أدخل ثلاثة أعداد — كيف شائع condition (prior)، كم مرة evidence يظهر عندما condition present (sensitivity)، وكم مرة إنه يظهر عندما إنه لا (false-positive سعر) — وBayes ' theorem returns updated احتمال.
لأن condition rare. خاطئ positives من huge healthy group (9,900 × 5% = 495) swamp الحقيقي positives من tiny sick group (100 × 99% = 99). أساس أسعار dominate — ذلك كامل lesson Bayes ' theorem.
prior belief قبل جديد evidence؛ posterior updated belief بعد weighing evidence بواسطة كيف expected إنه تحت كل possibility. Bayes ' theorem دقيق arithmetic ذلك update.
نعم — spam filters، fault diagnosis، forensic likelihoods وforecasting كل استخدم نفس structure: أساس سعر، hit سعر وfalse-alarm سعر.
classic form P (| B) = P (B |) × P () ÷ P (B) يحتاج P (B) مباشرة؛ هذا حاسبة builds P (B) من اثنان conditional أسعار بدلاً من، أي كيف inputs usually معروف في practice.
P (| B) = P (B |) × P () ÷ P (B)، مع المجموع evidence سعر built بواسطة law المجموع احتمال: P (B) = P (B |) × P () + P (B | لا) × P (لا). Substituting يعطي three-input form هذا حاسبة يستخدم.
Inputs: prior 0.01، sensitivity 0.99، false-positive سعر 0.05.
خطوات: P (B) = 0.99 × 0.01 + 0.05 × 0.99 = 0.0099 + 0.0495 = 0.0594. Posterior = 0.0099 ÷ 0.0594 = 0.1667.
نتيجة: P (| positive) = 16.67% — despite ' 99% دقيق ' test، لأن condition rare.
اجمع هذا حاسبة إلى الخاص به website أو blog — إنه completely مجاني، يحتاج دون تسجيل، ودائمًا يعرض latest version. Copy الرمز أدناه وpaste إنه إلى صفحة where أنت تريد الحاسبة إلى يظهر. احتفظ صغير &ldquo؛ قدرة بواسطة Loona Automation &rdquo؛ credit سطر تحت embed يساعد احتفظ هذا أداة مجاني — لكن أنت مجاني إلى style أو remove إنه؛ الأداة يعمل أي من طريقة.