贝叶斯计算器
数学计算器后验概率 · 医学筛查场景
答案速览
贝叶斯计算器——后验概率 · 医学筛查场景。P(A|B) = P(B|A)·P(A) / [P(B|A)·P(A) + P(B|¬A)·P(¬A)]。
加载中
这个工具对你有帮助吗？
怎么用
- 输入数值或表达式：在贝叶斯计算器中直接输入，支持键盘操作与连续运算。
- 实时出结果：输入即算，无需点击任何按钮。
- 看分步过程：结果区附完整计算步骤与公式代入，便于核对与教学演示。
- 复制或重算：结果一键复制；修改任意输入即刻重新计算。
核心要点
- P(A|B) = P(B|A)·P(A) / [P(B|A)·P(A) + P(B|¬A)·P(¬A)]
- 医学筛查场景：A=患病、B=阳性；先验=患病率、灵敏度=P(阳性|患病)、假阳性率=P(阳性|健康)
- 关键洞察：罕见病即使测试很准，阳性后验概率仍可能很低（分母被大量假阳性撑大）
- 患病率 0.1%、灵敏度 99%、假阳性 1% → 阳性后真正患病仅约 9%
原理与公式
贝叶斯定理（后验概率）
P(A|B) = P(B|A)·P(A) / [P(B|A)·P(A) + P(B|¬A)·P(¬A)]
医学筛查场景：A=患病、B=阳性；先验=患病率、灵敏度=P(阳性|患病)、假阳性率=P(阳性|健康)
关键洞察：罕见病即使测试很准，阳性后验概率仍可能很低（分母被大量假阳性撑大）
患病率 0.1%、灵敏度 99%、假阳性 1% → 阳性后真正患病仅约 9%
示例：100 万人中 1000 人患病，检出 990 真阳性 + 9990 假阳性 → P(患病|阳性) ≈ 9.0%。
常见问题
贝叶斯计算器怎么用？
打开页面后在输入框中填入参数即可自动计算。后验概率 · 医学筛查场景。修改任意输入结果自动更新。
计算结果准确吗？
是的。本工具使用精确算法，避免常见浮点误差，结果经过有效性校验。
免费使用吗？需要注册吗？
完全免费，打开网页即用，无需注册、登录或下载任何软件。
支持手机使用吗？
支持。页面采用响应式设计，手机、平板、电脑均可正常使用。
和手机自带的计算器有什么区别？
本工具提供更详细的计算过程和公式说明，支持更多参数选项，手机自带工具通常不具备这些。
结果可以复制吗？
可以。点击结果旁的复制按钮即可复制到剪贴板。
相关工具
相关指南
来源与更新
数学领域的标准计算公式。所有计算逻辑经过验证。最近更新：2025-07
最近更新：
本页公式与内容经一键算团队复核，仅供学习参考，实际业务请以官方口径为准。
引用本页：一键算. 贝叶斯计算器[EB/OL]. https://www.yijiansuan.com/c/math/bayes
本工具提供的结果仅供参考，不构成任何专业建议，请以官方核算为准。