Xác suất có điều kiện và công thức Bayes: xét nghiệm bệnh
0
Chạy mô phỏng
Cần đăng nhập để mở; tài khoản miễn phí.
Luôn dùng bản mới nhất; khi bạn sửa lần đầu mới tạo bản riêng, bản gốc không đổi.

Xác suất có điều kiện và công thức Bayes: xét nghiệm bệnh

Bài toán xét nghiệm y khoa: tỉ lệ mắc bệnh, độ nhạy P(+|bệnh) và độ đặc hiệu P(−|khỏe) cho trước. Sơ đồ cây, bảng 2×2 trên N người và lưới 1000 chấm màu cho thấy vì sao xác suất thực sự mắc bệnh khi xét nghiệm dương tính P(bệnh|+) thường thấp hơn nhiều so với độ nhạy; kéo các thanh để thấy công thức xác suất toàn phần và công thức Bayes thay đổi.

Xác suất có điều kiện, công thức xác suất toàn phần và công thức Bayes (Toán 12) được đặt vào bài toán xét nghiệm y khoa, nơi trực giác thường sai lệch lớn. Học sinh chỉnh tỉ lệ mắc bệnh trong dân số (0,1% đến 50%), độ nhạy P(+|B) và độ đặc hiệu P(−|B̄) (50% đến 100%), cùng số người trong bảng 2×2. Sơ đồ cây, bảng 2×2 và lưới 1000 chấm màu thể hiện cùng một phép tính: P(+) theo công thức xác suất toàn phần và P(B|+) theo công thức Bayes. Với tỉ lệ mắc 1%, độ nhạy 95%, độ đặc hiệu 90%, phần lớn người dương tính thực ra không mắc bệnh, vì nhóm khỏe quá đông. Học sinh phân biệt được P(+|B) với P(B|+), hai đại lượng hay bị đánh đồng. Câu hỏi gợi ý: – Vì sao P(B|+) thấp dù độ nhạy cao? – Tăng tỉ lệ mắc bệnh thì P(B|+) thay đổi thế nào? – Xét nghiệm lần hai cho người dương tính có tác dụng gì?

Tham số điều chỉnh được

  • Độ nhạy P(+|B): dương tính khi có bệnh (50–100 %)
  • Số người trong bảng 2×2 (1000–100000)
  • Tỉ lệ mắc bệnh trong dân số P(B) (0,1–50 %)
  • Độ đặc hiệu P(−|B̄): âm tính khi không bệnh (50–100 %)