贝叶斯定理计算器

背景

某地区一种罕见病的基础患病率为1%。现有一种新型检测试剂，其敏感度（真阳性率）为99%，但存在5%的假阳性率。

问题

当一名无症状患者的检测结果呈阳性时，需要计算其真正患有该疾病的概率。

如何使用

将先验概率设为1，似然度设为99，假阳性率设为5，输入尺度选择“百分比”。

结果

计算得出后验概率约为16.6667%。这表明即使检测呈阳性，该患者真正患病的概率也仅为1/6左右，提示需要进行复查。

背景

某工厂流水线上的零件次品率为2%（先验概率）。质检仪器的准确率很高，能100%识别出次品（似然度），但对合格零件有3%的误报率（假阳性率）。

问题

评估当质检仪器报警（标记为次品）时，该零件确实是次品的概率。

如何使用

输入先验概率2，似然度100，假阳性率3，选择百分比尺度，计算后验概率。

结果

计算得出后验概率约为40.4858%。说明仪器报警时，有超过一半的概率是误报，提示需要优化质检仪器的假阳性率。