🔄 베이즈 정리 계산기

베이즈 정리 결과 이해하기

민감도를 95%, 위양성률을 5%로 고정했을 때, 아래 표는 사전확률에 따라 사후확률이 얼마나 극적으로 달라지는지를 보여 줍니다. 이것이 바로 베이즈 정리의 핵심에 있는 기저율 효과입니다.

• 사후확률은 사전확률에 매우 민감하며, 특히 사전확률이 작을 때 그렇습니다. 양성 검사 결과나 그 밖의 새로운 증거를 해석할 때 기저율을 무시할 수 없는 이유가 여기에 있습니다.
• 이 계산기의 공식은 사건 A와 그 여사건 ¬A라는 이분 분할에 적용됩니다. 서로 배타적인 가능성이 셋 이상인 상황(예: 후보 진단이 둘 이상인 경우)에는 모든 가능성에 걸친 전확률의 법칙의 완전한 형태가 필요합니다.
• 위양성률 P(B | ¬A)는 특이도와 같지 않습니다. 위양성률은 1에서 특이도를 뺀 값이므로, '특이도 95%'인 검사의 위양성률은 5%입니다.
• 중간 확률을 반올림한 뒤 결합하면 최종 사후확률이 눈에 띄게 왜곡될 수 있으며, 특히 사전확률이 작을 때 그렇습니다. 가능하면 계산 전 과정에서 완전한 정밀도를 유지하십시오.

베이즈 정리란 무엇입니까?

베이즈 정리는 새로운 증거(B)를 관찰한 뒤 어떤 사건(A)의 확률을 갱신하는 공식으로, 사전확률과 각 시나리오에서 그 증거가 나타날 가능성을 결합합니다. P(A | B) = P(B | A) × P(A) / P(B)로 표기하며, 질병이 있을 때 양성 결과가 나올 확률과 같은 '순방향' 확률을 실제로 알고 싶은 '역방향' 확률, 즉 양성 결과가 나왔을 때 질병이 있을 확률로 변환해 줍니다.

이 계산기는 흔히 쓰이는 진단검사 틀을 사용합니다. P(A)는 검사를 시행하기 전 해당 집단에서 그 상태가 존재할 사전확률(기저율)이고, P(B | A)는 민감도, 즉 상태가 있을 때 양성 결과가 나올 확률이며, P(B | ¬A)는 위양성률, 즉 상태가 없을 때 양성 결과가 나올 확률(1에서 특이도를 뺀 값)입니다.

기저율 오류는 검사의 민감도에만 주목하고 사전확률을 무시하는 흔한 잘못입니다. 검사할 대상 상태가 집단 내에서 드물다면, 민감도가 높고 위양성률이 낮은 검사라도 직관이 기대하는 것보다 훨씬 낮은 사후확률을 낳을 수 있습니다.

이 베이즈 정리 계산기 사용법

1. 사전확률 P(A), 즉 해당 집단에서 그 사건이나 상태가 존재하는 기저율을 백분율로 입력합니다.
2. 민감도인 P(B | A), 즉 사건이 참일 때 그 증거가 관찰될 확률을 입력합니다.
3. 위양성률인 P(B | ¬A), 즉 사건이 참이 아닐 때 그 증거가 관찰될 확률을 입력합니다.
4. 사후확률 P(A | B), 증거의 전체 확률 P(B), 그리고 A일 때와 ¬A일 때 증거가 나타날 가능성의 비를 나타내는 우도비(베이즈 인자)를 확인합니다.

베이즈 정리의 계산 공식

베이즈 정리는 전확률의 법칙을 이용해 분모 P(B)를 A와 ¬A 두 가지 경우로 전개합니다: P(A | B) = [P(B | A) × P(A)] / [P(B | A) × P(A) + P(B | ¬A) × (1 − P(A))].

계산 예시: 사전확률 P(A) = 1%, 민감도 P(B | A) = 95%, 위양성률 P(B | ¬A) = 5%. 분자: 0.95 × 0.01 = 0.0095. 양성 결과의 전체 확률: P(B) = 0.95 × 0.01 + 0.05 × 0.99 = 0.0095 + 0.0495 = 0.059. 사후확률: P(A | B) = 0.0095 / 0.059 ≈ 0.1610, 즉 사후확률은 약 16.10%입니다. 검사가 실제 사례의 95%를 올바르게 찾아내더라도, 이 상황에서 나오는 양성 결과의 대부분은 그 상태가 없는 훨씬 큰 집단에서 나옵니다.

우도비(베이즈 인자)는 P(B | A) / P(B | ¬A)입니다. 위 계산 예시에서는 0.95 / 0.05 = 19이며, 이는 A가 참일 때 양성 결과가 나올 가능성이 A가 거짓일 때보다 19배 높다는 뜻입니다.

흔한 실수

• 민감도인 P(B | A)와 사후확률인 P(A | B)를 혼동하는 것 — 민감도가 높은 검사에서 양성이 나오면 실제로 그 상태일 확률도 높다고 단정하면서 기저율을 무시하는 것이 전형적인 기저율 오류입니다.
• 사전확률을 아예 무시하는 것 — 민감도 95%, 위양성률 5%인 검사라도 사전확률이 1%라면 사후확률은 약 16%에 불과합니다. 양성 결과의 대부분이 훨씬 큰 진음성 집단에서 나오기 때문입니다.
• 특이도와 위양성률을 변환 없이 같은 값으로 취급하는 것 — 이 계산기는 1에서 특이도를 뺀 값인 위양성률 P(B | ¬A)를 입력받습니다.
• 서로 배타적인 가능성이 셋 이상인데 두 항짜리 공식을 적용하는 것 — 단순한 A 대 ¬A 형태는 결과가 이분 분할일 때만 성립합니다.
• 중간 확률을 반올림한 뒤 결합하는 것 — 기저율이 낮을 때 사전확률의 작은 변화에도 특히 민감한 계산이므로 오차가 누적됩니다.

자주 묻는 질문

참고 자료

1. Bayes T, Price R. An Essay towards Solving a Problem in the Doctrine of Chances. Philosophical Transactions of the Royal Society of London 1763; 53: 370-418.
2. Kahneman D, Tversky A. On the psychology of prediction. Psychological Review 1973; 80(4): 237-251 (base-rate neglect in probability judgment).
3. National Institute of Standards and Technology (NIST). NIST/SEMATECH e-Handbook of Statistical Methods — probability rules and Bayes' theorem. nist.gov.
4. Moore DS, McCabe GP, Craig BA. Introduction to the Practice of Statistics. W. H. Freeman (conditional probability and Bayes' rule).
5. Casella G, Berger RL. Statistical Inference (2nd ed). Duxbury, 2002 (Bayes' theorem and conditional probability).