Trong Y học, để chẩn đoán bệnh X nào đó, người ta thường dùng một xét nghiệm. Xét nghiệm dương tính, tức là xét nghiệm đó kết luận một người mắc bệnh X
a)
P(A∣B) là xác suất để ông M mắc bệnh hiểm nghèo X với điều kiện xét nghiệm cho kết quả dương tính.
P(B∣A) là xác suất để xét nghiệm cho kết quả dương tính với điều kiện ông \(M\) mắc bệnh hiểm nghèo \(X\).
b) Nếu một người mắc bệnh \(X\) thì với xác suất 0,95 xét nghiệm cho dương tính, tức là xác suất để xét nghiệm cho kết quả dương tính với điều kiện người đó mắc bệnh hiểm nghèo \(X\) là 0,95 . Do đó, \(P(B\mid A) = 0,95\).
Vậy không phải ông \(M\) có xác suất 0,95 mắc bệnh hiểm nghèo \(X\).
c) Gọi \(A\) là biến cố: "Ông \(M\) mắc bệnh hiểm nghèo \(X\) "; \(B\) là biến cố: "Xét nghiệm cho kết quả dương tính".
Ta cần tính \(P(A\mid B)\).
Theo công thức Bayes để tính \(P(A\mid B)\), ta cần biết: \(P(A),P(\bar A),P(B\mid A)\) và \(P(B\mid \bar A)\).
Gọi \(p\) là tỉ lệ dân số mắc bệnh hiểm nghèo X .
Khi đó \(P(A) = p\). Suy ra \(P(\bar A) = 1 - p\).
\(P(B\mid A)\) là xác suất để ông M có xét nghiệm là dương tính nếu ông M mắc bệnh hiểm nghèo X \( \Rightarrow P(B\mid A) = 0,95\).
\(P(B\mid \bar A)\) là xác suất để ông \(M\) có xét nghiệm là dương tính nếu ông \(M\) không mắc bệnh hiểm nghèo \(X \Rightarrow P(B\mid \bar A) = 0,01\).
Thay vào công thức Bayes ta có:
\(P(A\mid B) = \frac{{P(A) \cdot P(B\mid A)}}{{P(A) \cdot P(B\mid A) + P(\bar A) \cdot P(B\mid \bar A)}} = \frac{{p \cdot 0,95}}{{p \cdot 0,95 + (1 - p) \cdot 0,01}}.\)