具备95%准确率的病毒检测呈阳性时，如何判定系统是否真感染？

这是个经典的贝叶斯概率问题，很多人第一眼会被95%的准确率迷惑，其实得结合病毒的基础感染率才能准确判断，咱们一步步来拆解：

先明确已知条件 #

• 测试的真阳性率：感染病毒时测试呈阳性的概率是95%（即P(阳性|感染) = 0.95）
• 测试的误报率：未感染时测试呈阳性的概率是5%（即P(阳性|未感染) = 0.05）

关键：你需要知道病毒的基础感染率 #

这里容易被忽略的是——我们得先知道「当前环境中，电脑实际感染病毒的概率」（行业里叫先验概率，记为P(感染)）。比如企业内网可能感染率高，个人电脑可能很低，这个数值会直接影响最终判断。

用贝叶斯公式计算真实感染概率 #

当测试呈阳性时，系统真感染的概率（后验概率）用贝叶斯公式计算：

P(感染|阳性) = [P(阳性|感染) * P(感染)] / [P(阳性|感染)*P(感染) + P(阳性|未感染)*P(未感染)]

其中P(未感染) = 1 - P(感染)

举两个实际例子 #

例子1：基础感染率1%（普通个人用户场景）

假设每100台电脑里只有1台真感染：

• 分子：0.95 * 0.01 = 0.0095
• 分母：0.0095 + 0.05*(1-0.01) = 0.0095 + 0.0495 = 0.059
• 结果：0.0095 / 0.059 ≈ 16.1%

也就是说，这种情况下测试阳性，只有16%左右的概率是真感染，大部分阳性结果来自误报。

例子2：基础感染率10%（高危内网场景）

假设每10台电脑里有1台真感染：

• 分子：0.95 * 0.1 = 0.095
• 分母：0.095 + 0.05*(1-0.1) = 0.095 + 0.045 = 0.14
• 结果：0.095 / 0.14 ≈ 67.8%

这种场景下，阳性结果的可信度就高很多了。

实际操作建议 #

• 如果是低感染率场景，不要仅凭一次阳性就判定感染，建议做二次测试：两次都阳性的话，真感染概率会大幅提升（比如上面1%感染率的例子，两次阳性的真感染概率约78.4%）
• 结合其他症状判断：比如系统是否出现卡顿、异常进程、文件篡改等，辅助验证测试结果

内容的提问来源于stack exchange，提问作者rareș migea