Robert的原文里的预报准确率是0.8,

引用:
　为什么这么说呢？假设你一年内会进行100次这样的"一小时购物"。10%的小
时降雨基础概率意味着你的90次购物之旅不会碰上下雨，另外10次则没那么幸运。
在这10次下雨天气中，天气预报将会准确预报其中的8次，因为它的准确率为80%.

　　不过80%的准确率同时也意味着20%的不准确率——因此气象局将会把18次晴
好天气预报成有雨（译者注：18=90*20%）。加起来，共有26次预报有雨，其中8
次是准确的。所以，尽管预报的准确率高达80%，但在预报有雨的日子里，出门
的一个小时内真碰上雨的可能性只有30%.
//

这个准确率的定义是很奇怪，Robert文章中指的是 P(预报有雨|下雨) 和P(预报无雨|无雨），并且两者相等。这个定义是和平时我们常用的一些指标定义是相反的。无怪乎“山人”等搞糊涂了。

一般而言，考察一种方法的准确性要用到多种指标，P(预报有雨|下雨)是敏感度，P(预报无雨|无雨)是特异度，P(下雨|预报有雨)=真阳性率，P(无雨|预报无雨)=假阳性率。

日常生活中所谓的预报的准确率通常指 P(下雨|预报有雨)=真阳性率。即天气预报说有雨了，实际上真正下雨的概率。其他指标老百姓一般不会去搞明白。这个也是山人等用的定义。

另外，Robert 文中计算下雨概率时用了小时下雨基础概率，但在上下文中又提到了日平均下雨概率。文章中也没有指出这些概率的不同点，很容易让普通读者搞混。

这充分说明，虽然Robert也许是数学物理大拿（在统计界没听过），但有大拿的通病，即喜欢不懂装懂。对具体问题没有搞清楚就竖起靶子瞎评论，拿起算术一通乱算，然后说人家错了，其实是他自己不懂。

还有一个例子就是Robert举的哈佛医生诊断疾病的例子。也许那个例子是30年前的。但至少现在的医生都学过临床流行病学，真阳性率假阳性率等概念还是有的。