千人に一人がかかる病気を考えます。検査は患者の 99% を陽性とし、健康な人の 1% も陽性にしてしまいます。検査が陽性を出した人が本当に病気である確率は、分子が 0.99 × 0.001、分母が 0.99 × 0.001 + 0.01 × 0.999 で、計算機は 0.09016393442623 と答えます。的中率 99% の検査で、警報の十件に九件が誤りなのです。
二つの項の大きさを見れば理由ははっきりします。真陽性は一人あたり 9.9⋅10−4、偽陽性は 0.00999 で、十倍の流入です。同じ計算を自然頻度で言い直すと直感に届きやすくなります。千人を検査すれば、病人は一人で確率 0.99 で捕まり、999 人の健康な人のうち 9.99 人がそれでも陽性と判定されます。検査の精度に問題はありません。珍しいのは病気のほうで、健康な集団にかけられた 1% の誤判定率が、病人にかけられた 99% の的中率を埋もれさせてしまうのです。
答え
0.09016393442623
読み方
計算機での陽性的中率です。続く二つのリンクは、その分子と、二つのうち大きいほうである偽陽性の項です。
出典
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
電卓で解いてみる
これらのリンクは、この問題の数値が入力済みの状態で適切な電卓を開きます。上の行は画面に表示されるはずの内容です。ぜひ自分で確認してください。