Beregner til Bayes' sætning

Om denne beregner

Denne beregner anvender Bayes' sætning, P(A|B) = P(B|A)·P(A) / P(B), til at opdatere en a priori-sandsynlighed P(A) til en a posteriori-sandsynlighed P(A|B), når ny evidens B er observeret — ved hjælp af en tests sensitivitet (andelen af sande positive) og andelen af falske positive til at udregne, hvor sandsynligt det er, at noget faktisk er sandt, givet et positivt resultat. Det er det matematiske fundament for bayesiansk inferens: en måde at ræsonnere på, der formelt kombinerer det, du troede på forhånd, med det, nye data fortæller dig.

Læger og epidemiologer bruger den til at fortolke medicinske testresultater korrekt — et positivt resultat for en sjælden sygdom kan stadig betyde en lav reel sandsynlighed for at have den, hvis andelen af falske positive er høj i forhold til sygdommens forekomst. Statistikere, dataforskere, der bygger spamfiltre og maskinlæringsklassifikatorer, og kriminaltekniske analytikere, der vejer beviser, bruger alle den samme slutningsform; elever, der lærer sandsynlighedsregning, bruger beregneren til at opbygge en intuition for, hvorfor “positiv” ikke altid betyder “sandsynlig.”