驚聞券商高管得艾滋——咱們分析一下
—————更新—————
有人對99%有歧義,這是怎麼來的呢?
人群中兩部分:一部分沒病,一部分有病,這是事先確認的。
然後某個指標,沒病的符號某種正態分佈,其實不用測,直接拿正常人的就行;
有病的符號另一個正態分佈,這個需要測;
然後看指標值是多少的時候拒絕沒病的原假設,顯著性1%;
再用這個值做試紙。
所以,所謂的99%正確率,是指有病的和沒病的去測,都是99%的正確率,因為數值就是這麼來的。
大家可以看看生物統計、流行病學這方面的教材,我印象中就是這樣的。所以專業的人也說測出來沒病就是沒病,測出來有病再去複查。
最後,祝大家都沒病。
—————-——-
最近網傳某券商高管包養小三得了艾滋,貌似是他傳給了小三。然後小三截圖發了個測艾滋的試紙。
試紙測試這些,可能很多人沒接觸過。特別是訊息傳出來之後,很多人表現得非常緊張,我也不明白為什麼。當然,如果是懷孕生小孩,一般也會買這種試紙啊驗孕棒之類的檢測,所以身經百戰坐懷不亂。但考慮到現在單身比較多,這類經歷比較少,也情有可原。
很多人比較傲慢,老說什麼“別的專業的我都懂,我這個專業別人不懂”,其實但凡有一丁點機率統計基礎的人(比如上了大學的一門機率統計)也可以運用所學知識簡單分析一下,其實壓根不用擔心。
現在我們來描述一下這個問題:如果試紙檢測顯示得了艾滋,那麼得艾滋的機率有多大呢?
我們先來看看這類試紙檢測的正確率:
貌似標準時99%,考慮到商家都是無奸不商,定個最低標準鐵定就是最低標準,那麼就是99%好了。
咋一看,很多人就緊張了,這99%的機率得艾滋啊?得艾滋沒藥治啊?我上有老下有……哦不對,還是單身……但也還是怕啊……
其實為什麼有人遇到事情就那麼不淡定呢?這誤診的可能性還是存在的嘛。我們來分析一下它這個正確率99%是什麼意思。
它有兩個含義:一個是有病的人去檢測確實有病,另一個是沒病的人去檢測確實沒病,這樣才是對的。
現在問題來了,中國有艾滋的大概是多少人?
2018年第一季度32萬9千人,就當40萬好了,很多漏報瞞報的嘛。
那麼中國總人口大概是14億人,所以中國得艾滋的比例非常低:
40/140000=0。0002857143
才萬分之2。857啊!
所以如果是正常人,老實人,啥都沒幹,沒必要太擔心。
但或許很多人就是不大老實吧。。。
然後我們看看,如果一個人確實有艾滋,檢查的時候也檢查出了艾滋,那麼機率是多少呢?
大概就是一個條件機率鏈式法則
A=P(檢查出有病 而且 確實有病) = P(檢查出有病|確實有病)*P(確實有病)=0。99*0。0002857143=0。00002828571
我發現很多人喜歡抄襲其他專業的知識然後改個名字,比如好端端的鏈式法則他們就改名字叫什麼正向傳播反向傳播,無聊。。。
其實大概就是人群中得艾滋的機率,畢竟99%的正確率嘛……
現在問題的關鍵來了:
那些沒病的檢查出有病咋辦?
雖然誤診率只有1%,但由於人群基數非常非常大,畢竟只有萬分之2。857有病,99。9%以上都沒病,稍微有幾個誤診就很可怕了!
B=P(檢查出有病 而且 其實沒病) = P(檢查出有病|其實沒病)*P(其實沒病)=0。01*(1-0。0002857143)=0。009997143
現在問題來了,就是看看這些檢查出來有病的人中到底多少是針對有病的:
A/(A+B)=0。02751529
只有2。75%!!
所以即使試紙檢測出有病,真正得病的機率只有2。75%,沒必要太擔心啦……
現在有很多人啊,老是學什麼深度學習、人工智慧,其實連最最基礎的機率統計都沒學好,就去搞那些複雜的有的沒的,還自以為多了不起。唉,我都不知道說什麼好了。
還有某些人,仗著自己行業最近吹起了東風,賺了點錢,到處瞎搞,鄙視這個鄙視那個,自以為會用Python跑幾行命令就天下無敵,完全不把數學統計專業的放在眼裡,然後試紙測了一下兩條槓就神經兮兮以為得了艾滋,連最基本的機率統計分析都不懂,我也不知道說什麼好了。
反正這次我沒有黑碼農。