Nehmen Sie eine Krankheit, die einer von tausend Menschen hat, und einen Test, der 99% der Kranken und 1% der Gesunden markiert. Die Chance, dass jemand, den der Test anschlägt, wirklich krank ist, ist 0.99 × 0.001 im Zähler über 0.99 × 0.001 + 0.01 × 0.999 im Nenner, und der Rechner antwortet 0.09016393442623. Ein Test mit 99% Trefferquote, und neun von zehn Alarmen sind falsch.
Die beiden Terme erklären es, wenn Sie ihre Größen ansehen: Die richtig Positiven kommen auf 9.9⋅10−4 pro Person, die falsch Positiven auf 0.00999 – der zehnfache Zustrom. Dieselbe Arithmetik in natürlichen Häufigkeiten spricht die Intuition besser an: Screenen Sie tausend Menschen, einer ist krank und wird mit Wahrscheinlichkeit 0.99 erwischt, während 9.99 der 999 Gesunden trotzdem markiert werden. Nichts am Test ist ungenau; selten ist die Krankheit, und eine Fehlerquote von 1%, angewandt auf eine gesunde Bevölkerung, begräbt eine Trefferquote von 99%, angewandt auf eine kranke.
Antwort
0.09016393442623
So lesen Sie sie
Der positive Vorhersagewert auf dem Rechner. Die beiden folgenden Links sind sein Zähler und der Term der falsch Positiven, der größere von beiden.
Quelle
Positive predictive value = sensitivity·prevalence / (sensitivity·prevalence + false-positive-rate·(1 − prevalence)); base-rate neglect was demonstrated in Kahneman and Tversky's taxi-cab problem and the screening version popularised by Gerd Gigerenzer
Im Rechner durchrechnen
Diese Links öffnen den passenden Rechner mit den bereits eingegebenen Zahlen dieser Aufgabe. Die Zeile darüber ist das, was der Bildschirm anzeigen sollte – prüfen Sie selbst.