主题：说一下贝叶斯公式 -- 天空不空

发病率高的病，和发病率低的病，对于sensitivity和specificity的精度要求差很多。比如艾滋病发病率很低，所以需要假阴性足够低，假阳性多一点没关系。

新冠的发病率也算不上高，再加上传染性强后果恶劣，真正需要保证的是假阴性足够少，假阳性的问题可以用多次检测解决。说实话，假阴性只要能降低到0.001%，假阳性就算是40%也比两个都是1%的检测方法好的多。

我第一个例子确实隐含了一个假设，即对健康人口，与患病人口的检测准确率是一致的，都是99%。

而您的例子中，估计在实践操作中也是，这两个准确率是不一样的。

实际上，在试剂上市前，肯定也要测，测试的结果有几种可能性：

1. 已知是病人，检测有真阳性

2. 已知是病人，检测有假阴性

3. 已知是健康人，检测有真健康

4. 已知是健康人，检测有假健康

出现假阴性，与假健康，两者概率是可以不一样的。

我这个理解，应该没错吧？

假阳性有其他渠道解决，让假阴性散落在社会上，才是最大的隐患

Good goo study

Day day up

如果是accuracy。假设新冠的发病率是1%，那检测100个人，假设有一种试剂对每个样本都检测为阴性，那样的话它的准确度（accuracy）也有99%。可实际上这个试剂是完全没有指导意义的。

你假设的“‘准确度99％’的检测盒，100个阳性，1个错检测出阴性结果，100个阴性，1个错检测出阳性结果。”实际上是不成立的，我估计也没有这么高效的试剂。

我猜测可能会和F1 score有关系。

这明明是一个技术帖。普鲁托同学用数学公式把楼主同学的意思表达了。这个公式的长处在于一目了然。短处在于过于简化。但这个简化是数学本身的特点。

你偏听出弦外之音了。

斗争弦绷得太紧。

就是正反测试误差对社会的效应是不同的，假阳性可以用隔离待查和再查一次来处理，对社会的影响很小，几乎可以忽略，假阴性的问题非常大，这个假阴性几乎导致今天西方社会防疫的全面崩塌。

中国对于假阴性的病人还会测CT，对于密切接触者还要隔离14天，这样的方法才能真正切断传染链。

将来西方哪怕到了70%以上的人感染过，如果不采取类似措施，面对输入性病毒感染，人群的偶尔集聚，还是会再次爆发疫情，最后到达全社会人人感染的局面。

说实话，我岁数不小了，人也胖，估计危险性不小，我对这种政策深恶痛绝。

还是那个假设：

1、试剂盒的敏感性为x

2、试剂盒的特异性为y

3、发病率为z

那么，一个检测为阴性的人，真正没得新冠的概率P是：

也可以看出，敏感性x越高、发病率越低，概率P越大。所以，技术部门提高试剂盒的敏感性、摸排出发病率是要务。

============

回到那个50%的话题：

当准确度为 90%，发病率为 90%；

当准确度为 80%，发病率为 80%；

当准确度为 70%，发病率为 70%；

............

在这些情况下，一个人检测为阴性的人，真正没得新冠的概率只有50%，这又是在抛硬币

---------------

现在就是这样，不整点稀奇古怪、超出大家直觉的结论都不好意思说自己在科普。不但读者不感兴趣，小编也不喜欢，总要暗示作者加点料。

PS：楼下燕人同学说俺太过简化。也是没办法，推导过程太多、等式太多都会降低可阅读性。

楼主和你的定义很清楚。假设条件也说明了。

还有异议，真出乎我想象。

算法是这个算法，做统计学的科普例子很好。但是拿这个数字说服大众不做大规模测试就错了，普兄没有这个意思，额不是指的他，而是之前不推荐戴口罩，现在又不建议提升测试量的所谓科学家。