Prenez une maladie qu'une personne sur mille a et un test qui marque 99% des malades et 1% des bien portants. La probabilité que quelqu'un détecté par le test soit réellement malade est 0.99 × 0.001 au numérateur, sur 0.99 × 0.001 + 0.01 × 0.999 au dénominateur, et l'espace de travail répond 0.09016393442623. Un test avec 99% de réussite, et neuf alertes sur dix sont fausses.
Les deux termes expliquent cela si vous regardez leur taille : les vrais positifs arrivent à 9.9⋅10−4 par personne, les faux positifs à 0.00999, dix fois ce flux. La même arithmétique en fréquences naturelles parle mieux à l'intuition : faites un dépistage sur mille personnes, une est malade et détectée avec probabilité 0.99, tandis que 9.99 des 999 bien portantes sont marquées quand même. Le test n'a rien d'imprécis ; ce qui est rare, c'est la maladie, et un taux d'erreur de 1% appliqué à une population saine enterre un taux de réussite de 99% appliqué à une population malade.
Réponse
0.09016393442623
Comment la lire
La valeur prédictive positive sur l'espace de travail. Les deux liens suivants sont son numérateur et le terme des faux positifs, qui est le plus gros des deux.
Source
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
Résolvez-le dans la calculatrice
Ces liens ouvrent la calculatrice appropriée avec les nombres de ce problème déjà saisis. La ligne ci-dessus correspond à ce que l'écran devrait afficher : vérifiez par vous-même.