贝叶斯定理计算器

关于此计算器

本计算器应用贝叶斯定理 P(A|B) = P(B|A)·P(A) / P(B)，在观察到新证据 B 之后，把先验概率 P(A) 更新为后验概率 P(A|B)，并利用检测的灵敏度（真阳性率）和假阳性率，算出在结果为阳性的情况下某件事实际为真的可能性有多大。它是贝叶斯推断的数学支柱：这种推理将您事先的信念与新数据所告诉您的内容正式地结合起来。

医生和流行病学家用它来正确解读医学检测结果：如果假阳性率相对于疾病的患病率很高，那么罕见疾病的阳性结果仍然可能意味着实际患病的概率很低。统计学家、构建垃圾邮件过滤器和机器学习分类器的数据科学家，以及权衡证据的法医分析人员，都采用同样的推理；学习概率的学生则用这个计算器来建立直觉，理解为什么“阳性”并不总是意味着“很可能”。