Beginnen Sie mit einer Basisrate, führen Sie dann nacheinander laute Tests durch und überdenken Sie Ihre Überzeugung – hüten Sie sich vor Fehlalarmen, die die Intuition jedes Einzelnen stören.
Jeder Fall hat eine versteckte Ursache mit einem bekannten Vorrang (Basissatz). Führen Sie einen Diagnosetest nach dem anderen durch – jeder mit seiner eigenen Sensitivität und Spezifität – und aktualisieren Sie, wie stark Sie davon ausgehen, dass die Ursache vorliegt. Legen Sie Ihre endgültige Überzeugung fest und legen Sie fest. Sie werden danach bewertet, wie gut Ihre angegebene Wahrscheinlichkeit mit dem Bayes-korrekten hinteren Teil übereinstimmt, und nicht nur danach, welche Seite Sie ausgewählt haben.
Prior Knowledge ist ein Bayesianisches Denkspiel über Basisraten, Testgenauigkeit und kalibrierte Überzeugungen.
Diagnostische Tests mit bekannter Sensitivität und Spezifität gegen eine Ursache mit bekannter A-priori-Wahrscheinlichkeit durchzuführen, ist bayessches Aktualisieren, und es ist darauf angelegt, den Prävalenzfehler (Basisratenfehler) zu provozieren.
Die Tests einzeln durchzuführen und dabei fortlaufend zu aktualisieren, ist die originelle Struktur.
Der Fehlschluss ist so verlässlich, dass er ein Problem der öffentlichen Gesundheit darstellt: Bei einer seltenen Erkrankung kann ein positives Ergebnis eines zu 99 % genauen Tests dennoch bedeuten, dass die Ursache unwahrscheinlich ist, weil die falsch Positiven aus einer großen gesunden Bevölkerung die richtig Positiven aus einer winzigen kranken zahlenmäßig übertreffen. Die Tests nacheinander durchzuführen, lässt einen zusehen, wie die A-priori-Wahrscheinlichkeit diese Arbeit leistet.
Prior Knowledge ist ein Bayesianisches Denkspiel über Basisraten, Testgenauigkeit und kalibrierte Überzeugungen. Es handelt sich um ein originales kostenloses Browserspiel, das für PlayPendium entwickelt wurde.