「のどが痛いけど,風邪かな」,
「プレゼントをくれたあの人は、私に気があるのかな」……。
ある「結果」からその結果をもたらした
「原因」を知りたいという状況は, 日常生活の中にもたくさんあるだろう。
そんな状況に対応できる統計学が,
近年注目を集めている「ベイズ統計」である。
ベイズ統計は, 最近とくに需要の高い迷惑メールの判定,
そして人工知能(AI)による判断にも使われている。
ベイズ統計(ベイズ統計学)とは,ひと言でいえば,
条件つき確率を求めるための統計学である。
求めるときに利用される。
たとえば,ある男性が
「がんであれば80%の確率で陽性になる検査」を受けて,
「陽性」という結果が出たとする。
単純に考えると、
この男性は80%の確率でがんであるようにも思えてしまうが,
実はそうではない。
ベイズ統計を使うと,陽性という結果が出たときに,
その原因がほんとうにがんである確率を求めることができる。
「がんであれば80%の確率で陽性になる検査」を受けて,
「陽性」という結果が出たとする。
単純に考えると、
この男性は80%の確率でがんであるようにも思えてしまうが,
実はそうではない。
ベイズ統計を使うと,陽性という結果が出たときに,
その原因がほんとうにがんである確率を求めることができる。
「ベイズの定理」に値を入れて計算するだけベイズ統計を使って,
確率を求めることは難しくない。
確率を求めるためのシンブルな公式である「ベイズの定理」に,
数値を入れて計算するだけだ。
今回の計算のために必要な情報は,
「がんである場合に、検査で正しく陽性になる確率(真陽性の確率)」と、
「がんではない場合に,検査でまちがって陽性となる確率(偽陽性の確率)」,
そして「成人男性のうち,がんである人の割合(罹患率)」である。
確率を求めることは難しくない。
確率を求めるためのシンブルな公式である「ベイズの定理」に,
数値を入れて計算するだけだ。
今回の計算のために必要な情報は,
「がんである場合に、検査で正しく陽性になる確率(真陽性の確率)」と、
「がんではない場合に,検査でまちがって陽性となる確率(偽陽性の確率)」,
そして「成人男性のうち,がんである人の割合(罹患率)」である。
コメント
コメントを投稿