В случае больного тест дает положительный результат с вероятностью p1
В случае здорового тест дает отрицательный результат с вероятностью p2
Будем считать что и p1 и p2 достаточно близки к 1.
Какова вероятность того что человек болен если тест дал положительный результат?
Какова вероятность того что человек болен если тест дал отрицательный результат?
N>В случае больного тест дает положительный результат с вероятностью p1 N>В случае здорового тест дает отрицательный результат с вероятностью p2 N>Будем считать что и p1 и p2 достаточно близки к 1.
N>Какова вероятность того что человек болен если тест дал положительный результат? N>Какова вероятность того что человек болен если тест дал отрицательный результат?
А что тут прогать-то? Одна ж формула.
Обозначим вероятность того, что человек болен через P.
Для положительного теста: вер. обнаружения + вероятность ложной тревоги = 1:
P*p1 + (1-P)(1-p2) = 1 Отсюда P = (p2 — 1)/(p1 + p2 -1), если в алгебре не ошибся
Здравствуйте, andyp, Вы писали:
A>А что тут прогать-то? Одна ж формула. A>Обозначим вероятность того, что человек болен через P. A>Для положительного теста: вер. обнаружения + вероятность ложной тревоги = 1: A>P*p1 + (1-P)(1-p2) = 1 Отсюда P = (p2 — 1)/(p1 + p2 -1), если в алгебре не ошибся A>Для отрицательного теста: вер. пропуска + вер. правильного необнаружения = 1: A>P*(1-p1) + (1-P)*p2 = 1 Отсюда P = p2 /(p1 + p2 — 1)
Тут же вроде формула Байеса. Формулы выше не очень похожи.
Здравствуйте, andyp, Вы писали:
A>если рассм. только здоровых пациентов, положит и отриц тесты образуют полную группу событий и: A>P(П|З) = 1 — P(О|З)
Я не уверен, что это формула верна: P(П|З) + P(О|З) = P(З) . Т.е. тут нужна формула полной вероятности.
A>Это дает возможность избавиться от априорных вероятностей в числителе и знаменателе (*) A>Р(Б|П) =~ p1/(p1 + p2 — 1)
A>>если рассм. только здоровых пациентов, положит и отриц тесты образуют полную группу событий и: A>>P(П|З) = 1 — P(О|З)
S>Я не уверен, что это формула верна: P(П|З) + P(О|З) = P(З) . Т.е. тут нужна формула полной вероятности.
С заболевшими все норм вроде. Представь, что тесты берут только у них. Возможные исходы — положит или отриц тест
A>>Это дает возможность избавиться от априорных вероятностей в числителе и знаменателе (*) A>>Р(Б|П) =~ p1/(p1 + p2 — 1) S>p1=p2=0.9, то p > 1
Ну да. Мне тоже не нравится. Но как решить исходную задачу, если априори про заболевших ничего не известно. Никакие знания о тест-системе тебе априорного распределения заболевших не дадут.
S>>Я не уверен, что это формула верна: P(П|З) + P(О|З) = P(З) . Т.е. тут нужна формула полной вероятности. A>С заболевшими все норм вроде. Представь, что тесты берут только у них. Возможные исходы — положит или отриц тест
Похоже я тут маху дал: P(П|З)P(З) + P(О|З)P(З) = 1. Вот формула полной вер-ти. В любом случае та формула выше неверна.
A>>>Р(Б|П) =~ p1/(p1 + p2 — 1) S>>p1=p2=0.9, то p > 1 A>Ну да. Мне тоже не нравится. Но как решить исходную задачу, если априори про заболевших ничего не известно. Никакие знания о тест-системе тебе априорного распределения заболевших не дадут.
Мне кажется, тут данных маловато в условии. Ждем уточнения от автора.
S>Похоже я тут маху дал: P(П|З)P(З) + P(О|З)P(З) = 1. Вот формула полной вер-ти. В любом случае та формула выше неверна.
Смотри, у тебя левая часть фактически P(П,З) + P(О,З) — сумма вероятностей пересечений множеств исходов (П.З) и (О,З). Она никак не может быть равной 1, так как 1 равна следующая сумма
P(П,З) + P(О,З) + P(П,Б) + P(О,Б) — тут пересечения образуют полную группу событий.
Теперь представь мысленно, что бы тестируешь своей тест-системой только здоровых и получаешь некоторые частоты положительных и отрицательных результатов. Это и есть P(П|З) и P(О|З). Для них справедливо P(П|З) + P(О|З) = 1. Первое слагаемое — вероятность ложной тревоги, вторая — правильное необнаружение (это если в терминах статистической радиотехники, что мне ближе). Здесь условные вероятности — фактически вероятности условных событий (см. например https://en.wikipedia.org/wiki/Conditional_probability, одно из определений As the probability of a conditional event) Эти два условных события тоже образуют полную группу и определяются только параметрами твоей тест-системы.
Ну как-то так думаю. Лучше объяснить свою точку зрения не могу.
Здравствуйте, andyp, Вы писали:
A>Смотри, у тебя левая часть фактически P(П,З) + P(О,З) — сумма вероятностей пересечений множеств исходов (П.З) и (О,З). Она никак не может быть равной 1, так как 1 равна следующая сумма A>P(П,З) + P(О,З) + P(П,Б) + P(О,Б) — тут пересечения образуют полную группу событий. A>Теперь представь мысленно, что бы тестируешь своей тест-системой только здоровых и получаешь некоторые частоты положительных и отрицательных результатов. Это и есть P(П|З) и P(О|З). Для них справедливо P(П|З) + P(О|З) = 1.
Понял, речь о том, что мы точно знаем P(З) = 1. Тогда все верно, а моя формула ( P(П|З)P(З) + P(О|З)P(З) = 1)
не верна в общем случае (P(З) не 1).
Спор ни о чем. Не знаю к чему этот этюд, если все решается формулой Байеса.
Здравствуйте, nikholas, Вы писали:
N>Тесты на COVID не всегда дают правильный ответ.
N>В случае больного тест дает положительный результат с вероятностью p1 N>В случае здорового тест дает отрицательный результат с вероятностью p2 N>Будем считать что и p1 и p2 достаточно близки к 1.
N>Какова вероятность того что человек болен если тест дал положительный результат? N>Какова вероятность того что человек болен если тест дал отрицательный результат?
И та и другая вероятность зависит от % больных людей в популяции.
А так по формуле Байеса все считается.