एक दुर्लभ स्थिति के लिए एक जांच की कल्पना करें जो 100 में से 1 व्यक्ति को प्रभावित करती है। जांच 99% सटीक है — यह उन 99% लोगों की सही पहचान करती है जिन्हें वास्तव में यह स्थिति है, और उन 99% को सही ढंग से साफ करती है जिन्हें नहीं है। आप जांच करवाते हैं। यह सकारात्मक आती है। आपको कितना चिंतित होना चाहिए?
अधिकांश लोगों की सहज प्रतिक्रिया है "99% चिंतित"। सही जवाब, ठीक से गणना करने पर, लगभग 50% है। यह अंतर बिल्कुल वही है जिसे बेयस प्रमेय पाटने के लिए मौजूद है — और एक बार जब आप कारण देख लेंगे, तो आप कभी भी सकारात्मक जांच परिणाम को उसी तरह नहीं पढ़ेंगे।
दो सवाल जो एक जैसे लगते हैं लेकिन नहीं हैं
"यह जांच कितनी सटीक है?" वास्तव में एक शब्द पहने दो अलग-अलग सवाल हैं। एक है संवेदनशीलता (sensitivity) — जिन लोगों को यह स्थिति है, उनमें से जांच सही ढंग से कितने को चिह्नित करती है? और है विशिष्टता (specificity) — जिनके पास यह नहीं है, उनमें से जांच सही ढंग से कितनों को साफ करती है? एक जांच दोनों में 99% स्कोर कर सकती है और फिर भी आपको वास्तव में एक अनिश्चित परिणाम दे सकती है, क्योंकि इनमें से कोई भी संख्या आपको वह नहीं बताती जो आप वास्तव में जानना चाहते हैं: सकारात्मक परिणाम को देखते हुए, आपके पास यह स्थिति होने की क्या संभावना है?
10,000 लोगों के साथ इसकी गणना करना
इसे देखने का सबसे स्पष्ट तरीका बीजगणित नहीं है — यह गिनती है। 10,000 लोगों की जांच की कल्पना करें, जहां उनमें से 1% (100 लोग) वास्तव में इस स्थिति के साथ हैं।
- जिन 100 को यह है, उनमें से जांच सही ढंग से 99 को चिह्नित करती है (99% संवेदनशीलता) और 1 को छोड़ देती है।
- जिन 9,900 को यह नहीं है, उनमें से जांच गलती से उनमें से 1% को — 99 लोगों को — फिर भी सकारात्मक के रूप में वर्गीकृत करती है (99% विशिष्टता, यानी 1% झूठी सकारात्मक दर)।
सकारात्मक जांच वाले सभी को जोड़ें: 99 वास्तविक सकारात्मक प्लस 99 झूठे सकारात्मक, कुल 198 लोग। उन 198 में से, केवल 99 को वास्तव में यह स्थिति है — बिल्कुल आधे।
10,000 लोगों की जांच की गई: वे 0.99% जो वास्तव में सकारात्मक हैं और वे 0.99% जो झूठे सकारात्मक हैं लगभग समान हैं, क्योंकि दुर्लभ स्थिति (1%) का मतलब है कि बहुत बड़ा स्वस्थ समूह अभी भी झूठे अलार्म की समान संख्या पैदा करता है।
Try it yourself — drag the slider to change how rare the condition is, and watch how a “99% accurate” test's real reliability changes with it.
1.0% of people have the condition — 100 out of 10,000 tested.
99
true positives
99
false positives
50%
chance a positive is real
A test that's 99% accurate on paper is only 50% reliable in practice at this prevalence — because 99 healthy people are being flagged positive for every 99 genuinely sick ones caught.
