Một căn bệnh có 1% dân số mắc phải. Một phương pháp chuẩn đoán được phát triển có tỷ lệ chính xác là 99%. Với những người bị bệnh, phương pháp này sẽ đưa ra kết quả dương tính 99% số trường hợp. Với người không mắc bệnh, phương pháp này cũng chuẩn đoán đúng 99 trong 100 trường hợp. Nếu một người kiểm tra và kết quả là dương tính (bị bệnh), xác suất để người đó thực sự bị bệnh là bao nhiêu?

Gọi A là biến cố “người đó mắc bệnh”

Gọi B là biến cố “kết quả kiểm tra người đó là dương tính (bị bệnh)”

Ta cần tính P(A∣B) 

Với P(A∣B)=P(A).P(B∣A)+P(Aˉ).P(B∣Aˉ)P(A).P(B∣A)​ 

Ta có:

Xác suất để người đó mắc bệnh khi chưa kiểm tra:P(A)=1 

Do đó xác suất để người đó không mắc bệnh khi chưa kiểm tra: P(Aˉ)=1−0,01=0,99 

Xác suất kết quả dương tính nếu người đó mắc bệnh là: P(B∣A)=99 

Xác suất kết quả dương tính nếu người đó không mắc bệnh là: P(B∣Aˉ)=1−0,99=0,01 

P(A∣B)=P(A).P(B∣A)+P(Aˉ).P(B∣Aˉ)P(A).P(B∣A)​=0,01.0,99+0,99.0,010,01.0,99​=0,5 

Xác suất kết để người đó mắc bệnh nếu kết quả kiểm tra người đó là dương tính là 0,5 

Cho A,B là các biến cố của một phép thử T. Biết rằng P(B)>0, xác suất của biến cố A với điều kiện biến cố B đã xảy ra được tính theo công thức nào sau đây?

Theo công thức Bayes, ta có P(A∣B)=P(B)P(A).P(B∣A)​.