04.2 新的证书变更评价

内容与核心概念

前一页:多重结果的可能性。
积极的信号并不等于事件的确定性:其原始的稀有性很重要;Bayes公式将新证书与以前的评估联系起来。
在10,000起事件中,100起拥有产权。
Для изменения рисунка включитеJavaScript; расчёт и теория доступны далее.
不要混淆状态方向
对于事件A,B at P(B)>0, 估算概率的确定: P(A~B)=P(A\B)/P(B)。由于共同概率可以由拜斯获得的P(b\A)P(E)记录:
P
(
A
∣
B
)
=
P
(
B
∣
A
)
P
(
A
)
P
(
B
∣
A
)
P
(
A
)
+
P
(
B
∣
¬
A
)
P
(
¬
A
)
.
P(A\mid B)=\frac{P(B\mid A)P(A)}{P(B\mid A)P(A)+P(B\mid\neg A)P(\neg A)}.
P
(
A
∣
B
)
=
P
(
B
∣
A
)
P
(
A
)
+
P
(
B
∣
¬
A
)
P
(
¬
A
)
P
(
B
∣
A
)
P
(
A
)
​
.
这是一次事件的代数, 而不是改变信仰的神秘方式。 M04 §3.5, §3.11。 在 A实验室, 它意味着一个罕见的缺陷, B 是来自训练探测器的正面信号。 这不是医学建议。
前面的 P( A) = 01, 灵敏度= P( B\ A)= 9, 9, 假阳率= P[ B\ BA] =. 05。 一万个站点预计将有100个缺陷, 90个真实信号, 495个虚假信号。 在585个信号中, 只有90个有缺陷: 后方= 90/585= 2/13 E.153846, 不是9个。
实验。
离开探测器的特性并增加在5时前的特性。Posidee将变成.9/(9+.05)E.947368。同一探测器改变了流动的构成,因此,“90%的灵敏度”不能在没有基准频率的情况下确定真实正结果的比例。
很容易犯错
每10,000个数字是数学预期数,但每个经历中天体的数量无法保证。 P(A10/B) 不是 P(B)A。 如果P(b)=0, 估算值没有定义; 界面解释没有可能的正信号, 没有显示 0/0。 有条件连接无法证明干预的因果关系 。
prior, sensitivity, fpr = .01,.9,.05
positive = prior*sensitivity+(1-prior)*fpr
posterior = prior*sensitivity/positive
assert abs(posterior-2/13)<1e-12
代码重复了刚刚处理的操作
完全检查了 Python 示例章节
可用一个单独的文件; 显示的短片不会取代其执行 。
经常出现的正面信号并不能消除最初事件很少发生的情况。
哪些设置可以更好地解释观测结果。 这个问题如何继续产生结果?
第04章Python实例
学术基础