主题：漫谈体检策略－统计相关的故事（一） -- xtqntd
家园 其实没问题的 已经是课堂上的经典笑话了，呵呵。Sen＋Spe＝1，等于抛硬币（如果硬币两面是50：50均匀分布的话）
- 复 其实没问题的
家园 问题是人群中HIV的比例可不是50% 意思我是明白的，只是这个正确的前提是人群中HIV的比例是50%。
家园 不需要任何前提 随便你给个HIV感染比例，只要敏感度是50％，特异度是50％，根本检测不出什么东西出来。
比如1000人，100％感染，查出500个阳性
1000人，50％感染，还是查出500个阳性
1000人，10％感染，还是500个阳性
和抛硬币没有任何区别。
- 复 不需要任何前提
家园 敏感度特异度可是不一样的 虽然都是500个阳性500个阴性，但敏感度特异度就都不一样了啊。
（我们一般叫“精度”和“召回率”，用P和R表示，所以下面用这两个字母）
第一个例子，P=100%, R=50%
第二个例子，P~=50%, R~=50%
第三个例子，P~=10%, R~=50%
以你这种方式预测，R一定是50%，但P基本上等于人群中的阳性率，因为被预测为阳性的500人是整个人群的随机抽样。
家园 仅从三个例子里面的三组数据是得不出敏感度和特异度的 第一个例子里面敏感度的样本是原来患病的所有人，也就是1000个人，所以敏感度是500/1000=50%，但是仅凭第一个例子所给的3个数据（1000，100%，500）是得不出特异度的，因为我们并没有不患病的样本。
仅凭第二个和第三个例子里面的三组数据是得不出敏感度和特异度的，因为在1000个样本，50%（或者10%）的患病率的条件下，有多种敏感度和特异度的组合可以得出500个检测阳性的结果，（50%，50%）只是其中一组解而已。
但是如果知道了敏感度和特异度都是50%，则是可以推出三个例子里面最终检测出500个阳性的结果
家园 您理解错了 请看本系列里对敏感度和特异度的定义
并请参考阳性预测值。
家园 报告，得宝了！ 套用两句：
送花有7％的结果可能会得宝
得宝提示有可能已经连送7朵空花的可能性是50％
恭喜：你意外获得【通宝】一枚鲜花已经成功送出。
此次送花为【有效送花赞扬，涨乐善、声望】
家园 漫谈体检策略－统计相关的故事（二） 肿瘤科医生的叙述是正确的。他说了一个比例，也是一个条件概率：在他看过的癌症病人中，某某指标阳性的比例（如果不过于纠结于严格的定义，可以粗略地等同于概率，此处就这么粗略一下吧。）
这个条件概率来自于这位医生经验的积累，不同的医生因为看到的病人不一样，积累的经验也不一样。甚至有可能在同一家医院里，消化内科的医生和肿瘤科医生的经验也不一样。也就是说，这个比例取决于这位医生看到的／下结论的人群。
检验科医生说的呢，则是一个叫做“阳性预测值”的东西。阳性预测值指的是在所有检测出阳性的对象里，真正是阳性的比例。这个指标与两样东西密切相关：
1。检验方法的好坏
2。疾病在人群中的患病率
所以这道考题的答案是：两位医生给出的意见都是对的，并且看上去很像。那么我们能认为两位医生说的是同一件事情的两面么？
土鳖抗铁牛
- -- 系统封号 --。偏要看