Weź chorobę, którą ma jedna osoba na tysiąc, i test, który flaguje 99% chorych i 1% zdrowych. Szansa, że ktoś wychwycony przez test jest naprawdę chory, to 0.99 × 0.001 w liczniku, przez 0.99 × 0.001 + 0.01 × 0.999 w mianowniku, a stół roboczy odpowiada 0.09016393442623. Test dokładny w 99%, a dziewięć na dziesięć oflagowanych osób jest błędnych.
Oba wyrazy wyjaśniają to, jeśli spojrzeć na ich rozmiary: prawdziwie dodatnie przychodzą po 9.9⋅10−4 na osobę, fałszywie dodatnie po 0.00999 — dziesięciokrotnie większy strumień. Ta sama arytmetyka w częstościach naturalnych jest łagodniejsza dla intuicji: przebadaj tysiąc osób, jedna jest chora i zostanie wykryta z prawdopodobieństwem 0.99, podczas gdy 9.99 z 999 zdrowych i tak zostanie oflagowanych. Nic w teście nie jest niedokładne; rzadka jest choroba, a 1% błędu przyłożony do zdrowej populacji zalewa 99% trafień przyłożone do chorej.
Odpowiedź
0.09016393442623
Jak to czytać
Dodatnia wartość predykcyjna na stole roboczym. Dwa kolejne linki to jej licznik i wyraz fałszywie dodatni, który jest większy z tej dwójki.
Źródło
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
Rozwiąż w kalkulatorze
Te linki otwierają właściwy kalkulator z już wpisanymi liczbami tego zadania. Powyższa linia to to, co powinien pokazać ekran — sprawdź sam.