先说结论：因为假阳性的人数相比于真阳性太多了。
具体是怎么回事呢？咱们慢慢分析。
文章目录
定理1（贝叶斯公式） 设有事件 A , B A,B A,B， P ( A ) > 0 P(A)>0 P(A)>0， P ( B ) > 0 P(B)>0 P(B)>0，则 P ( B ∣ A ) = P ( B ) P ( A ∣ B ) P ( A ) P(B|A)=\frac{P(B)P(A|B)}{P(A)} P(B∣A)=P(A)P(B)P(A∣B)证明：由条件概率的定义 P ( C ∣ D ) = P ( C D ) P ( D ) P(C|D)=\frac{P(CD)}{P(D)} P(C∣D)=P(D)P(CD)可知 P ( B ) P ( A ∣ B ) = P ( A B ) P(B)P(A|B)=P(AB) P(B)P(A∣B)=P(AB)， P ( A B ) P ( A ) = P ( B ∣ A ) \frac{P(AB)}{P(A)}=P(B|A) P(A)P(AB)=P(B∣A)。
定理2（含全概率公式的贝叶斯公式）若事件 B 1 , B 2 , ⋯ , B n , ⋯ B_1,B_2,\cdots,B_n,\cdots B1,B2,⋯,Bn,⋯构成互斥完备事件群，且对于任意 i = 1 , 2 , ⋯ i=1,2,\cdots i=1,2,⋯有 P ( B i ) > 0 P(B_i)>0 P(Bi)>0，则对于任意事件 A A A（ P ( A ) > 0 P(A)>0 P(A)>0），有 P ( B i ∣ A ) = P ( B i ) P ( A ∣ B i ) ∑ j P ( B j ) P ( A ∣ B j ) P(B_i|A)=\frac{P(B_i)P(A|B_i)}{\sum\limits_jP(B_j)P(A|B_j)} P(Bi∣A)=j∑P(Bj)P(A∣Bj)P(Bi)P(A∣Bi)证明提要：由全概率公式有 P ( A ) = ∑ j P ( B j ) P ( A ∣ B j ) P(A)=\sum\limits_jP(B_j)P(A|B_j) P(A)=j∑P(Bj)P(A∣Bj)，然后代入定理1即可。
现在我们考虑标题中提出的问题。
例 某个地区患有一种疾病的占 0.05 % 0.05\% 0.05%，患者对某种检测结果呈阳性的概率为 0.99 0.99 0.99，正常人对这种检查呈阳性的概率为 0.005 0.005 0.005，问检测结果呈阳性的人得这种并的概率是多少？
解 记事件
A
A
A为患有此疾病，
B
B
B为检测结果呈阳性，则
A
ˉ
\bar A
Aˉ为未患有此疾病。
根据题意，
P
(
A
)
=
0.0005
P(A)=0.0005
P(A)=0.0005，
P
(
A
ˉ
)
=
0.9995
P(\bar A)=0.9995
P(Aˉ)=0.9995，
P
(
B
∣
A
)
=
0.99
P(B|A)=0.99
P(B∣A)=0.99，
P
(
B
∣
A
ˉ
)
=
0.005
P(B|\bar A)=0.005
P(B∣Aˉ)=0.005。
显然
A
A
A和
A
ˉ
\bar A
Aˉ构成互斥完备事件群。
根据定理2，有
P
(
A
∣
B
)
=
P
(
A
)
P
(
B
∣
A
)
P
(
A
)
P
(
B
∣
A
)
+
P
(
A
ˉ
)
P
(
B
∣
A
ˉ
)
=
0.000495
0.000495
+
0.0049975
≈
0.0901
P(A|B)=\frac{P(A)P(B|A)}{P(A)P(B|A)+P(\bar A)P(B|\bar A)}=\frac{0.000495}{0.000495+0.0049975}\approx0.0901
P(A∣B)=P(A)P(B∣A)+P(Aˉ)P(B∣Aˉ)P(A)P(B∣A)=0.000495+0.00499750.000495≈0.0901即检测结果呈阳性，得病的概率只有
9.01
%
9.01\%
9.01%。
按理来说，这种检测其实是相当精准的（得病的对这种检测结果呈阳性的概率高达 99 % 99\% 99%，未得病的呈阳性的概率只有 0.5 % 0.5\% 0.5%），那为什么会出现这种结果呢？
我们分析一下 P ( A ∣ B ) P(A|B) P(A∣B)的式子。 P ( A ) P ( B ∣ A ) P(A)P(B|A) P(A)P(B∣A)是得病且呈阳性的概率， P ( A ˉ ) P ( B ∣ A ˉ ) P(\bar A)P(B|\bar A) P(Aˉ)P(B∣Aˉ)是未得病且呈阳性的概率，所以 P ( A ∣ B ) P(A|B) P(A∣B)就是得病且呈阳性的概率占总的呈阳性的概率的比例。
为了更具体地讨论，我们用人数来说话。假设当地有一百万（
1000000
1000000
1000000）人，则得病的有
500
500
500人，得病且呈阳性的有
495
495
495人，正常人呈阳性的有
4997.525
4997.525
4997.525人（按
4998
4998
4998人来计算）。表示成图就是这个样子：
呈阳性的情况下得病的概率是多大呢？现在我们仅把目光聚焦在呈阳性的人里面：
为方便比较，我们把“得病且呈阳性”的部分旋转：
呈阳性且得病的几率就是得病且呈阳性的人数占所有呈阳性的人数的比例：
495
495
+
4998
≈
9
%
\frac{495}{495+4998}\approx9\%
495+4998495≈9%。
所以，虽然正常人呈阳性的概率很小，但是正常人和得病的人数相比实在是太多了，导致正常人呈阳性的也非常多，“冲淡了”呈阳性的人得病的几率。相比之下，得病且呈阳性的人实在是少得可怜。因此，我们就解释了为什么虽然检测结果呈阳性，得这种病的概率却不高。
既然如此，做这种检测还有意义吗？还是有的，因为做之前一个人得病的几率为 0.05 % 0.05\% 0.05%，做了且呈阳性之后得病的几率骤增到了 9 % 9\% 9%，上升了 180 180 180倍。当然，医院里面检测一个疾病要用很多种检测手段，这样就能一步步排除假阳性的情况了。
