1000 人に 1 人の病気に 99% の検査を使うと 0.09016393442623 になる

陽性の十件中九件は誤り。その理由は、誰も予想しない一行の計算にあります。

統計とデータ · 難易度: 古典的な結果 · 更新日 2026-11-10

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。

本サイトは独立した第三者のツールサイトです。Casio、Texas Instruments およびその販売代理店とは、提携・スポンサー・承認のいずれの関係もありません。機種名と製品名は各権利者の商標であり、機種を識別する目的でのみ記載しています。

本マニュアルのキー操作手順は、当サイト独自のレイアウトデータ(オンライン電卓の表示に使うものと同じデータ)と公開されている製品情報に基づいて作成しています。仕様と地域別の設定は、実機およびメーカーの最新資料で確認しています。