天才一秒记住【热天中文网】地址：https://www.rtzw.net
第2讲贝叶斯推理的结果，有时与直觉大相径庭①使用客观数据时的注意事项
banner"
>
2-1计算罹患癌症的概率
本讲是通过一些容易获取客观数据的案例，对于贝叶斯推理进行说明。
需要了解的重点是，理解“如果从客观的数据来考虑的话，反而会容易陷入误解之中”
的问题。
在这里，你会发现概率的不可思议。
下面，用医疗诊查来举例进行说明。
在医疗发达的当今社会，我们能够获得多数病症的统计数据。
另外，在发觉自己出现了一定症状之前，就能够发现病情的技术也在不断发展进步。
但是，依然存在一个问题：如何判断通过检查得出的“是不是X病情”
这一结果的准确性呢？
假设，你接受了一项“如果患了特定的癌症的话，结果有95％的概率为阳性的检查”
，并且在之后收到了结果为阳性的报告。
此时，你会判断自己患该癌症的概率为95％吗？
答案是“不会”
。
如果“自己患癌症的概率真的为95％”
的话，你肯定会对这个结果感到非常悲观。
实际上，对此做出错误判断的人大概有很多吧。
但是，从“阳性”
这个结果来推断“你患了癌症的概率”
，这也并不是一个特别高的数字。
在该推算中，由于是从“阳性”
这一“结果”
追溯到“患癌症”
这一“原因”
，因此可看作贝叶斯推理的典型案例。
在本讲中，我们首先进行问题的设定。
以下数据是为了简化计算而假设的虚构数值，并非真实的数据。
问题设定
假设，某种特定的癌症的患病率为0.1％（0.001）。
有一个简易的方法能够检查出是否患上这种癌症：患上这种癌症的人中有95％（0.95）的概率被诊断为阳性。
但另一方面，健康人群也有2％（0.02）的可能性被误诊为阳性。
本章未完，请点击下一章继续阅读！若浏览器显示没有新章节了，请尝试点击右上角↗️或右下角↘️的菜单，退出阅读模式即可，谢谢！