Пусть A — болезнь, B — положительный тест. Известно: P(A) = 0.01, P(B|A) = 0.9, P(B|not A) = 0.05. Примерно чему равно P(A|B)?
AОколо 1%: значение совпадает с базовой долей
P(A), и тест в этом случае не добавляет информацииBОколо 5%: значение совпадает с долей ложноположительных
P(B|not A) и игнорирует чувствительность P(B|A)CОколо 15%:
P(A|B) = P(B|A) P(A) / P(B) примерно равно 0.009 / 0.0585DОколо 90%: значение совпадает с чувствительностью
P(B|A) и игнорирует базовую долю P(A)Правильный ответ. Чтобы найти
P(A|B), применяют формулу Байеса и считают P(B) через полную вероятность.Разбор
Сначала считаем P(B) = P(B|A) P(A) + P(B|not A) P(not A) = 0.9 * 0.01 + 0.05 * 0.99 = 0.0585. Затем P(A|B) = P(B|A) P(A) / P(B) = 0.009 / 0.0585, что примерно равно 0.154, то есть около 15%. Типичная ошибка — путать P(A|B) с чувствительностью P(B|A) = 0.9 или с базовой долей P(A) = 0.01, не учитывая обе величины одновременно.
Проверь себя · 1/3разбор после ответа
Аналитик хочет ответить на вопрос: среди пользователей, которые получили пуш (событие B), какая доля совершила покупку (событие A). Какая вероятность соответствует этому вопросу?
Ещё вопросы по теме «Теорема Байеса»
- В задаче диагностики пусть A — наличие болезни, а B — положительный тест. Какое утверждение лучше всего объясняет разницу между `P(A|B)` и `P(B|A)`?
- Тест на редкую болезнь имеет высокую чувствительность `P(test+|disease)=99%` и низкую долю ложноположительных `P(test+|¬disease)=1%`. Болезнь встречается у 0.1% людей. Почему апостериорная `P(disease|test+)` может быть заметно ниже 99%?
- В антифроде событие A — транзакция мошенническая, событие B — сработал алерт. Какая формула корректно выражает `P(B)` через формулу полной вероятности?
- Пусть A — мошенничество, B — сработал алерт. Что в этой постановке означает ложная тревога (false positive)?
- Модель антифрода имеет `P(alert|fraud)` 95%. Можно ли из этого числа напрямую сделать вывод о `P(fraud|alert)`?
- Все вопросы по «Теорема Байеса» →