聚思博新网站建设,阿里巴巴官方网站,北京标书制作公司,建站图标素材一项血液化验有95%的把我诊断某种疾病#xff0c;但是#xff0c;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#xff0c;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%#xff0c;若某人化验结果为阳… 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?spm1001.2014.3001.5501
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。
