 | Эта статья поднимает множество проблем. Пожалуйста, помогите улучшить его или обсудите эти проблемы на странице обсуждения . ( Узнайте, как и когда удалить эти сообщения-шаблоны ) ( Узнайте, как и когда удалить этот шаблон сообщения )
|
В вероятности и статистике , базовая ставка обычно относится к (базовый) классу вероятностям безусловных на featural доказательств, часто также известные как априорные вероятности . Например, если бы 1% населения были «медицинскими профессионалами», а 99% населения не были бы «медицинскими профессионалами», то базовая ставка медицинских специалистов составляла бы просто 1%.
В науках , в том числе в медицине , базовая ставка имеет решающее значение для сравнения. На первый взгляд может показаться впечатляющим, что 1000 человек победили зимнюю простуду, используя «Лечение X», пока мы не посмотрим на всю популяцию «Лечение X» и не обнаружим, что базовый уровень успеха составляет только 1/100 (т.е. 100 000 человек попробовали лечение, но остальные 99000 человек никогда не победили зимнюю простуду). Эффективность лечения становится более очевидной, когда доступна такая базовая информация (например, «1000 человек ... из сколького?»). Обратите внимание, что элементы управления могут также предлагать дополнительную информацию для сравнения; возможно контрольные группы, которые вообще не использовали лечение, имели собственный базовый успех 5/100. Таким образом, средства контроля показывают, что «Лечение Х» ухудшает положение, несмотря на первоначальное гордое заявление о 1000 человек.
Нормативный метод интегрирования базовых ставок ( априорных вероятностей ) и естественных свидетельств ( правдоподобия ) дается правилом Байеса .
Ошибка базовой ставки [ править ]
Большое количество психологических исследований изучали феномен, называемый пренебрежением базовой ставкой или ошибкой базовой ставки, при котором базовые ставки категорий не объединяются с естественными доказательствами в нормативной манере. Математик Кейт Девлин дает иллюстрацию рисков, связанных с этим: он просит нас представить себе, что существует тип рака, от которого страдает 1% всех людей. Затем врач говорит, что есть тест на этот рак, который примерно на 80% надежен.. Он также говорит, что тест дает положительный результат для 100% людей, у которых есть рак, но также дает ложноположительный результат для 20% людей, у которых нет рака. Теперь, если мы получим положительный результат, у нас может возникнуть соблазн подумать, что с 80% вероятностью у нас есть рак. Девлин объясняет, что на самом деле наши шансы меньше 5%. Чего не хватает в беспорядочной статистике, так это самой актуальной информации о базовой ставке. Мы должны спросить врача: «Из числа людей с положительным результатом теста (это основная группа, которая нам небезразлична), сколько из них больны раком?» [1] При оценке вероятности того, что данное лицо принадлежит к определенному классу, мы должны учитывать другую информацию помимо базовой ставки. В частности, мы должны учитывать вещественные доказательства. Например, когда мы видим человека в белом халате со стетоскопом и назначающего лекарства, у нас есть доказательства, которые могут позволить нам сделать вывод о том, что вероятность того, что этот конкретный человек является «профессиональным врачом», значительно выше, чем базовый показатель категории. от 1%.
Ссылки [ править ]
- ^ "Edge.org" . Edge.org . Проверено 22 марта 2021 .
