贝叶斯推理侦探

把“检测阳性”拆成真阳性和假阳性,观察基础概率如何改变最终判断。

阳性后真实概率 0%
真正患病 0 由基础概率决定
阳性总数 0 真阳性 + 假阳性
真阳性 0 有病且检测阳性
假阳性 0 无病但检测阳性

人群证据图

证据强度:计算中
真阳性:有病且阳性
假阳性:无病但阳性
假阴性:有病但阴性
真阴性:无病且阴性

贝叶斯公式

P(有病|阳性) = 真阳性 ÷ 所有阳性 = 0 ÷ 0 = 0% 基础概率进入分子,也进入分母。

阳性结果构成

真阳性 0%
假阳性 0%
真阳性人数0
假阳性人数0
假阴性人数0
真阴性人数0

当前判断

正在计算当前参数下的后验概率。

从先验到后验

检测前
0%
检测阳性后
0%

条件概率贡献

患病人群阳性
0
健康人群误报
0
📊 已访问