Výuka fyziky & Astronomie
PravděpodobnostStatistikaBayesův vzorecPřirozené četnostiVýukaTypeScript

Podmíněná pravděpodobnost a Bayesův vzorec

Interaktivní model podmíněné pravděpodobnosti, přirozených četností a Bayesova pravidla

Interaktivní kalkulátor a vizualizace podmíněné pravděpodobnosti a Bayesova vzorce. Ukazuje vztah mezi apriorní pravděpodobností (prevalencí jevu v populaci), senzitivitou a specificitou diagnostického testu a výslednou aposteriorní pravděpodobností.

/Models/Probability/index.html
Snímek rozhraní aplikace Podmíněná pravděpodobnost a Bayesův vzorec
Otevřít interaktivní simulaci

Vizualizace podmíněné pravděpodobnosti pomocí stromu přirozených četností a kontingenční tabulky

O projektu a kontext

Aplikace slouží k výuce pravděpodobnosti a statistiky. Zaměřuje se na typický kognitivní omyl (klam základní míry / base-rate fallacy), kdy lidé přeceňují spolehlivost pozitivního výsledku testu při nízké prevalenci onemocnění v populaci. Nástroj převádí abstraktní pravděpodobnosti na přirozené četnosti (např. počet osob z 1 000 nebo 10 000), které jsou pro lidské uvažování srozumitelnější.

Klíčové funkce a schopnosti

Přirozené četnosti a matice populace

Zobrazení reprezentativního vzorku populace (1 000 až 100 000 jedinců) s barevným rozlišením pravdivě a falešně pozitivních případů.

Frekvenční strom

Rozvětvení populace na nemocné a zdravé a následně na pozitivně a negativně testované s přesnými počty osob v každé větvi.

Kontingenční tabulka 2x2

Přehledné uspořádání dat do tabulky s výpočtem pozitivní a negativní prediktivní hodnoty (PPV a NPV).

Dvoustupňové testování

Modelování opakovaného konfirmačního testu a sledování růstu aposteriorní pravděpodobnosti po druhém nezávislém testu.

Praktické scénáře

Přednastavené příklady z medicíny, kriminalistiky a kontroly kvality (mamografický screening, test na vzácnou nemoc, spolehlivost bezpečnostních senzorů).

Výukové využití a pedagogický přínos

Studenti i odborníci často chybují v interpretaci podmíněných pravděpodobností: zaměňují pravděpodobnost pozitivního testu u nemocného P(+|D) s pravděpodobností nemoci u pozitivně testovaného P(D|+). Model ukazuje, jak se při prevalenci 0,1 % i při 99% spolehlivosti testu většina pozitivních výsledků ukáže jako falešná.