題目表達很重要. 理解的就知道答案

真的得病是 1/1000
問題是被檢出來陽性居然是 50/1000

也就是50個人其中有一個才是真正得病的人
所以是2%

樓主若以為被驗出來陽性就是九成五機率得病.... 那 (陽性50/1000) vs (真的有病1/1000) 就解釋不過去了.
因為會變成 47.5/1000 真的得病機率

:laugh: :laugh: :laugh: :laugh: :laugh:

我綜合了一下大家的看法
看來的確是[條件機率]
也google了一下
發現有一題
http://w3.math.sinica.edu.tw/math_media/d341/34102.pdf
請看第21頁
---------------------------------------------------------------------------------
例7: 衛生局至高雄大學免費檢驗某疾病。 假設檢驗的結果有正 、 負兩種反應。 如果呈正
反應, 便表示可能有病, 須至醫院做進一步檢驗; 如果呈負反應, 則衛生局便認為沒有問題。 衛
生局宣稱檢驗之可靠度為 90%, 且平均每 5,000人中, 有一人患此病。 基於上述資訊, 你是否願
意接受此檢驗?

解:
題意顯示, 檢驗並非百分之百可靠, 但醫學上通常也沒有完全精確的檢驗。
可靠度 90%的意義為, 若無病, 檢驗會呈負反應之機率為 0.9;
若有病, 則檢驗會呈正反應之機率亦為 0.9。
但我們該知道的, 其實是當檢驗呈正反應下的確有病的機率,
及當檢驗呈負反應下, 的確無病之機率。

-----------------------------------------------------
看到這我就懂了,原來所謂的可靠度是這樣呈現
我對可靠度有誤解
-------------------------------------------------------

直觀上看, 由於檢驗有 10% 的錯誤沒病卻呈正反應,
而在每 5,000人中, 有病的很少 (平均才 1人), 因此在 5,000人中,
約有 500個正反應, 但其中才約 1人有病。 1/500 = 0.002,
與所求出的 0.001797 就接近了。
那檢驗不就沒什麼用? 也不盡然, 本來任何 1人有病的機率為
1/5,000 = 0.0002, 一旦檢驗呈正反應,
有病的機率升為 0.001797, 約成為 8.985倍, 增加了不少。
至於任何一個人被認為沒病之機率原先為 4,999/5,000 = 0.9998
本來就很接近 1, 一旦檢驗呈負反應, 只是略微升高而已。
----------------------------------------------------------

突然想到流感快篩的準確度相當低啊..



　

這種理解並不正確，2%是近似答案，而非精確答案。
我算了一下，精確答案是 0.018664

的確是接近2,而非2...
不過我算不出來 :laugh: :laugh: :laugh:
數學早就忘光

隱約記得研究所在講人工智慧時
老師有提到貝式定理
Fuzzy之類的

人工智慧? 這不是大學課程嗎??還是因為領域不同?

看科系啊，有的是會放在大三大四，但也有的比較傾向是研究所課程

沒記錯的話，資工類型的科系，大學部應該會列為課程之一，可能是必修也可能是選修，但如果是資管，可能多半是大學選修，研究所則列為必修

不過不一定啦，也要看系上老師的專長

而且人工智慧這領域也挺廣的，系上有開，也可能只是上一些比較基礎的，例如模糊控制、專家系統、類神經網路之類的

不一定真的叫你去弄個系統，或者真的去處理大資料

個人經驗 ...

好像是上這個,,我大學沒學過...

如果是人工智慧課程，這會是其中一個主題，大約會需要教兩三個禮拜

不過也只會教到粗淺的，研究所課程大概可以開到一學期的課

恩 大學幾乎都英文書 寫程式寫的痛苦..
研究所常翹課xD

我那個年代修也都只是上個概念而已，連程式都沒有寫，倒是要算數學 :laugh:

那年代我覺得其實就連教授都不太懂吧（不是說他們都不懂，而是說應該真的對人工智慧的每個子領域都很熟的，不多）

而且哪有甚麼大數據這個名詞，連資料探勘都是只有學術圈才比較清楚一點