lecture 4 Flashcards
(34 cards)
Base rate neglect
a cognitive bias where individuals underestimate or ignore the general prevalence of an event when making probability judgments
given the observed data, what can we conclude about the state of the world?
Bayes theorem allows you to make inferences about the state of the world from data, instead of the usual framework: using the state of the world to infer about what data means)
sensitivity
Given I have the disease, what is the probability of my test being positive?
How do you calculate sensitivity?
gegeven dat ik de ziekte heb, wat is de kans dat ik positief test.
Deel het aantal wat zegt: ik heb de ziekte, en ik test positief. Door het totaal van alle onder t kopje positief, dus ook de vals negatieve.
TP / (TP + FN)
stel t is onder t kopje positief
75 goed
25 negatief
dan deel je 75/100
Hoe bereken je specificity
TN / (TN + FP)
Dus het totaal aantal correct negatieve testen
gedeeld door het totaal, dus ook de fout positieve testen
Wat is de Positive Predictive Value (PPV)?
De kans dat iemand de ziekte echt heeft, gegeven dat de test positief is.
Wat is de formule van PPV?
TP/TP+FP
Wat is de Negative Predictive Value (NPV)?
De kans dat iemand de ziekte niet heeft, gegeven dat de test negatief is.
Wat is de formule van NPV?
TN/ TN + FN
Wat is het verschil tussen sensitivity/specificity en positive predictive value/ negative predictive value
Sensitiviteit: Gegeven de wereld, wat zie ik? Gaat van realiteit naar data
PPV: Gegeven wat ik zie, hoe is de wereld? Gaat van data naar realiteit
Base rate neglect, at what do the people look, and what should they actually be looking at?
they look at the columns (specificity/sensitivity) when they should be looking at the rows
What do you see happening when people look at the columns only
The specificity and sensitivity can look really good!! But when you look at the rows you see that if you have a positive test, the positive predictive value can be very low actually
What is the transposing the conditional error
Het verwarren van P(A | B) met P(B | A) – dus het omdraaien van voorwaardelijke kansen, wat tot verkeerde conclusies leidt.
Geef een voorbeeld van transposing the conditional met medische testen.
Men denkt: “De test is 99% accuraat, dus als ik positief test, is de kans 99% dat ik ziek ben”
Maar dat klopt niet: men verwart P(Test+ | Ziek) met P(Ziek | Test+)
extraordinary claims require
extraordinary evidence
Wat zegt Bayes’ regel?
Hoe je je oorspronkelijke kans (prior) bijstelt op basis van nieuwe data (testuitslag) om tot een bijgestelde kans (posterior) te komen.
Wat is de odds-versie van Bayes’ regel
Posteriorodds=Priorodds×Evidence
Wat is het verschil tussen een odds en een probability?
Probability: p/p+q
Odds: p/q
Om van odds naar probability te gaan:
odds / (1 + odds)
Wat is de “evidence” in Bayes’ regel?
Hoeveel waarschijnlijker een positieve test is bij een zieke dan bij een gezonde:
P(Test+∣Gezond)/
P(Test+∣Ziek)
Wat is een prior distribution in de context van Bayesian redeneren?
Een verdeling die de initiële onzekerheid of verwachting uitdrukt over een onbekende waarde, zoals prevalentie, vóórdat er nieuwe data is gezien
Wat stelt een prior distribution voor in Bayesian termen?
Geen data, maar een verdeling van geloof: hoe plausibel je denkt dat bepaalde waarden zijn.
Meer ‘massa’ = meer geloof in die waarde.
Wat betekent de hoogte van de curve bij een prior distribution?
De hoogte op zich zegt niets over kans — de oppervlakte onder de curve tussen twee punten wél
Wat is een credible interval in Bayesiaanse statistiek?
Een interval waarin je met een bepaalde zekerheid gelooft dat de werkelijke waarde ligt. Het is een interval over geloof, niet over herhaalde metingen.
