Loona Калькуляторы
Loona Calculators › Математика › Калькулятор теоремы Байеса

🔄 Калькулятор теоремы Байеса

Введите три числа — насколько распространено состояние (априорная вероятность), как часто свидетельство появляется, когда состояние присутствует (чувствительность), и как часто оно появляется, когда его нет (частота ложноположительных результатов), — и теорема Байеса вернёт обновлённую вероятность.

Быстрый ответ: Апостериорная = (априорная × чувствительность) ÷ (априорная × чувствительность + (1 − априорная) × частота ложноположительных). Знаменитый пример: болезнь, поражающая 1 из 100, тест с чувствительностью 99% и 5% ложноположительных — положительный результат всё равно означает лишь около 16.7% шанса болезни.

Как использовать калькулятор теоремы Байеса

  1. Введите априорную вероятность P(A) — насколько вероятным было состояние до получения свидетельств.
  2. Введите P(evidence | A) — частоту истинно положительных результатов / чувствительность.
  3. Введите P(evidence | not A) — частоту ложноположительных результатов.
  4. Читайте апостериорную P(A | evidence) и полную разбивку.
Пример: Скрининг 10,000 человек на состояние в 1%: 100 имеют его и 99 получают положительный тест; 9,900 не имеют и 495 ложно получают положительный. Из 594 положительных только 99 настоящие: 99 ÷ 594 = 16.7%.

Часто задаваемые вопросы

Почему ответ намного ниже, чем 'тест точен на 99%'?

Потому что это состояние встречается редко. Ложноположительные результаты из огромной здоровой группы (9,900 × 5% = 495) затмевают истинно положительные результаты из крошечной больной группы (100 × 99% = 99). Базовые частоты доминируют — в этом весь урок теоремы Байеса.

Что означают априорная и апостериорная вероятности?

Априорная вероятность — это ваше убеждение до новых свидетельств; апостериорная — обновлённое убеждение после взвешивания свидетельств по тому, насколько они ожидаемы при каждой возможности. Теорема Байеса — точная арифметика этого обновления.

Могу ли я использовать это не только для медицинских тестов?

Да — спам-фильтры, диагностика неисправностей, судебно-медицинские вероятности и прогнозирование используют одну и ту же структуру: базовую частоту, частоту попаданий и частоту ложных тревог.

Что, если я знаю только общую ставку свидетельств P(B)?

Классическая форма P(A|B) = P(B|A) × P(A) ÷ P(B) требует P(B) напрямую; этот калькулятор вместо этого строит P(B) из двух условных ставок, а именно так входные данные обычно известны на практике.

Связанные калькуляторы

%

Калькулятор процентов

Математика

📊

Калькулятор статистики

Математика

½

Калькулятор дробей

Математика

🧮

Решатель уравнений

Математика

🔬

Научный калькулятор

Математика

📐

Калькулятор среднего значения

Математика

🔔

Калькулятор Z-показателя

Математика

🎲

Калькулятор вероятности

Математика

Как это работает — формула

P(A | B) = P(B | A) × P(A) ÷ P(B), с общей частотой доказательств, построенной по закону полной вероятности: P(B) = P(B | A) × P(A) + P(B | not A) × P(not A). Подстановка даёт форму с тремя входными данными, которую использует этот калькулятор.

Разобранный пример

Исходные данные: априорное значение 0.01, чувствительность 0.99, частота ложноположительных результатов 0.05.

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

Результат: P(A | positive) = 16.67% — несмотря на тест с точностью '99%', потому что заболевание редкое.

Встройте этот калькулятор на ваш сайт — бесплатно

Добавьте этот калькулятор на свой сайт или в блог — он полностью бесплатен, не требует регистрации и всегда показывает последнюю версию. Скопируйте код ниже и вставьте его на свою страницу туда, где должен появиться калькулятор. Сохранение небольшой строки с указанием авторства “Powered by Loona Automation” под встроенным блоком помогает сохранять этот инструмент бесплатным — но вы можете оформить её по-своему или удалить; инструмент будет работать в любом случае.