Теорема на Бейс: Разлика между версии

Изтрито е съдържание Добавено е съдържание
Ред 35:
''Решение'':
 
* Означаваме с PPr(''B'') вероятността даден пациент да е болен, която според данните от задачата е равна на 0.005
* Означаваме с PPr(''Z'') вероятността даден пациент да е здрав, която е очевидно 0.995
* Означаваме с PPr(''+|B'') вероятността тестът да даде положителен резултат, ако пациентът е болен, т.е. 0.99
* Означаваме с PPr(''+|Z'') вероятността тестът да даде положителен резултат, a пациентът да е здрав, т.е. 0.01
* Означаваме с PPr(''+'') тестът да даде положителен резултат, независимо дали пациентът е болен или не
* Търсената вероятност е PPr(''B|+'') т.е. вероятността пациентът да е болен, ако тестът е положителен
 
По теоремата на Бейс:
 
:<math>\PPr(B|+) = \frac{\PPr(+|B)\,\PPr(B)}{\PPr(+)}. \!</math>
 
Вероятността Pr(''+'') е равна на вероятността тестът да е положителен, независимо дали пациентът е здрав или болен. Тази вероятност е равна на вероятността тестът да е положителен и пациентът да е болен, плюс вероятността тестът да е положителен, а пациентът да е здрав.
Или:
:<math>\PPr(+) = \PPr(+ \cap B) + \PPr(+ \cap not B) \!</math> (теорема)
Понеже
:<math>Z = not B \!</math>
Следва
:<math>\PPr(+) = \PPr(+ \cap B) + \PPr(+ \cap Z) \!</math>
:<math>\PPr(+) = \PPr(+|B)PPr(B) + \PPr(+|Z)\PPr(Z) \!</math>
 
Или търсената вероятност е:
 
:<math>\PPr(B|+) = \frac{\PPr(+|B)\,\PPr(B)}{\PPr(+|B)\P(B) + \PPr(+|Z)\PPr(Z)} \!</math>
:<math>\PPr(B|+) = \frac{0.99\,\times \, 0.005}{0.99\,\times \, 0.005 + 0.01\, \times \, 0.995} \!</math>
 
или в крайна сметка:
 
:<math>\PPr(B|+) = 0.33</math>
 
Което означава, че вероятността даден пациент да е болен, ако тестът е положителен е само около 33%, което не е практично за нуждите на медицината, т.е. въпреки впечатляващите вероятности в условието, тестът е слаб. Това означава, че тестовете за болести следва да се произвеждат с точност, много по-голяма от 99%.