Loona Kalkylatorer
Loona Kalkylatorer › Matematik › Kalkylator för Bayes sats

🔄 Bayes sats-kalkylator

Ange tre tal — hur vanligt tillståndet är (prior), hur ofta beviset uppträder när tillståndet finns (sensitivitet), och hur ofta det uppträder när det inte finns (falskt-positiv-andel) — och Bayes sats returnerar den uppdaterade sannolikheten.

Snabbt svar: Posterior = (prior × sensitivitet) ÷ (prior × sensitivitet + (1 − prior) × falskt positiv-frekvens). Det berömda exemplet: en sjukdom som drabbar 1 av 100, ett test med 99% sensitivitet och 5% falska positiva — ett positivt resultat betyder fortfarande endast ungefär 16.7% chans för sjukdom.

Så använder du räknaren för Bayes sats

  1. Ange den a priori-sannolikheten P(A) — hur sannolikt tillståndet var före beviset.
  2. Ange P(bevis | A) — andelen sant positiva / sensitiviteten.
  3. Ange P(bevis | inte A) — andelen falskt positiva.
  4. Läs posterior P(A | bevis) och den fullständiga uppdelningen.
Exempel: Screening av 10,000 personer för ett tillstånd på 1%: 100 har det och 99 testar positivt; 9,900 har det inte och 495 testar falskt positivt. Av 594 positiva är endast 99 verkliga: 99 ÷ 594 = 16.7%.

Vanliga frågor

Varför är svaret så mycket lägre än 'testet är 99% korrekt'?

Eftersom tillståndet är sällsynt. Falskt positiva från den enorma friska gruppen (9,900 × 5% = 495) dränker de sant positiva från den pyttelilla sjuka gruppen (100 × 99% = 99). Basfrekvenser dominerar — det är hela lärdomen i Bayes sats.

Vad betyder prior och posterior?

Priorn är din övertygelse före de nya bevisen; posteriorn är den uppdaterade övertygelsen efter att bevisen har vägts efter hur förväntade de är under varje möjlighet. Bayes sats är den exakta aritmetiken för den uppdateringen.

Kan jag använda det utöver medicinska tester?

Ja — skräppostfilter, feldiagnos, forensiska sannolikheter och prognoser använder alla samma struktur: en bastakt, en träfftakt och en falsklarmstakt.

Vad händer om jag bara känner till den totala evidensgraden P(B)?

Den klassiska formen P(A|B) = P(B|A) × P(A) ÷ P(B) behöver P(B) direkt; den här kalkylatorn bygger i stället P(B) från de två betingade sannolikheterna, vilket är så som indata vanligtvis är kända i praktiken.

Relaterade kalkylatorer

%

Procentkalkylator

Matematik

📊

Statistikkalkylator

Matematik

½

Bråkkalkylator

Matematik

🧮

Ekvationslösare

Matematik

🔬

Vetenskaplig kalkylator

Matematik

📐

Medelvärdeskalkylator

Matematik

🔔

Kalkylator för Z-poäng

Matematik

🎲

Sannolikhetskalkylator

Matematik

Hur det fungerar — formeln

P(A | B) = P(B | A) × P(A) ÷ P(B), med den totala evidensgraden uppbyggd av lagen om total sannolikhet: P(B) = P(B | A) × P(A) + P(B | inte A) × P(inte A). Insättning ger den form med tre indata som den här räknaren använder.

Genomräknat exempel

Indata: prior 0.01, känslighet 0.99, falskt positiv andel 0.05.

Steg: 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% — trots ett '99% korrekt' test, eftersom tillståndet är sällsynt.

Bädda in den här kalkylatorn på din webbplats — gratis

Lägg till den här kalkylatorn på din egen webbplats eller blogg — den är helt gratis, kräver ingen registrering och visar alltid den senaste versionen. Kopiera koden nedan och klistra in den på din sida där du vill att kalkylatorn ska visas. Att behålla den lilla krediten “Powered by Loona Automation” under inbäddningen hjälper till att hålla verktyget gratis — men du får gärna utforma eller ta bort den; verktyget fungerar oavsett.