Loona Laskurit
Loona Calculators › Matematiikka › Bayesin teoreeman laskuri

🔄 Bayesin teoreeman laskuri

Syötä kolme lukua — kuinka yleinen tila on (priori), kuinka usein näyttö esiintyy, kun tila on läsnä (herkkyys), ja kuinka usein se esiintyy, kun sitä ei ole (väärän positiivisen osuus) — ja Bayesin teoreema palauttaa päivitetyn todennäköisyyden.

Nopea vastaus: Posteriori = (priori × herkkyys) ÷ (priori × herkkyys + (1 − priori) × väärien positiivisten osuus). Kuuluisa esimerkki: sairaus, joka vaikuttaa 1:een 100:sta, testi, joka on 99% herkkä ja jossa on 5% vääriä positiivisia — positiivinen tulos tarkoittaa silti vain noin 16.7%:n mahdollisuutta sairauteen.

Kuinka käyttää Bayesin lauseen laskuria

  1. Syötä ennakkotodennäköisyys P(A) — kuinka todennäköinen tila oli ennen näyttöä.
  2. Syötä P(todiste | A) — tosipositiivisten osuus / herkkyys.
  3. Syötä P(todiste | ei A) — väärien positiivisten osuus.
  4. Lue posteriori P(A | todiste) ja koko erittely.
Esimerkki: Seulotaan 10,000 ihmistä 1%:n sairauden varalta: 100:lla on se ja 99 testaa positiivisesti; 9,900:lla ei ole ja 495 testaa väärin positiivisesti. 594 positiivisesta vain 99 on todellisia: 99 ÷ 594 = 16.7%.

Usein kysytyt kysymykset

Miksi vastaus on niin paljon alhaisempi kuin 'testi on 99% tarkka'?

Koska tila on harvinainen. Väärät positiiviset valtavasta terveestä ryhmästä (9,900 × 5% = 495) hukuttavat todelliset positiiviset pienestä sairaasta ryhmästä (100 × 99% = 99). Kantaprosentit hallitsevat — se on koko Bayesin lauseen opetus.

Mitä priori ja posteriori tarkoittavat?

Ennakko on uskomuksesi ennen uutta näyttöä; jälkikäteinen on päivitetty uskomus näytön punnitsemisen jälkeen sen mukaan, kuinka odotettua se on kussakin mahdollisuudessa. Bayesin lause on tuon päivityksen tarkkaa laskentaa.

Voinko käyttää sitä lääketieteellisten testien ulkopuolella?

Kyllä — roskapostisuodattimet, vianmääritys, rikostekniset todennäköisyydet ja ennustaminen käyttävät kaikki samaa rakennetta: perusastetta, osuma-astetta ja väärän hälytyksen astetta.

Entä jos tiedän vain yleisen näyttöasteen P(B)?

Klassinen muoto P(A|B) = P(B|A) × P(A) ÷ P(B) tarvitsee P(B):n suoraan; tämä laskuri muodostaa P(B):n sen sijaan kahdesta ehdollisesta osuudesta, mikä on käytännössä tapa, jolla syötteet yleensä tunnetaan.

Aiheeseen liittyvät laskurit

%

Prosenttilaskuri

Matematiikka

📊

Tilastolaskuri

Matematiikka

½

Murtolukulaskuri

Matematiikka

🧮

Yhtälönratkaisija

Matematiikka

🔬

Tieteellinen laskin

Matematiikka

📐

Keskiarvolaskuri

Matematiikka

🔔

Z-pistelaskuri

Matematiikka

🎲

Todennäköisyyslaskuri

Matematiikka

Kuinka se toimii — kaava

P(A | B) = P(B | A) × P(A) ÷ P(B), kun kokonaisnäyttöaste muodostetaan kokonaistodennäköisyyden lailla: P(B) = P(B | A) × P(A) + P(B | not A) × P(not A). Sijoittaminen antaa kolmen syötteen muodon, jota tämä laskuri käyttää.

Laskettu esimerkki

Syötteet: priori 0.01, herkkyys 0.99, väärien positiivisten osuus 0.05.

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

Tulos: P(A | positiivinen) = 16.67% — huolimatta '99 % tarkasta' testistä, koska tila on harvinainen.

Upota tämä laskuri verkkosivustollesi — ilmaiseksi

Lisää tämä laskuri omalle verkkosivustollesi tai blogiisi — se on täysin ilmainen, ei vaadi rekisteröitymistä ja näyttää aina uusimman version. Kopioi alla oleva koodi ja liitä se sivullesi siihen kohtaan, johon haluat laskurin näkyvän. Upotuksen alla olevan pienen “Palvelun tarjoaa Loona Automation” -maininnan säilyttäminen auttaa pitämään tämän työkalun ilmaisena — mutta voit vapaasti muotoilla tai poistaa sen; työkalu toimii joka tapauksessa.