100人に1人が罹患するまれな疾患の検査を想像してください。この検査は99%信頼できます — 実際にその病気を持つ人の99%を正しく特定し、持たない人の99%を正しく除外します。あなたはその検査を受けました。陽性でした。どの程度の心配が正当化されますか？
ほとんどの人の直感的な反応は「99%心配」です。正しく計算した正解は約50%です。このギャップこそがベイズの定理が埋めるために存在するものです — そしてなぜそうなるのか一度理解すれば、陽性結果を二度と同じようには読まなくなるでしょう。
A-Level発展
似ているようで似ていない二つの問い
「この検査はどれくらい信頼できるのか？」は実際には一つの言葉の下に二つの別々の問いを隠しています。感度があります — 病気を持つ人のうち、検査は何人を正しく特定するのか？ そして特異度があります — 持たない人のうち、検査は何人を正しく除外するのか？ 検査は両方で99%を達成しながらも、本当に不確かな結果を残すことがあります。なぜならこれらの数字のどちらも、あなたが本当に知りたいこと：陽性結果が分かったとき、あなたが実際にその病気を持っている確率はどれくらいか、に答えていないからです。
10,000人で計算する
これを見る最も明確な方法は代数ではなく — 数えることです。10,000人を検査すると想像してください。そのうち1%（100人）が実際に病気を持っています。
- それを持つ100人のうち、検査は正しく99人を特定し（99%の感度）、1人を見逃します。
- それを持たない9,900人のうち、検査は誤って1%の人 — 99人 — を陽性と分類します（99%の特異度、つまり1%の偽陽性率）。
すべての陽性検査結果を合計すると：99人の真陽性に99人の偽陽性を加えて、合計198人です。この198人のうち、実際に病気を持っているのはわずか99人 — ちょうど半分です。
10,000人を検査すると：実際に陽性である0.99%と偽陽性である0.99%はほぼ同じです。なぜなら、まれな疾患（1%）とは、非常に大きな健康な集団がそれでも同数の誤ったアラームを生み出すことを意味するからです。
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.
数え上げの背後にある公式
ベイズの定理は、この同じ数え上げの論理の正式なバージョンです — 新しい証拠が届くたびに最初の確率を更新することを可能にします：
P(病気 | 陽性) = [P(陽性 | 病気) × P(病気)] ÷ P(陽性)
分子は99人の真陽性です（99%の感度 × 1%の有病率）。分母、P(陽性)は、何らかの理由で陽性検査結果を得たすべての人を表します — 真陽性と偽陽性を合わせたもので、そこから198人が生まれます。疾患がまれであるほど、分母は偽陽性でより多く満たされ、陽性結果が実際に何かを意味することはより困難になります。
試験形式の問題
別の疾患が人口の2%に影響を与えている。スクリーニング検査の感度は95%、特異度は95%である。10,000人の表を用いて、P(疾患 | 陽性)を求め、有効数字3桁で答えなさい。 [5点]
模範解答と採点基準を表示
- 10,000人の2% = 200人が疾患を持ち、9,800人は持たない (1点)
- 真陽性:200人の95% = 190人。偽陰性:200 − 190 = 10人 (1点)
- 偽陽性:9,800人の5% = 490人(特異度95%は偽陽性率5%を意味する)。真陰性:9,800 − 490 = 9,310人 (1点)
- 陽性判定の合計 = 190 + 490 = 680人 (1点)
- P(疾患 | 陽性) = 190 ÷ 680 = 0.279 = 27.9% (1点)
採点者が重視する点: 何かを割り算する前に2×2の表(疾患あり/なし × 陽性/陰性)を作成すること — 最終的な割り算は4つの数字がすべて揃って初めて意味を持つ。
よくある間違い: 答えとして95%(感度)を使ってしまうこと — これは逆の条件付き確率、すなわちP(陽性 | 疾患)であり、P(疾患 | 陽性)ではない — これはまさにこの単元全体が明らかにしようとしている混同そのものである。
なぜこれが単なる試験科目ではなく本当に重要なのか
これは生徒を混乱させるために作られたひっかけ問題ではありません — これは医師が日常的に使っている推論そのものであり、正式には「陽性的中率」と呼ばれています。確率と統計を、あなたやお子様が単なる暗記ではなく公式の背後にある本当の推論で理解してほしいなら、それはまさに私たちのGCSE数学の家庭教師が提供するものであり、完全な学習の道筋はこちらからご覧いただけます。
よくある質問
99%の信頼性は、検査が陽性なら私が99%の確率で病気を持っているということではないのですか？
いいえ — これはあらゆる医療検査に関する最も一般的な誤解です。「99%信頼できる」は、あなたの実際の状態に応じて検査がどう振る舞うかを記述するものであり、逆の問い — 陽性結果が分かったとき、あなたが実際にその病気を持っている確率はどれくらいか — に直接答えるものではありません。この二つの数字は、疾患自体がまれである場合、大きく異なることがあります。
では検査は無意味なのですか？
全く違います — それは本物の仕事をしています。検査前、病気を持っている確率は1%でした。陽性結果の後、それは50%に上がりました。これは実質的で重要な更新です。ただ確実性ではないだけです。実際には、医師はこのギャップに対応するために別の二つ目の検査を処方します。
この論理は実際に他のどこに当てはまりますか？
まれなものを検査するあらゆる場所です：空港のセキュリティ、スパムフィルター、詐欺検出システム、実際に火災がまれである家庭の煙探知機さえもです。それぞれの場合、低い基準率は、探知機自体が非常に信頼できるものであっても、偽陽性が真陽性を上回る可能性があることを意味します。
読者からの評価とレビュー
この記事を複数の観点から評価してください — あなたの意見は他の読者の助けになり、私たちの改善にもつながります。
この記事は役に立ちましたか？
ご感想をお聞かせください — 修正点、未解決の疑問、次に取り上げてほしいトピックなど。
直接話したいですか？ ご都合のよい時間に無料のビデオ通話を予約できます。短い質問は15分、その他は30分です。時間はお住まいのタイムゾーンで表示されます。
著者について
Sudershan Soni
Mostak Servicesの創業者兼主任講師 — 数学・理科・情報科学・STEMの修士号を持つ講師であり、20年以上のプロフェッショナルとしての経験を持ちます。11+やGCSEからA-Levelおよびそれ以降まで、世界中の生徒をオンラインで指導しています。
プロフィール全文を読む