布参数的共轭先验是Beta分布,由于 的似然函数服从二项分布,因此在贝叶斯估计中,假设 的先验分布服从 ,Beta分布的概率密度公式为: 因此,贝叶斯公式可写作: 从上面的公式可以看出, 。其中 函数,也称 ...
贝叶斯分类器(3)朴素贝叶斯分类器
总的来说,朴素贝叶斯大大简化了计算,同时牺牲了一些结果的准确性,具体要不要使用、怎么使用就看我们在实际问题中的权衡了。在朴素贝叶斯的思想下再看回分类问题,事件 有 个属性,可将分类问题按下式转化:只需要计算出上式不同类别 下的值,令值最大的类别 即为分类结果。其中,根据大数...
数理统计第18讲(贝叶斯预测问题,无信息先验方法,加权均方误差与贝叶斯估 ...
无信息先验在先验知识匮乏时发挥关键作用,尤其在参数空间无限的情况下,通过变换和广义先验分布来设定合适的先验。例如,正态总体期望的无信息先验通常取常数分布或特定形式的尺度变换分布。通过贝叶斯公式和充分统计量,可以求得后验分布,如正态分布的均值参数。加权均方误差引入权函数,旨在针对特定参数值...