အဓိပ္ပါယ်
ဘေးစ်သီအိုရမ်သည် သက်သေအသစ်ရရှိသောအခါ ယူဆချက်တစ်ခု၏ ဖြစ်နိုင်ခြေကို မည်သို့ အပ်ဒိတ်လုပ်ရမည်ကို ဖော်ပြသော သင်္ချာဖော်မြူလာတစ်ခုဖြစ်သည်။ ၎င်းသည် ကြိုတင်အသိပညာကို လေ့လာထားသောဒေတာနှင့် ချိတ်ဆက်၍ ပြန်လည်ပြင်ဆင်ထားသော ဖြစ်နိုင်ခြေကို ထုတ်လုပ်သည်။
မည်သို့အလုပ်လုပ်သနည်း
သင်သည် ကနဦးယုံကြည်ချက် (ကြိုတင်ဖြစ်နိုင်ခြေ) ဖြင့် စတင်ပြီး သက်သေအသစ်ကို လေ့လာကာ အပ်ဒိတ်လုပ်ထားသော ယုံကြည်ချက် (နောက်ပိုင်းဖြစ်နိုင်ခြေ) ကို တွက်ချက်သည်။
ရောဂါတစ်ခုသည် လူဦးရေ၏ 1% ကို ခံစားရသည်။ ရောဂါအတွက် စမ်းသပ်မှုသည် 90% တိကျသည် (ဖျားနာသူ 90% ကို မှန်ကန်စွာ ရှာဖွေတွေ့ရှိပြီး ကျန်းမာသူ 90% ကိုလည်း မှန်ကန်စွာ ရှာဖွေတွေ့ရှိသည်)။
သင် အပြုသဘော စမ်းသပ်ခံရသည်။ သင့်တွင် ရောဂါအမှန်တကယ်ရှိနိုင်ခြေ ဘယ်လောက်လဲ?
ဘေးစ်သီအိုရမ်ကို အသုံးပြု၍: P(ဖျားနာ|အပြုသဘော) = (0.90 x 0.01) / ((0.90 x 0.01) + (0.10 x 0.99)) = 0.009 / 0.108 = ခန့်မှန်း 8.3%
"90% တိကျသော" စမ်းသပ်မှုဖြစ်သော်လည်း သင်အမှန်တကယ် ဖျားနာခြေ 8.3% သာရှိသည်။ အခြေခံနှုန်း (1%) နိမ့်သောကြောင့် အပြုသဘောအများစုသည် မှားယွင်းသောအပြုသဘောဖြစ်သည်။
အဘယ်ကြောင့် အရေးကြီးသနည်း
ဘေးစ်သီအိုရမ်သည် စာရင်းအင်းဆိုင်ရာ တွေးခေါ်မှု၏ ကဏ္ဍတစ်ခုလုံးဖြစ်သော ဘေးစီယန်စာရင်းအင်း၏ အခြေခံဖြစ်သည်။ ၎င်းသည် အီးမေး spam စစ်ထုတ်စနစ်များ၊ ဆေးပညာရောဂါရှာဖွေကိရိယာများ၊ အကြံပြုစနစ်များနှင့် စက်သင်ယူမှု algorithm များကို လည်ပတ်စေသည်။
သီအိုရမ်သည် အရေးကြီးသောထိုးထွင်းသိမြင်မှုတစ်ခုကိုလည်း ဖော်ပြသည်: စမ်းသပ်မှု၏ တိကျမှုသည် ရလဒ်များကို အဓိပ္ပါယ်ဖွင့်ရန် မလုံလောက်ပါ။ အခြေအနေ မည်မျှပုံမှန်ဖြစ်သည်ကိုလည်း (အခြေခံနှုန်း) ထည့်သွင်းစဉ်းစားရမည်။ အခြေခံနှုန်းများကို လျစ်လျူရှုခြင်းသည် လူများအကြိမ်ကြိမ်ကျူးလွန်သော ကျိုးကြောင်းဆင်ခြင်အမှားများထဲမှ တစ်ခုဖြစ်သည်။
ဘေးစ်သီအိုရမ်သည် သက်သေအသစ်ဖြင့် ဖြစ်နိုင်ခြေများကို မည်သို့ အပ်ဒိတ်လုပ်ရမည်ကို ပြောပြသည်။ အခြေခံနှုန်းကို အမြဲထည့်သွင်းစဉ်းစားပါ - "အလွန်တိကျသော" စမ်းသပ်မှုသည် ရှားပါးသောအခြေအနေများအတွက် မှားယွင်းသောအပြုသဘော အများစု ထုတ်လုပ်နိုင်သေးသည်။