依题意,漏诊率 \(p(c)\) 是将患病者判定为阴性(即指标 \(\le c\))的概率.
在患病者直方图中,第一组 \([95, 100]\) 对应的小矩形面积为:
\[ S_1 = 5 \times 0.002 = 0.01 = 1\% \]因为已知漏诊率 \(p(c) = 0.5\% < 1\%\),所以临界值必在第一区间内,即 \(95 < c < 100\).
根据组内均匀分布假设:
\[ p(c) = (c - 95) \times 0.002 = 0.5\% = 0.005 \] \[ c - 95 = \frac{0.005}{0.002} = 2.5 \implies c = 97.5 \]误诊率 \(q(c)\) 是将未患病者判定为阳性(即指标 \(> c\))的概率.
当 \(c = 97.5\) 时,未患病者指标大于 \(97.5\) 的频率由两部分组成:
因此误诊率为:
\[ q(c) = 0.025 + 0.010 = 0.035 = 3.5\% \]以组分界点 \(100\) 为界,分区间讨论:
情形 1:当 \(c \in [95, 100]\) 时
两式相加得:
\[ f(c) = p(c) + q(c) = (0.002c - 0.19) + (-0.01c + 1.01) = -0.008c + 0.82 \]因为斜率 \(-0.008 < 0\),所以 \(f(c)\) 在 \([95, 100]\) 上单调递减,最小值为:
\[ f(100) = -0.008 \times 100 + 0.82 = -0.80 + 0.82 = 0.02 \]情形 2:当 \(c \in (100, 105]\) 时
两式相加得:
\[ f(c) = p(c) + q(c) = (0.012c - 1.19) + (-0.002c + 0.21) = 0.01c - 0.98 \]因为斜率 \(0.01 > 0\),所以 \(f(c)\) 在 \((100, 105]\) 上单调递增,且:
\[ f(c) > f(100) = 0.01 \times 100 - 0.98 = 1 - 0.98 = 0.02 \]综合结论:
\[ f(c) = \begin{cases} -0.008c + 0.82, & 95 \le c \le 100 \\ 0.01c - 0.98, & 100 < c \le 105 \end{cases} \]函数 \(f(c)\) 在区间 \([95, 105]\) 上的最小值为 \(0.02\)(在 \(c = 100\) 处取得).
医学诊断阈值选择(ROC 曲线与最小误判损失模型):漏诊是下侧面积积分,误诊是上侧面积积分。总误差导数 $f'(c) = \text{患病密度}(c) - \text{未病密度}(c)$,极小值必然发生在两直方图密度曲线的几何交点处($c = 100$)。
漏诊率与误诊率的方向容易看反!必须谨记:漏诊率是针对【患病者】统计小于等于 c 的概率;误诊率是针对【未患病者】统计大于 c 的概率。
分界极值交点秒杀:观察直方图高度:在 $[95, 100]$ 内,未病密度 (0.01) 大于患病密度 (0.002),增大 $c$ 能大幅减少误诊,函数单调递减;在 $[100, 105]$ 内患病密度 (0.012) 大于未病密度 (0.002),继续增大 $c$ 会剧烈增加漏诊,函数单调递增!因此最小值必定在交接点 $c = 100$ 取到!无需算全篇,1 秒洞察极值点!
请勾选您在解答此题时遇到的问题或诉求,一键反馈给Ai老师: