SAS инструменты Сайт с 1000 ми полезных инструментов и калькуляторов SAS
Вероятностный анализ доказательств
Калькулятор теоремы Байеса PRO
Узнайте истинную вероятность события с учетом точности теста и базовой распространенности (Prevalence)
Готовые сценарии из жизни:
P(A)
Распространенность диагноза или явления среди всего населения (Prevalence).
%
Введите корректную вероятность
P(B|A)
Вероятность того, что тест покажет «+», если событие РЕАЛЬНО имеет место (True Positive Rate).
%
Введите вероятность от 0 до 100%
P(B|¬A)
Вероятность ложного срабатывания теста, когда события на самом деле НЕТ (False Positive Rate).
%
Введите вероятность от 0 до 100%
Истинная вероятность события при положительном тесте:
Умеренная
16.64%
Шанс: 1 из 6
Парадокс редкого базового процента: даже при 99% чувствительности теста положительный результат означает наличие заболевания лишь в 16.64% случаев.
Как тест изменил вероятности (До и После):
Базовый априорный шанс без теста P(A)
1.00%
После ПОЛОЖИТЕЛЬНОГО теста P(A|B)
16.64%
После ОТРИЦАТЕЛЬНОГО теста P(A|¬B)
0.01%
Наглядная картина на 10 000 случаев (Метод Гигеренцера)
Понятно без высшей математики
Реально имеют событие A:
100 чел.
Положительный тест (Верно):
99 чел.
Отрицательный тест (Пропуск):
1 чел.
Здоровы / События нет ¬A:
9 900 чел.
Ложная тревога (Тест +):
495 чел.
Отрицательный тест (Верно):
9 405 чел.
Итого положительный результат получат: 594 человека. Из них реально имеют состояние лишь 99 человек. Отсюда 99 / 594 = 16.64%.
| Событие ЕСТЬ (A) | События НЕТ (¬A) | |
|---|---|---|
| Тест «+» | 99 Истинно положительные | 495 Ложные тревоги |
| Тест «−» | 1 Ложноотрицательные | 9 405 Истинно отрицательные |
Математический расчет с подстановкой
Формула Байеса
Экспертная интерпретация и рекомендации
Нажмите «Обновить AI-разбор» для генерации персонального клинического или логического анализа ситуации с учетом Байесовского фактора.
