问题描述 #

将现有一癌症检测方法，90%的癌症患者检测呈阳性，5%的非癌症患者检测呈阳性，已知人群中癌症患病率为1%。求随机选取的人群中患癌且检测呈阳性的概率。

你的解题尝试回顾 #

你列出的公式和计算过程如下：
$$P(A\mid B)=\frac{P(A\cap B)}{P(B)}=\frac{P(B\mid A) P(A)}{P(B)}$$
已知$$P(B)=0.01,\ \ P(A)=(0.99)(0.05)+(0.01)(0.90)=0.0585$$，假设$P(B\mid A)=.90$，计算得$$\frac{P(B\mid A) P(A)}{P(B)}=\frac{(.90)(.01)}{.0585}=\frac{9}{585}=\frac{1}{65}$$

问题出在哪？ #

首先得明确：题目要求的是患癌且检测呈阳性的联合概率$P(A∩B)$，但你误把目标当成了求后验概率$P(B|A)$（即检测阳性时实际患癌的概率），还混淆了已知条件：

• 题目给出的90%是$P(A|B)$（患癌人群中检测阳性的概率），而非$P(B|A)$，你错误地将$P(B|A)$设为0.9，这是核心错误。
• 你最后算出的$\frac{1}{65}$其实是$P(B|A)$（阳性预测值），并不是题目要的$P(A∩B)$。

正确解法 #

根据条件概率的基本定义：
$$P(A|B) = \frac{P(A∩B)}{P(B)}$$
直接变形就能得到我们需要的联合概率：
$$P(A∩B) = P(A|B) × P(B)$$
代入已知数值：

• $P(A|B)=0.9$（癌症患者检测阳性的概率）
• $P(B)=0.01$（人群患癌率）

计算结果为：
$$P(A∩B) = 0.9 × 0.01 = 0.009$$
也就是0.9%，这才是随机选取一人，既患癌又检测呈阳性的概率。

如果顺带想验证你之前得到的$\frac{1}{65}$（阳性预测值），正确的贝叶斯公式应该是：
$$P(B|A) = \frac{P(A|B)×P(B)}{P(A)}$$
其中你计算的$P(A)=0.0585$是正确的，代入后：
$$P(B|A) = \frac{0.9×0.01}{0.0585} = \frac{1}{65} ≈ 1.54%$$
这个是检测阳性时真患癌的概率，但并非题目要求的结果。

内容的提问来源于stack exchange，提问作者iam_agf