Toma una enfermedad que tiene una persona de cada mil y una prueba que marca al 99% de los enfermos y al 1% de los sanos. La probabilidad de que alguien detectado por la prueba esté realmente enfermo es 0.99 × 0.001 en el numerador, sobre 0.99 × 0.001 + 0.01 × 0.999 en el denominador, y el banco de trabajo responde 0.09016393442623. Una prueba con un 99% de acierto, y nueve de cada diez avisos son falsos.
Los dos términos lo explican si miras su tamaño: los verdaderos positivos llegan a 9.9⋅10−4 por persona, los falsos positivos a 0.00999, diez veces ese caudal. La misma aritmética en frecuencias naturales le sienta mejor a la intuición: haz un cribado a mil personas, una está enferma y se detecta con probabilidad 0.99, mientras que 9.99 de las 999 sanas quedan marcadas de todos modos. La prueba no tiene nada de inexacta; lo que escasea es la enfermedad, y una tasa de error del 1% aplicada a una población sana sepulta una tasa de acierto del 99% aplicada a una enferma.
Respuesta
0.09016393442623
Cómo leerla
El valor predictivo positivo en el banco de trabajo. Los dos enlaces siguientes son su numerador y el término de falsos positivos, que es el mayor de los dos.
Fuente
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
Resuélvelo en la calculadora
Estos enlaces abren la calculadora adecuada con los números de este problema ya escritos. La línea de arriba es lo que debería mostrar la pantalla: compruébalo tú mismo.