假阳性陷阱：体检阳性就吓破胆？
某病患病率万分之一，检测准确率99%。结果阳性的人，真正患病的概率竟只有约1%！贝叶斯如何戳破直觉。
题目
某种罕见病在人群中的患病率是 1/10000。有一种检测：患者 99% 呈阳性，健康人 99% 呈阴性（即健康人误报阳性 1%）。
现在随机一人检测为阳性，请问他真的患病的概率是多少？
直觉可能觉得“准确率99%，那基本就是病了”。答案会让你意外。
答案与解析
用贝叶斯公式。设 为患病， 为阳性：
代入：
\approx \frac{0.000099}{0.000099+0.009999}\approx 0.0098$$ **答案：约 0.98%，还不到 1%。** 原因：病人本就极少（万分之一），那 1% 的误报摊在庞大健康人群上，远比真病人多。 ## 背后的数学 这是著名的**基础率谬误（Base Rate Fallacy）**。贝叶斯告诉我们：先验概率（患病率）乘以似然，再归一化，才得到后验。医学筛查、法庭证据、垃圾邮件过滤，全靠它。当疾病极罕见时，再准的检测也会“狼来了”——所以阳性后通常要换更特异的方法复核。