Nhập ba con số — tình trạng phổ biến đến mức nào (tiên nghiệm), bằng chứng xuất hiện thường xuyên thế nào khi tình trạng hiện diện (độ nhạy), và nó xuất hiện thường xuyên thế nào khi không có (tỷ lệ dương tính giả) — và định lý Bayes trả về xác suất đã cập nhật.
Vì tình trạng này rất hiếm. Các trường hợp dương tính giả từ nhóm khỏe mạnh khổng lồ (9,900 × 5% = 495) áp đảo các trường hợp dương tính thật từ nhóm bệnh nhỏ bé (100 × 99% = 99). Tỷ lệ cơ sở chiếm ưu thế — đó là toàn bộ bài học của định lý Bayes.
Tiền nhiệm là niềm tin của bạn trước bằng chứng mới; hậu nhiệm là niềm tin đã cập nhật sau khi cân nhắc bằng chứng theo mức độ được kỳ vọng của nó dưới mỗi khả năng. Định lý Bayes là phép tính chính xác của việc cập nhật đó.
Có — bộ lọc spam, chẩn đoán lỗi, khả năng pháp y và dự báo đều dùng cùng cấu trúc: một tỷ lệ cơ sở, một tỷ lệ trúng và một tỷ lệ báo động giả.
Dạng kinh điển P(A|B) = P(B|A) × P(A) ÷ P(B) cần P(B) trực tiếp; máy tính này xây dựng P(B) từ hai tỷ lệ điều kiện thay vào đó, đó là cách các đầu vào thường được biết trong thực tế.
P(A | B) = P(B | A) × P(A) ÷ P(B), với tỷ lệ bằng chứng tổng thể được xây dựng bằng luật xác suất toàn phần: P(B) = P(B | A) × P(A) + P(B | không A) × P(không A). Thay vào cho dạng ba đầu vào mà máy tính này sử dụng.
Các đầu vào: tiên nghiệm 0.01, độ nhạy 0.99, tỷ lệ dương tính giả 0.05.
Các bước: P(B) = 0.99 × 0.01 + 0.05 × 0.99 = 0.0099 + 0.0495 = 0.0594. Hậu nghiệm = 0.0099 ÷ 0.0594 = 0.1667.
Kết quả: P(A | dương tính) = 16.67% — bất chấp một kiểm định 'chính xác 99%', vì tình trạng này hiếm.
Thêm máy tính này vào trang web hoặc blog của riêng bạn — nó hoàn toàn miễn phí, không cần đăng ký, và luôn hiển thị phiên bản mới nhất. Sao chép mã bên dưới và dán nó vào trang của bạn tại nơi bạn muốn máy tính xuất hiện. Việc giữ lại dòng ghi công nhỏ “Powered by Loona Automation” dưới phần nhúng giúp giữ công cụ này miễn phí — nhưng bạn tự do tạo kiểu hoặc xóa nó; công cụ hoạt động theo cả hai cách.