佐藤吉宗先生の統計学入門(1)-偽陽性問題-
スウェーデン・ヨーテボリ大学で「基礎統計学」の講義を担当する佐藤吉宗(さとう よしひろ)先生の統計学入門です。第1回目は偽陽性問題です。(2回目以降があるかどうかは不明です。)
あ〜る菊池誠(反緊縮)公式
@kikumaco
1000人にひとりの病気を検査することを考える。その検査は本当に病気なら100%陽性となり、ただし病気でない人も1%の確率で陽性になるとする。検査で陽性となる確率は 0.001×100%+0.999×1%=0.011 なので陽性になった人のうち、本当に病気なのは11人にひとり
2013-03-19 11:15:57
あ〜る菊池誠(反緊縮)公式
@kikumaco
式を眺めると、最終結果である検査の陽性率1.1%の出どころは結局、偽陽性率の1%だということがわかる。病気そのものがレアな場合は、偽陽性率が病気の率と同程度まで下がらないと、検査の陽性率はほぼ偽陽性率で決まってしまう。この例題では、検査で陽性となったもののほとんどすべては偽陽性
2013-03-19 11:24:18
あ〜る菊池誠(反緊縮)公式
@kikumaco
これが @yoshisatose さんの例題のように5%がかかっている病気で、病気の率と偽陽性率・偽陰性率が同程度となると、もっとまじめに計算しなくちゃならない。極端な例は易しいということ
2013-03-19 11:44:45
あ〜る菊池誠(反緊縮)公式
@kikumaco
これは @yoshisatose さんとおんなじ話を書いただけなんだけど、少し極端な数字にしてみると、わかりやすいんじゃないかなということ
2013-03-19 12:09:28
津田和俊/急激に進行した網膜剥離と闘っています
@kaztsuda
これはとても勉強になります。実際のスクリーニング検査では、偽陰性になる確率が偽陽性になる確率よりかなり低くなるように設定されるので、これは理由も含めて応用問題ですかね? http://t.co/oVU9qXuqO1
2013-03-19 12:28:05
あ〜る菊池誠(反緊縮)公式
@kikumaco
@kaztsuda @birdtaka 偽陽性率と偽陰性率は多くの場合トレードオフだから、最初のスクリーニングでは見逃しを避けるために偽陰性率を下げたいとすると、偽陽性率はほぼ自動的に上がるんじゃないですかね
2013-03-19 12:31:52グラフィックデザイナー よねくらさんによる図解
ひでひろよねくら『アイコンのひみつ』発売中
@Yoneckland2
偽陽性問題。おわびに図だけで解いてみました…(というか図にしないと解けない)(pdfです) https://t.co/AigeAsNrYB http://t.co/pxf7TcgZsu
2013-03-19 12:38:55