贝叶斯定理与直觉

本文为阅读Data Science from Scratch之笔记，文中案例、公式分析皆来自此书

让咱们先来看看生活中的一个小例子。假设有某种疾病D，在10000人中会有1人患此病；又假设对患此病的人进行测试，测试为阳性的比例达到99%，也就是说100名患者中，有99名患者检测结果皆为阳性（positive）。问题：

在检测为阳性的状况下，某一我的肯定患该病的几率是多少？

不用仔细思考，先用本身的直觉判断，几率高仍是低？再结合数据认真思考，你获得的几率值会是多少呢？我想，或许绝大部分人的第一反应是：在检测为阳性的状况下，基本就能够确诊身患D病了。再结合前面给出的数据进行运算，会很是容易地获得答案为99%。这是显而易见的吧，100名患者99名都检测为阳性，那么，——不是反之亦然么？

显然，直觉欺骗了咱们。上述数据营造了一种假象，让咱们忽略了未患D病的人检测为阳性所占的比例。

让咱们把数据增大，假设有一百万人。在这个基数下，患D病的人有100人。在这100人中，检测为阳性的人为99人。如今考虑未患D病的人数，一百万减去一百，获得的人数为999900。根据检测阳性的比例，检测这些人时，会有1%的概率会检测为阳性，人数为999900*1%等于9999人。因而，咱们能够计算出患D病且检测为阳性的人在全部检测为阳性的人中所占的比例为：99/99+9999，结果才不到1%。

这样结果然让人莫名惊诧了。换言之，咱们能够下结论说：当某我的检测为阳性时，判定他（她）患D病的概率仅仅为0.98%。那么说，这样的检测给医生的参考依据几乎能够忽略不计啊！为何会这样？——从几率学的角度讲，这实际上是贝叶斯定理（Bayes's Theorem）的体现。

首先咱们将患病的事件记作D，检测为阳性的事件记作T。若是患病的事件没有发生，则称为“Not D”，符号记为：￢D。同理，检测不为阳性的事件能够记为￢T。

若是记D、T都发生的几率为P(D,T)，则有公式：

P(D,T) = P(D|T)/P(T)

其中P(D|T)为当T发生时，D发生的几率，这一律率被称之为事件D关于事件T的条件几率（Conditional probability）。因为P(D,T) = P(T,D) = P(T|D)/P(D)，于是条件几率的公式能够记为：

P(D|T) = P(D,T)/P(T) = P(T|D)P(D)/P(T)

咱们再将事件D拆分为D和￢D，则P(T)能够记为：

P(T) = P(T,D) + P(T,￢D)

这个公式是一个公理，由于在具备D、T两个事件的状况下，P(T)必然只存在两种状况，要么在T发生时，D也发生；要么在T发生时，D没有发生。那么贝叶斯定理就能够记为：

P(D|T) = P(T|D)P(D)/[P(T|D)P(D) + P(T|￢D)(P￢D)]

如今咱们能够计算P(D|T)，即测试为阳性时，患D病的几率值了。咱们已知：

P(T|D)：当患D病时，检测为阳性的几率为0.99；
P(D)：10000我的有1我的患D病，则几率为1/10000=0.0001；
P(T|￢D)：没有患D病时，检测为阳性的几率为1-0.99=0.01；
P(￢D)：没有患D病的几率为1-0.0001=0.9999。

计算上面的公式，P(D|T)等于0.98%。符合咱们前面的分析。然而咱们的直觉呢？简直溃败而不成军了。

注：上面所述D与T之间关系乃理想状态，判断一我的是否生病，检测是否阳性、阴性仅仅为其中一个要素。例如当咱们再增长一个症状事件S后，同时知足T与S的前提，则D发生的几率值就会显著增长。