Изменения

Перейти к: навигация, поиск
м
Добавил новый шаблон Arbital, прогнал викификатор
{{Arbital|bayes_frequency_diagram|Frequency diagrams: A first look at Bayes}}
Байесианские методы рассуждений о том, как менять убеждения при столкновении со свидетельствами.
Предположим, что вы доктор, проверяющий студентов на предмет заражения Болезнитом.
* На основе прошлых проверок, вы знаете, что примерно 2020 % студентов заражены в это время года.
Для выявления Болезнита вы используете меняющий цвет депрессор для языка, который обычно окрашивается черным, если у человека Болезнит.
* Среди всех зараженных Болезнитом, примерно у 9090 % депрессор становится черным.* Однако, тест не идеален, и окрашивается черным у 3030 % здоровых людей.
Один из ваших подопечных зашел в офис, засунул депрессор в рот, и он окрасился черным. Какова вероятность того, что у него Болезнит?
</gallery>
Лишь у 9090 % больных депрессов окрашивается черным, так же он окрашивается черным у 3030 % здоровых. Так что мы увидим черный цвет депрессора у 9090 % * 20 = 18 больных студентов, и у 3030 % * 80 = 24 здоровых
<gallery>
</gallery>
В итоге получается, что пациент с черным депрессором имеет 18/42 = 3/7 = 4343 % вероятность оказаться больным. Множество студентов-медиков находят этот ответ контр-интуитивным. Ведь тест выявляет Болезнит в 90 % случаев! Почему же при получении положительного результата вероятность все еще менее 50 % на то, что человек заражен Болезнитом? Потому что тест неверно «выявляет» Болезнит в 30 % случаев у здоровых людей, и у нас намного больше здоровых, чем больных. Тест дает нам кое-какое свидетельство в пользу того, что пациент болен. Вероятность заражения поднимается с 20 % до проведения теста к 43 % после того, как депрессор окрасился черным. Но этого недостаточно для окончательного заключения и следует провести еще тесты, более дорогие, например.
Множество студентовЕсли вы ощущаете силы для решения таких задач, попробуйте определить вероятность того, что у студента с не-медиков находят этот ответ контр-интуитивнымчерным депрессором (с отрицательным результатом теста) есть Болезнит. Ведь тест выявляет Болезнит в 90Опять же, мы начинаем с 20 % случаев! Почему же при получении положительного результата вероятность все еще менее 50больных и 80 % на тоздоровых, что человек заражен Болезнитом? Потому что тест неверно "выявляет" Болезнит в 3070 % случаев у здоровых людейполучат отрицательный результат, и у нас намного больше здоровых, чем лишь 10 % больныхтоже получат отрицательный результат.
Тест дает нам кое-какое свидетельство в пользу того, что пациент болен{{spoiler|title=Ответ| text=Представьте 20 больных студентов и 80 здоровых. Вероятность заражения поднимается с У 10% * 20= 2 больных студентов тест даст отрицательный результат. У 70% до проведения теста к 43% после того, как депрессор окрасился черным* 80 = 56 здоровых тоже будет отрицательный результат. Но этого недостаточно для окончательного заключения Из 2+56=58 студентов с отрицательным результатом лишь 2 будут больны и следует провести еще тесты, более дорогие, напримерс отрицательным результатом. Так что 2/58 = 1/29 = 3.4% студентов с отрицательным результатом будут заражены Болезнитом.}}
Если вы ощущаете силы для решения таких задач, попробуйте определить вероятность того, что у студента с не-черным депрессором (с отрицательным результатом теста) есть А теперь посмотрим на более хитрый способ решить задачу про Болезнит. Опять же, мы начинаем с 20% больных и 80% здоровых, 70% здоровых получат отрицательный результат, : [[Водопадные диаграммы и лишь 10% больных тоже получат отрицательный результатотносительные шансы]] [https://arbital.com/p/bayes_waterfall_diagram/?l=1x1&pathId=24787 Waterfall diagrams and relative odds ]
Ответ 1: вероятность, что у студента с почерневшим депрессором есть Болезнит составляет 3/7, т.е. примерно 43%.
Ответ 2=== Статьи по теме ===* Каталог статей гайда по ТБ: Представьте 20 больных студентов и 80 здоровых[[Теорема Байеса]] [https://arbital. У 10% com/p/bayes_rule/ Bayes' rule ]* 20 [https://arbital.com/p/bayes_frequency_diagram/?l=55z&pathId= 2 больных студентов тест даст отрицательный результат. У 24787 70% Frequency diagrams: A first look at Bayes ]* 80 = 56 здоровых тоже будет отрицательный результат. Из 2+56=58 студентов с отрицательным результатом лишь 2 будут больны Следующая статья в гайде: [[Водопадные диаграммы и с отрицательным результатомотносительные шансы]] [https://arbital. Так что 2com/p/bayes_waterfall_diagram/58 ?l= 11x1&pathId=24787 Waterfall diagrams and relative odds ]* [[lwru:/29 = 3.4% студентов с отрицательным результатом будут заражены Болезнитом.Интерпретации «вероятности»|Интерпретации «вероятности»]]* [[lwru:/Визуализация разных интерпретаций «вероятностей»|Визуализация разных интерпретаций «вероятностей»]]
А теперь посмотрим на более хитрый способ решить задачу про Болезнит: [[Водопадные диаграммы и относительные шансыКатегория:Теория вероятностей]] [https://arbital.com/p/bayes_waterfall_diagram/?l=1x1&pathId=24787 Waterfall diagrams and relative odds ]

Навигация