गिनती के पीछे का सूत्र
बेयस प्रमेय इसी गिनती तर्क का औपचारिक संस्करण है — यह आपको नए सबूत आते ही एक शुरुआती संभावना को अपडेट करने देता है:
P(स्थिति | सकारात्मक) = [P(सकारात्मक | स्थिति) × P(स्थिति)] ÷ P(सकारात्मक)
अंश 99 वास्तविक सकारात्मक हैं (99% संवेदनशीलता × 1% प्रसार)। हर, P(सकारात्मक), वह हर कोई है जो किसी भी कारण से सकारात्मक जांच करता है — वास्तविक और झूठे सकारात्मक मिलाकर, यहीं से 198 आता है। स्थिति जितनी दुर्लभ होती है, हर उतना ही झूठे सकारात्मक से भरा होता है, और एक सकारात्मक परिणाम का वास्तव में कुछ मतलब होना उतना ही कठिन होता है।
यह वास्तव में क्यों मायने रखता है, केवल एक परीक्षा विषय के रूप में नहीं
यह छात्रों को फंसाने के लिए डिज़ाइन किया गया कोई ट्रिक सवाल नहीं है — यह बिल्कुल वही तर्क है जिसका उपयोग डॉक्टर रोज़ाना करते हैं, औपचारिक रूप से "सकारात्मक पूर्वानुमानित मूल्य" कहा जाता है। यही कारण है कि जब स्थिति दुर्लभ होती है तो डॉक्टर केवल एक सकारात्मक स्क्रीनिंग जांच परिणाम के आधार पर निदान नहीं करते। यदि प्रायिकता और सांख्यिकी कुछ ऐसा है जिसे आप या आपके बच्चे को केवल याद करने के बजाय सूत्र के पीछे वास्तविक तर्क के साथ समझाया जाना चाहिए, तो यही बिल्कुल वह है जो हमारी GCSE गणित ट्यूशन प्रदान करती है, और आप पूरा सीखने का मार्ग यहां देख सकते हैं।
अक्सर पूछे जाने वाले प्रश्न
क्या 99% सटीकता का मतलब यह नहीं है कि सकारात्मक होने पर मुझे 99% संभावना है कि मुझे यह स्थिति है?
नहीं — और यह किसी भी नैदानिक जांच की सबसे आम गलतफहमी है। 99% सटीक यह बताता है कि आपकी वास्तविक स्थिति को देखते हुए जांच कैसा व्यवहार करती है, न कि सीधे उल्टे सवाल का जवाब — सकारात्मक परिणाम को देखते हुए आपके पास वास्तव में यह स्थिति होने की कितनी संभावना है — और जब स्थिति स्वयं दुर्लभ हो तो ये दोनों संख्याएं बहुत अलग हो सकती हैं।
तो क्या जांच बेकार है?
बिल्कुल नहीं — यह वास्तविक काम कर रही है। जांच से पहले, आपकी स्थिति होने की संभावना 1% थी। एक सकारात्मक परिणाम के बाद, यह 50% तक कूद गई। यह एक वास्तविक, बड़ा अपडेट है; बस यह निश्चितता जैसा नहीं है। व्यवहार में, डॉक्टर इसी अंतर पर दूसरी, अलग जांच का आदेश देकर प्रतिक्रिया करते हैं — दो स्वतंत्र सकारात्मक परिणाम मिलकर संभावना को उच्च 90 के दशक में धकेल देते हैं।
यह तर्क वास्तव में और कहां लागू होता है?
कहीं भी जहां कोई चीज़ किसी दुर्लभ चीज़ की जांच करती है: हवाई अड्डे की सुरक्षा, स्पैम फिल्टर, धोखाधड़ी-पहचान प्रणालियां, यहां तक कि एक घर में स्मोक अलार्म जहां वास्तव में शायद ही कभी आग लगती है। हर मामले में, कम आधार दर का मतलब है कि झूठे सकारात्मक वास्तविक सकारात्मक से अधिक हो सकते हैं भले ही डिटेक्टर स्वयं अत्यधिक सटीक हो।
पाठकों की रेटिंग और समीक्षाएँ
इस लेख को कई अलग-अलग पहलुओं पर रेट करें — आपकी रेटिंग दूसरे पाठकों की मदद करती है, और हमें बेहतर बनाने में मदद करती है।
क्या यह लेख उपयोगी था?
हमें अपनी राय बताएं — कोई सुधार, कोई सवाल जिसका जवाब नहीं मिला, या कोई विषय जिसे आप अगली बार कवर होते देखना चाहते हैं।
लेखक के बारे में
Sudershan Soni
मोस्तक सर्विसेज़ में संस्थापक व मुख्य शिक्षक — MSc-योग्य गणित, विज्ञान, कंप्यूटर साइंस और STEM शिक्षक, 20+ वर्षों के पेशेवर अनुभव के साथ, 11+ और GCSE से A-Level और उससे आगे तक के छात्रों को दुनिया भर में ऑनलाइन पढ़ाते हैं।
पूरी प्रोफ़ाइल पढ़ें