类classAprivatedeffooputs:fooendpublicdefbarputs:barendprivatedefzimputs:zimendprotecteddefdibputs:dibendendA的实例a=A.new测试a.foorescueputs:faila.barrescueputs:faila.zimrescueputs:faila.dibrescueputs:faila.gazrescueputs:fail测试输出failbarfailfailfail.发送测试[:foo,:bar,:zim,:dib,:gaz].each{|m|a.send(m)resc
我有一个模型:classItem项目有一个属性“商店”基于存储的值，我希望Item对象对特定方法具有不同的行为。Rails中是否有针对此的通用设计模式？如果方法中没有大的if-else语句，这是如何干净利落地完成的？ 最佳答案 通常通过Single-TableInheritance. 关于ruby-on-rails-Rails-子类化模型的设计模式是什么？，我们在StackOverflow上找到一个类似的问题： https://stackoverflow.co
我正在使用的第三方API的文档状态:"[O]urAPIonlyacceptspaddedBase64encodedstrings."什么是“填充的Base64编码字符串”以及如何在Ruby中生成它们。下面的代码是我第一次尝试创建转换为Base64的JSON格式数据。xa=Base64.encode64(a.to_json) 最佳答案 他们说的padding其实就是Base64本身的一部分。它是末尾的“=”和“==”。Base64将3个字节的数据包编码为4个编码字符。所以如果你的输入数据有长度n和n%3=1=>"=="末尾用于填充n%
我主要使用Ruby来执行此操作，但到目前为止我的攻击计划如下:使用gemsrdf、rdf-rdfa和rdf-microdata或mida来解析给定任何URI的数据。我认为最好映射到像schema.org这样的统一模式，例如使用这个yaml文件，它试图描述数据词汇表和opengraph到schema.org之间的转换:#SchemaXtoschema.orgconversion#data-vocabularyDV:name:namestreet-address:streetAddressregion:addressRegionlocality:addressLocalityphoto:i
为什么4.1%2返回0.0999999999999996？但是4.2%2==0.2。 最佳答案 参见此处:WhatEveryProgrammerShouldKnowAboutFloating-PointArithmetic实数是无限的。计算机使用的位数有限(今天是32位、64位)。因此计算机进行的浮点运算不能代表所有的实数。0.1是这些数字之一。请注意，这不是与Ruby相关的问题，而是与所有编程语言相关的问题，因为它来自计算机表示实数的方式。 关于ruby-为什么4.1%2使用Ruby返
它不等于主线程的binding，这个toplevel作用域是什么？此作用域与主线程中的binding有何不同？>ruby-e'putsTOPLEVEL_BINDING===binding'false 最佳答案 事实是，TOPLEVEL_BINDING始终引用Binding的预定义全局实例，而Kernel#binding创建的新实例>Binding每次封装当前执行上下文。在顶层，它们都包含相同的绑定(bind)，但它们不是同一个对象，您无法使用==或===测试它们的绑定(bind)相等性。putsTOPLEVEL_BINDINGput
我可以得到Infinity和NaNn=9.0/0#=>Infinityn.class#=>Floatm=0/0.0#=>NaNm.class#=>Float但是当我想直接访问Infinity或NaN时:Infinity#=>uninitializedconstantInfinity(NameError)NaN#=>uninitializedconstantNaN(NameError)什么是Infinity和NaN？它们是对象、关键字还是其他东西？ 最佳答案 您看到打印为Infinity和NaN的只是Float类的两个特殊实例的字符串
如果您尝试在Ruby中的nil对象上调用方法，则会出现NoMethodError异常并显示消息:"undefinedmethod‘...’fornil:NilClass"然而，有一个tryRails中的方法，如果它被发送到一个nil对象，它只返回nil:require'rubygems'require'active_support/all'nil.try(:nonexisting_method)#noNoMethodErrorexceptionanymore那么try如何在内部工作以防止该异常？ 最佳答案 像Ruby中的所有其他对象
关闭。这个问题需要detailsorclarity.它目前不接受答案。想改进这个问题吗？通过editingthispost添加细节并澄清问题.关闭8年前。Improvethisquestion为什么SecureRandom.uuid创建一个唯一的字符串？SecureRandom.uuid#=>"35cb4e30-54e1-49f9-b5ce-4134799eb2c0"SecureRandom.uuid方法创建的字符串从不重复？
我刚刚被困在这个问题上一段时间了。以这个基地为例:moduleTopclassTestendmoduleFooendend稍后，我可以通过这样做在Foo中定义扩展Test的类:moduleTopmoduleFooclassSomeTest但是，如果我尝试通过使用::指定模块来最小化缩进:moduleTop::FooclassFailure这失败了:NameError:uninitializedconstantTop::Foo::Test这是一个错误，还是仅仅是Ruby解析变量名的方式的逻辑结果？ 最佳答案 Isthisabug,or
