Loona Beregnere
Loona Calculators › Matematik › Bayes' sætning-beregner

🔄 Beregner for Bayes' sætning

Indtast tre tal — hvor almindelig tilstanden er (prior), hvor ofte beviset optræder, når tilstanden er til stede (sensitivitet), og hvor ofte det optræder, når den ikke er (falsk-positiv rate) — og Bayes' sætning returnerer den opdaterede sandsynlighed.

Hurtigt svar: Posterior = (prior × sensitivitet) ÷ (prior × sensitivitet + (1 − prior) × falsk-positiv-rate). Det berømte eksempel: en sygdom, der rammer 1 ud af 100, en test med 99% sensitivitet og 5% falske positive — et positivt resultat betyder stadig kun cirka 16.7% chance for sygdom.

Sådan bruger du Bayes' sætningsberegner

  1. Indtast den forudgående sandsynlighed P(A) — hvor sandsynlig tilstanden var før beviset.
  2. Indtast P(bevis | A) — den sandt-positive rate / sensitiviteten.
  3. Indtast P(bevis | ikke A) — den falsk-positive rate.
  4. Aflæs posterior P(A | evidence) og den fulde opdeling.
Eksempel: Screening af 10,000 mennesker for en tilstand på 1%: 100 har den, og 99 tester positive; 9,900 har den ikke, og 495 tester falsk positive. Ud af 594 positive er kun 99 reelle: 99 ÷ 594 = 16.7%.

Ofte stillede spørgsmål

Hvorfor er svaret så meget lavere end 'testen er 99% præcis'?

Fordi tilstanden er sjælden. Falske positiver fra den enorme raske gruppe (9,900 × 5% = 495) overskygger de sande positiver fra den lille syge gruppe (100 × 99% = 99). Basisrater dominerer — det er hele læren i Bayes' sætning.

Hvad betyder prior og posterior?

Prioren er din overbevisning før det nye bevis; posterioren er den opdaterede overbevisning efter at have vejet beviset efter, hvor forventet det er under hver mulighed. Bayes' sætning er den eksakte regning bag den opdatering.

Kan jeg bruge det ud over medicinske tests?

Ja — spamfiltre, fejldiagnosticering, retsmedicinske sandsynligheder og prognoser bruger alle den samme struktur: en basissats, en træfsats og en falsk alarmsats.

Hvad hvis jeg kun kender den samlede bevissandsynlighed P(B)?

Den klassiske form P(A|B) = P(B|A) × P(A) ÷ P(B) kræver P(B) direkte; denne beregner bygger i stedet P(B) ud fra de to betingede satser, hvilket er sådan, inddataene normalt kendes i praksis.

Relaterede Beregnere

%

Procentberegner

Matematik

📊

Statistikberegner

Matematik

½

Brøkberegner

Matematik

🧮

Ligningsløser

Matematik

🔬

Videnskabelig lommeregner

Matematik

📐

Gennemsnitsberegner

Matematik

🔔

Z-scoreberegner

Matematik

🎲

Sandsynlighedsberegner

Matematik

Sådan fungerer det — formlen

P(A | B) = P(B | A) × P(A) ÷ P(B), med den samlede evidensrate bygget efter loven om total sandsynlighed: P(B) = P(B | A) × P(A) + P(B | not A) × P(not A). Indsættelse giver den tre-input-form, denne beregner bruger.

Gennemregnet eksempel

Input: prior 0.01, sensitivitet 0.99, falsk positiv-sats 0.05.

Trin: P(B) = 0.99 × 0.01 + 0.05 × 0.99 = 0.0099 + 0.0495 = 0.0594. Posterior = 0.0099 ÷ 0.0594 = 0.1667.

Resultat: P(A | positive) = 16.67% — på trods af en test, der er '99% præcis', fordi tilstanden er sjælden.

Indlejr denne beregner på din hjemmeside — gratis

Tilføj denne beregner til dit eget website eller din blog — den er helt gratis, kræver ingen tilmelding og viser altid den nyeste version. Kopiér koden nedenfor, og indsæt den på din side, hvor beregneren skal vises. Hvis du beholder den lille kreditlinje “Powered by Loona Automation” under indlejringen, hjælper det med at holde dette værktøj gratis — men du er fri til at style eller fjerne den; værktøjet virker på begge måder.