一项血液化验有95%的把我诊断某种疾病,但是,这项化验用于健康人也会有1%的“伪阳性”结果(即如果一个健康人接受这项化验,则化验结果乌镇此人患有该疾病的概率是0.01)。如果该疾病的患者事实上只占总人口的0.5%,若某人化验结果为阳性,则此人确实患疾病的概率是多少?
这一题,按照上一篇文章中所写的技巧:
https://blog.csdn.net/killian0213/article/details/132495728?spm=1001.2014.3001.5501
我先建模。用信息的得知的先后,划分出时间差异,捏造因果。
那么这题里面的因果是什么?
是上面这样吗?
不对。不能这样命名。
命名要符合怎样的要求呢?
1. 因,必须由一个【动词的发出者】+【动词】构造。
这个动词导致了【果】(所命名的事态)的发生。
化验结果为阴和化验结果为阳,也是一个【果】的叙述,并不能直接导致【果】的发生。完全文不对题。不能成为因。
而类似【未得该病的人 做测试】就可以。
2.【因】的描述中,【动词的发出者】这一个集体,暗藏了被划分出两部分或多部分的潜能。
比如【动物】可以被划分为【哺乳】或【非哺乳】。而这个划分的潜能由【动词】激发出来,为【真的要去划分】做准备。
在这道题中,【人】这个集体可以被划分为【未得该病的人】和【得了该病的人】。是因为什么被划分的呢?——做测试。
为了达到确认【果】的效果,这里的动词【做了测试】,将人划分成了两种人。
3. 是【人】的数量被划分成了两类。而贝叶斯公式描述的是这种划分方法(函数)。
4. 这个【划分方法】只有【乘以】对应的【人数】,才能获得它在结果中的新的【数量】
P(阳|未病的人做了测试)并不是一个【人群】,只是一种【划分方法】
5.【果】是一个综合态,是这个动作产生的顺其自然的【直接结果】。
就像【人群】已经是【得病人】和【非得病人】的综合一样,可以被拆分一样。经由这个模型,这个果也可以被拆分成不同的原因。而且这个原因不同于【简单的描述】,而是一个过程。
6.在贝叶斯的建模中,结果先于原因。非常奇怪。非常发人深省。
人的分析已发生事物的逻辑和贝叶斯的方法是一模一样的。
真的非常诡异。