打字猴:1.70155798e+09
1701557980
1701557981 附录表12 填入第二次检查结果为阳性人数后的四格表
1701557982
1701557983
1701557984
1701557985
1701557986 从上面的已知信息中,我们还可以填入一些其他信息。我们知道已患病与未患病的人的数量,所以我们可以填完表格右侧。
1701557987
1701557988 附录表13 填充完整表格右侧数字后的四格表
1701557989
1701557990
1701557991
1701557992
1701557993 现在,我们回到所给出的原始信息,检查出错的概率为2%。某个确实已经患病的人,会有2%的概率被误诊,有98%的概率不会误诊:1×2%=0.02。我们四舍五入为0——这是呈现虚假阴性的数字(他们确实已经患病,但这是第二次误诊)。1的98%接近1。
1701557994
1701557995 附录表14 填入虚假阴性数字后的四格表
1701557996
1701557997
1701557998
1701557999
1701558000 现在,我们将2%的误诊率应用于那些并未患病的人。200个没有患病的人中会有2%的人得到阳性检查结果(尽管他们很健康),即200×2%=4。所以,表格右下角框内正确诊断的数量为196。
1701558001
1701558002 附录表15 填入正确诊断人数后的四格表
1701558003
1701558004
1701558005
1701558006
1701558007 我们可以竖列相加得到边际总和,这样,我们需要计算出新的概率。
1701558008
1701558009 附录表16 填入各列总和后的四格表
1701558010
1701558011
1701558012
1701558013
1701558014 跟之前一样,我们计算左侧一栏,因为我们只对那些第二次检查结果为阳性的人感兴趣。
1701558015
1701558016 在第二次检查结果为阳性的5人中,只有一个人确实是真的患病:1/5=0.20。也就是说,即使你连续两次检查结果都为阳性,这种疾病仍然很罕见。你患病的概率仅仅只有20%,你没有患病的概率为80%。
1701558017
1701558018 那么副作用呢?如果我们假定连续两次结果为阳性的人,服用我所虚构的chlorohydroxelene,产生副作用的概率为5%,那么5个人的5%,也就是0.25的人将会产生副作用。所以,尽管你不太可能患病,但你头发掉光的概率也不太可能。在5个接受治疗的患者中,只有1人能够治愈(因为只有一个人真正确实已经患病),0.25的人会产生副作用。在这种情况下的两个检查中,被治愈的概率比产生副作用的概率高4倍,这就跟我们之前所看到的一样(如果你不习惯用0.25来表示人数,你只需要将以上每个数字都乘以4即可)。
1701558019
1701558020 我们可以进一步运用贝叶斯统计。假设一项新公布的研究显示:如果你是女性,你患病的概率比男性高10倍。你可以画一个新的表格,并输入信息,完善你真的患病的概率。
1701558021
1701558022 现实生活中,概率的计算远远不仅运用于医学领域。我曾经询问过拥有五家赌场的史蒂夫·永利(在他的拉斯维加斯永利安可酒店,以及澳门永利安可皇家酒店):“当看见顾客提着一大袋钱离开的时候,你有没有那么一点点难受呢?”
1701558023
1701558024 “我乐于看见这种情形,这会给赌场增添许多乐趣。”
1701558025
1701558026 “真的吗?这都是你的钱啊。有时,他们可能会带走好几百万美元啊!”
1701558027
1701558028 “首先,你得知道,我赚的比投入的多。其次,我们总是能将资金拿回来。这些年里,我并没有看见过任何一个真正的大赢家。他们来到赌场,玩一些他们赢过的游戏,我们经常能将钱赚回来。他们会来到这里真正且首要的原因,其实是比起钱,他们更喜欢这个游戏,这就跟大多数沉迷于高尔夫或者红酒的人一样。赢钱为他们提供了游戏资金,他们不需要填写支票。如果有1美元,他们会损失100美分,然后赚回99美分,而这1美分正是我们的利润。”
1701558029
[ 上一页 ]  [ :1.70155798e+09 ]  [ 下一页 ]