某个平台的玩家误杀概率计算

Simon_u44Oo 发表于 2020-6-22 14:52
前提有误吧，既然真阳性是100%，那么就不存在假阳性的概率了。
假设所有账户违规率为0.1%，违规误杀率为5% ...

同上,还是上一楼这两个公式,真阳性100%对立面的不是假阳性,而是P(A=0|B=1)=0你概率理解完全错误了,看上一楼吧,这个误杀是对所有没违规的玩家而言,怎么能和0.1%相乘?

rahj 发表于 2020-6-22 15:28
对,如下面右边公式表述的,某个玩家没违规作弊但测试结果为阳性(违规)的条件概率
...

那你的计算错了， 假设1000个玩家，1个作弊，被抓出来，剩下999个中5%的概率误报，这样会抓出来差不多5个人，这样误报率就是5/6
另外，作弊识别还有个召回率的问题，实际存在千分之一的违规用户，最终识别量级肯定是到不了千分之一的，根据你的假设情况离最终真实的误报率之间的差距会很大

榆木脑袋 发表于 2020-6-22 15:54
那你的计算错了， 假设1000个玩家，1个作弊，被抓出来，剩下999个中5%的概率误报，这样会抓出来差不多5个 ...

我定义和计算的是P(B=0|A=1) 也就是检测一次呈阳性而实际没有违规的概率
你这个也一样,只是你算错了

rahj 发表于 2020-6-22 16:00
我定义和计算的是P(B=0|A=1) 也就是检测一次呈阳性而实际没有违规的概率
你这个也一样,只是你算错了
...

P（B=1|A=1） = P(B=1)*P(A=1|B=1)/[P(B=1)*P(A=1|B=0)+P(B=1)*P(A=1|B=1)] = 0.001*1/0.999*0.05+0.001*1  这个就是贝叶斯公式 说实话你算的那个公式我没看懂是啥意思。。。。

榆木脑袋 发表于 2020-6-22 16:28
P（B=1|A=1） = P(B=1)*P(A=1|B=0)/ = 0.999*0.05/0.999*0.05+0.0001*1  这个就是贝叶斯公式 说实话你算 ...

你之前那个不是5而是50,按这个算就对了
我后面重新假设就用这个来算的,之前找了的一个有公式有图片的只是改改假设,也发现他那算法真费解