一项血液化验有95%的把我诊断某种疾病，但是，这项化验用于健康人也会有1%的“伪阳性”结果(即如果一个健康人接受这项化验，则化验结果乌镇此人患有该疾病的概率是0.01)。如果该疾病的患者事实上只占总人口的0.5%，若某人化验结果为阳性，则此人确实患疾病的概率是多少？

这一题，按照上一篇文章中所写的技巧：

https://blog.csdn.net/killian0213/article/details/132495728?spm=1001.2014.3001.5501

我先建模。用信息的得知的先后，划分出时间差异，捏造因果。

那么这题里面的因果是什么？

 是上面这样吗？

不对。不能这样命名。

命名要符合怎样的要求呢？

1. 因，必须由一个【动词的发出者】+【动词】构造。

        这个动词导致了【果】（所命名的事态）的发生。

        化验结果为阴和化验结果为阳，也是一个【果】的叙述，并不能直接导致【果】的发生。完全文不对题。不能成为因。

        而类似【未得该病的人 做测试】就可以。

2.【因】的描述中，【动词的发出者】这一个集体，暗藏了被划分出两部分或多部分的潜能。

比如【动物】可以被划分为【哺乳】或【非哺乳】。而这个划分的潜能由【动词】激发出来，为【真的要去划分】做准备。

        在这道题中，【人】这个集体可以被划分为【未得该病的人】和【得了该病的人】。是因为什么被划分的呢？——做测试。

        

         为了达到确认【果】的效果，这里的动词【做了测试】，将人划分成了两种人。

3. 是【人】的数量被划分成了两类。而贝叶斯公式描述的是这种划分方法（函数）。

4. 这个【划分方法】只有【乘以】对应的【人数】，才能获得它在结果中的新的【数量】

        P(阳|未病的人做了测试)并不是一个【人群】，只是一种【划分方法】

5.【果】是一个综合态，是这个动作产生的顺其自然的【直接结果】。

        就像【人群】已经是【得病人】和【非得病人】的综合一样，可以被拆分一样。经由这个模型，这个果也可以被拆分成不同的原因。而且这个原因不同于【简单的描述】，而是一个过程。

6.在贝叶斯的建模中，结果先于原因。非常奇怪。非常发人深省。

人的分析已发生事物的逻辑和贝叶斯的方法是一模一样的。

真的非常诡异。