Skriv inn tre tall — hvor vanlig tilstanden er (prior), hvor ofte beviset vises når tilstanden er til stede (sensitivitet), og hvor ofte det vises når den ikke er det (rate for falske positive) — og Bayes' teorem returnerer den oppdaterte sannsynligheten.
Fordi tilstanden er sjelden. Falske positive fra den enorme sunne gruppen (9,900 × 5% = 495) drukner de sanne positiverne fra den ørlille syke gruppen (100 × 99% = 99). Baserater dominerer — det er hele lærdommen i Bayes' teorem.
Prior er troen din før det nye beviset; posterior er den oppdaterte troen etter å ha vektet beviset etter hvor forventet det er under hver mulighet. Bayes' teorem er den eksakte aritmetikken i den oppdateringen.
Ja — søppelfiltre, feildiagnostikk, rettsmedisinske sannsynligheter og prognoser bruker alle den samme strukturen: en grunnsats, en treffsats og en falsk alarmsats.
Den klassiske formen P(A|B) = P(B|A) × P(A) ÷ P(B) trenger P(B) direkte; denne kalkulatoren bygger P(B) fra de to betingede ratene i stedet, som er slik inndataene vanligvis er kjent i praksis.
P(A | B) = P(B | A) × P(A) ÷ P(B), med den totale bevisraten bygget opp av loven om total sannsynlighet: P(B) = P(B | A) × P(A) + P(B | not A) × P(not A). Settes verdiene inn, får man formen med tre inndata som denne kalkulatoren bruker.
Inndata: prior 0.01, sensitivitet 0.99, falsk positiv-rate 0.05.
Trinn: 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 | positiv) = 16.67% — til tross for en test som er '99% nøyaktig', fordi tilstanden er sjelden.
Legg til denne kalkulatoren på ditt eget nettsted eller din egen blogg — den er helt gratis, krever ingen registrering, og viser alltid den nyeste versjonen. Kopier koden nedenfor og lim den inn på siden din der du vil at kalkulatoren skal vises. Å beholde den lille kreditteksten “Powered by Loona Automation” under innebyggingen bidrar til å holde dette verktøyet gratis — men du kan gjerne style eller fjerne den; verktøyet fungerer uansett.