分類檢測結果
找出被告知患病的兩種情形
被告知患病的役男,可能是真的染病而被檢出,也可能是沒有染病卻被誤檢。
如圖,依「是否染病」與「檢查結果」畫出樹狀圖。
① 染病且被檢測出來的機率為
$$0.2\%\times100\%=0.002$$
② 未染病卻被誤檢為患病的機率為
$$(1-0.2\%)\times4\%=99.8\%\times4\%=0.03992$$
兩者相加,就是一位役男被告知患病的機率 $0.002+0.03992=0.04192$。
求條件機率
利用貝氏定理求條件機率
所求是在「被告知患病」的條件下,確實染病的條件機率。
由貝氏定理,
$$P(\text{確實染病}\mid\text{被告知患病})=\dfrac{0.2\%\times100\%}{0.2\%\times100\%+99.8\%\times4\%}=\dfrac{20}{419.2}=\dfrac{25}{524}\approx4.77\%$$
雖然檢測不會漏掉真正染病的人,但因為患病的比例很低,被誤檢的機率 $0.03992$ 遠大於真正染病並被檢出的機率 $0.002$,所以被告知患病者確實染病的機率只有約 $4.77\%$。
逐項判斷
逐項判斷
(1) O:$4.77\%>3\%$,確實染病的機率大於 $3\%$。
(2) O:$4.77\%>4\%$,確實染病的機率大於 $4\%$。
(3) X:$4.77\%<5\%$,確實染病的機率沒有大於 $5\%$。
(4) X:$4.77\%$ 遠小於 $90\%$。
故選 (1)(2)。
役男是否染病與檢查結果的機率樹狀圖