Loona 计算器
Loona Calculators › 数学 › 贝叶斯定理计算器

🔄 贝叶斯定理计算器

输入三个数字——该情况有多常见(先验)、当该情况存在时证据出现的频率(灵敏度),以及当该情况不存在时证据出现的频率(假阳性率)——贝叶斯定理会返回更新后的概率。

快速答案: 后验概率 =(先验概率 × 灵敏度)÷(先验概率 × 灵敏度 + (1 − 先验概率) × 假阳性率)。著名的例子:一种疾病的患病率为 1/100,一项检测灵敏度为 99%,假阳性率为 5%——即便检测结果为阳性,实际患病的概率仍只有约 16.7%。

如何使用贝叶斯定理计算器

  1. 输入先验概率 P(A)——在有证据之前该情况的可能性有多大。
  2. 输入 P(证据 | A)——真阳性率 / 灵敏度。
  3. 输入 P(证据 | 非 A)——假阳性率。
  4. 读取后验 P(A | evidence) 和完整明细。
示例: 对 10,000 人筛查患病率为 1% 的疾病:100 人患病,其中 99 人检测呈阳性;9,900 人未患病,其中 495 人假阳性。在 594 例阳性中,只有 99 例是真实的:99 ÷ 594 = 16.7%。

常见问题

为什么答案比“检验准确率 99%”低得多?

因为这种情况罕见。来自庞大健康群体的假阳性(9,900 × 5% = 495)淹没了来自微小患病群体的真阳性(100 × 99% = 99)。基率占主导——这正是贝叶斯定理的全部教训。

先验和后验是什么意思?

先验是您在新证据出现之前的信念;后验是在按每种可能性下证据的预期程度加权证据后更新的信念。贝叶斯定理正是该更新的精确算术。

我可以将其用于医学检查之外的用途吗?

是的——垃圾邮件过滤、故障诊断、法医似然和预测都使用相同的结构:基础率、命中率和误报率。

如果我只知道总体证据率 P(B) 怎么办?

经典形式 P(A|B) = P(B|A) × P(A) ÷ P(B) 需要直接的 P(B);本计算器改为从两个条件率构建 P(B),这正是实践中通常已知输入的方式。

相关计算器

%

百分比计算器

数学

📊

统计计算器

数学

½

分数计算器

数学

🧮

方程求解器

数学

🔬

科学计算器

数学

📐

平均值计算器

数学

🔔

Z分数计算器

数学

🎲

概率计算器

数学

工作原理 — 公式

P(A | B) = P(B | A) × P(A) ÷ P(B),总证据率由全概率定律构建: P(B) = P(B | A) × P(A) + P(B | not A) × P(not A)。代入后得到本计算器使用的三输入形式。

示例

输入项: 先验0.01,灵敏度0.99,假阳性率0.05。

步骤: P(B) = 0.99 × 0.01 + 0.05 × 0.99 = 0.0099 + 0.0495 = 0.0594。后验 = 0.0099 ÷ 0.0594 = 0.1667。

结果: P(A | positive) = 16.67% ——尽管检测'准确率99%',因为这种病症很罕见。

将此计算器嵌入您的网站——免费

将本计算器添加到您自己的网站或博客——完全免费,无需注册,并且始终显示最新版本。复制下面的代码,粘贴到您希望计算器出现的页面位置。在嵌入下方保留小小的 “Powered by Loona Automation” 署名行有助于保持本工具免费——但您可以自由设置样式或将其移除;无论哪种方式工具都能工作。