02 // 可视化数学、三角与金融求解器P(A | +) = [P(+ | A)·P(A)] / [P(+ | A)·P(A) + P(+ | ¬A)·P(¬A)]
贝叶斯定理与诊断决策树概率可视化求解器
用两阶段概率分枝树追踪先验概率 $P(A)$、真阳性率 $P(+|A)$ 与假阳性率 $P(+|\neg A)$，直观理解罕见事件检测中的基础概率谬误。
P(A | +) = [P(+ | A)·P(A)] / [P(+ | A)·P(A) + P(+ | ¬A)·P(¬A)]输入数值与参数 (3)
%
0.5%±0.599%
%
1%±0.599.9%
%
0.5%±0.550%
Posterior P(A | +) [PPV]
38.46%
True Positives / All Positives (4.75% / 12.35%)
Negative Predictive P(¬A | −)
99.71%
Specificity = 92%
Joint True Positive P(A ∩ +)
4.75%
Joint False Positive P(¬A ∩ +) = 7.6%
Likelihood Ratio (LR+)
11.88×
Total Positive Rate P(+) = 12.35%
20 行数值对照表
对比变量：
| # | Prior Base Rate P(A) (%) | Posterior PPV P(A | +) | Total P(+) | False Pos Share |
|---|---|---|---|---|
| 01 | 0.5 % | 5.631 % | 8.44% | 94.4% |
| 02 | 5.5 % | 40.868 % | 12.78% | 59.1% |
| 03 | 11 % | 59.476 % | 17.57% | 40.5% |
| 04 | 16 % | 69.343 % | 21.92% | 30.7% |
| 05 | 21 % | 75.942 % | 26.27% | 24.1% |
| 06 | 26.5 % | 81.066 % | 31.05% | 18.9% |
| 07 | 31.5 % | 84.522 % | 35.41% | 15.5% |
| 08 | 37 % | 87.46 % | 40.19% | 12.5% |
| 09 | 42 % | 89.582 % | 44.54% | 10.4% |
| 10 | 47 % | 91.327 % | 48.89% | 8.7% |
| 11 | 52.5 % | 92.92 % | 53.67% | 7.1% |
| 12 | 57.5 % | 94.14 % | 58.02% | 5.9% |
| 13 | 62.5 % | 95.19 % | 62.38% | 4.8% |
| 14 | 68 % | 96.188 % | 67.16% | 3.8% |
| 15 | 73 % | 96.979 % | 71.51% | 3% |
| 16 | 78.5 % | 97.746 % | 76.3% | 2.3% |
| 17 | 83.5 % | 98.363 % | 80.64% | 1.6% |
| 18 | 88.5 % | 98.918 % | 85% | 1.1% |
| 19 | 94 % | 99.465 % | 89.78% | 0.5% |
| 20 | 99 % | 99.915 % | 94.13% | 0.1% |
这个工具对您有帮助吗？
常见问题解答 (FAQ)
如何使用在线 贝叶斯定理与诊断决策树概率可视化求解器 工具？+
输入已知参数或拖动滑块，即可在浏览器中实时计算并可视化 贝叶斯定理与诊断决策树概率可视化求解器（基于关系式 P(A | +) = [P(+ | A)·P(A)] / [P(+ | A)·P(A) + P(+ | ¬A)·P(¬A)]）。用两阶段概率分枝树追踪先验概率 $P(A)$、真阳性率 $P(+|A)$ 与假阳性率 $P(+|\neg A)$，直观理解罕见事件检测中的基础概率谬误。
可以导出或打印 贝叶斯定理与诊断决策树概率可视化求解器 的结果吗？+
可以。支持一键复制数据、打印计算工作表或导出高清 SVG、PNG 和 CSV 文件。
我可以清空 贝叶斯定理与诊断决策树概率可视化求解器 中的示例数据并从空白状态开始吗？+
可以。点击工具顶部的“清空 / 空白开始”按钮即可重置所有输入项，随时也可一键重新加载示例数据。