Prendi una malattia che colpisce una persona su mille e un test che segnala il 99% dei malati e l'1% dei sani. La probabilità che una persona segnalata dal test sia davvero malata ha 0.99 × 0.001 al numeratore, su 0.99 × 0.001 + 0.01 × 0.999 al denominatore, e il banco di lavoro risponde 0.09016393442623. Un test accurato al 99%, e nove persone segnalate su dieci sono sbagliate.
I due termini lo spiegano se guardi le loro dimensioni: i veri positivi arrivano a 9.9⋅10−4 per persona, i falsi positivi a 0.00999, dieci volte il flusso. La stessa aritmetica in frequenze naturali è più gentile con l'intuizione: esamina mille persone, una è malata e viene individuata con probabilità 0.99, mentre 9.99 dei 999 sani vengono segnalati comunque. Nulla nel test è inaccurato; ciò che è scarso è la malattia, e un tasso di errore dell'1% applicato a una popolazione sana sommerge un tasso di successo del 99% applicato a una malata.
Risposta
0.09016393442623
Come leggerla
Il valore predittivo positivo sul banco di lavoro. I due link successivi sono il suo numeratore e il termine dei falsi positivi, che è il più grande dei due.
Fonte
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
Svolgilo nella calcolatrice
Questi link aprono la calcolatrice giusta con i numeri di questo problema già digitati. La riga sopra è ciò che lo schermo dovrebbe mostrare — verifica tu stesso.