- ベイズの定理
P(B|A)＝P(A|B)P(B)/P(A)で？
- ペェズリの定理に見えた
- 病床の待ち行列とか計算しといて
- リトルの公式も使え
- P(陽性|罹患者)：PCR検査で罹患者が陽性になる確率
P(罹患者|陽性)：PCR検査で陽性が罹患している確率 - P(罹患)：罹患している確率
P(陽性)：罹患しているかどうかに関わらずPCR検査で陽性になる確率 - P(罹患)：罹患している確率
これだけわかれば十分だな - で？
- 各種の数字が分からんｗ
- 初期値は分析者が独断で決めていいよ
- 厚労省から4/25のデータ(累計)
検査人数147,454人、感染者人数12,829人 - P(陽性)＝12,829/147,454＝0.087
- なんか違うなｗ
- https://qiita.com/oki_mebarun/items/ee345ba45c7d3752b54c
感度(sensitivity または再現率 recall): 罹患している場合に陽性となる割合
特異度(specificity): 罹患していない場合に陰性となる割合
適合率(precision): 陽性の中で罹患している割合
正解率(accuracy): 全体の中で罹患して陽性、罹患していなくて陰性の割合 - P(陽性|罹患者)←感度
P(罹患者|陽性)←適合率 - 新コロのPCR検査の感度→70%、特異度→90%以上(99％とする)
- P(罹患者|陽性)＝1－(1－特異度)/P(陽性)
1－特異度：罹患していない場合に陽性となる割合
- P(罹患者|陽性)＝1－(1－特異度)/P(陽性)＝1－0.01/0.087=0.885
P(罹患者|陽性)←適合率＝89%
- ベイズの定理
P(B|A)＝P(A|B)P(B)/P(A)P(罹患者|陽性)＝P(陽性|罹患者)P(罹患者)/P(陽性)
0.885=0.70*P(罹患者)/0.087
P(罹患者)＝0.110 - 結論：日本国内の罹患者は11%、132万人
- >>20
間違いｗ日本の罹患率11%、1320万人ｗ
- 1320万人はやばいｗ
- P(陽性)に慶応病院の数値６％を使った場合
P(罹患者)＝0.885/0.7*0.06=0.0759日本国内の罹患率7.6%、912万人
- これなんか違う気がするな
- 厚労省のデータから無症状者を偽陽性と考えてPCR検査の精度を再評価する
- 症状あり：7787人、無症状：820人
P(偽陽性)＝820÷(7787＋820)＝0.0952
- >>26
P(偽陽性|陽性)＝0.0952 かな - >>27
やっぱり違うな。P(陽性|偽陽性)はおかしいもんな - P(偽陽性)＝1－P(罹患|陽性)
こうか
- P(罹患|陽性)＝1－P(偽陽性)＝1－0.092＝0.908
- >>30
(誤)0.092→(正)0.0952
(誤)0.908→(正)0.9048 - P(偽陽性)＝1－特異度
ベイズの定理でコロナPCR検査を考える
コメント