Представьте тест на редкое заболевание, поражающее 1 из 100 человек. Тест надёжен на 99% — он правильно определяет 99% людей, которые реально имеют заболевание, и правильно исключает 99% тех, у кого его нет. Вы проходите тест. Он положительный. Какой уровень беспокойства оправдан?
Интуитивная реакция большинства людей — «беспокойство на 99%». Правильный ответ, при корректном вычислении, составляет около 50%. Этот разрыв — именно то, для чего существует теорема Байеса — и как только вы увидите почему, вы никогда больше не прочтёте положительный результат так же.
Углублённый уровень A-Level
Два вопроса, которые кажутся похожими, но не являются такими
«Насколько надёжен этот тест?» на самом деле скрывает два отдельных вопроса под одним словом. Есть чувствительность — среди людей, у которых есть заболевание, скольких тест правильно определяет? И есть специфичность — среди тех, у кого его нет, скольких тест правильно исключает? Тест может набрать 99% по обоим показателям и всё же оставить вас с по-настоящему неопределённым результатом, потому что ни одно из этих двух чисел не отвечает на то, что вы действительно хотите знать: учитывая положительный результат, какова вероятность, что у вас реально есть заболевание?
Вычисляем это с 10 000 человек
Самый ясный способ увидеть это — не алгебра — это подсчёт. Представьте тестирование 10 000 человек, из которых 1% (100 человек) реально имеют заболевание.
- Среди 100 человек, у которых оно есть, тест правильно определяет 99 (99% чувствительности) и пропускает 1.
- Среди 9900 человек, у которых его нет, тест ошибочно классифицирует 1% из них — 99 человек — как положительные всё равно (99% специфичности, то есть уровень ложноположительных результатов 1%).
Сложите все положительные результаты теста: 99 истинно положительных плюс 99 ложноположительных, всего 198 человек. Из этих 198 только 99 реально имеют заболевание — ровно половина.
10 000 протестированных человек: 0,99%, которые реально положительны, и 0,99%, которые являются ложноположительными, почти равны, потому что редкое заболевание (1%) означает, что очень большая здоровая группа всё же производит равное число ложных тревог.
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.
Формула, стоящая за подсчётом
Теорема Байеса — это формальная версия той же самой логики подсчёта — она позволяет вам обновлять начальную вероятность, как только поступают новые доказательства:
P(заболевание | положительный) = [P(положительный | заболевание) × P(заболевание)] ÷ P(положительный)
Числитель — это 99 истинно положительных (99% чувствительности × 1% распространённости). Знаменатель, P(положительный), представляет всех, кто получает положительный тест по какой-либо причине — истинно и ложноположительные вместе, откуда и берутся 198. Чем реже заболевание, тем больше знаменатель заполнен ложноположительными результатами, и тем труднее положительному результату реально что-то значить.
Вопрос в формате экзамена
Другое заболевание встречается у 2% населения. Скрининговый тест имеет чувствительность 95% и специфичность 95%. Используя таблицу для 10 000 человек, найдите P(заболевание | положительный результат), дав ответ с точностью до 3 значащих цифр. [5 баллов]
Показать образец ответа и разбивку баллов
- 2% от 10 000 = 200 человек больны; 9 800 — нет (1 балл)
- Истинно положительные: 95% от 200 = 190. Ложноотрицательные: 200 − 190 = 10 (1 балл)
- Ложноположительные: 5% от 9 800 = 490 (специфичность 95% означает долю ложноположительных результатов 5%). Истинно отрицательные: 9 800 − 490 = 9 310 (1 балл)
- Всего положительных результатов = 190 + 490 = 680 (1 балл)
- P(заболевание | положительный) = 190 ÷ 680 = 0,279 = 27,9% (1 балл)
На что обращает внимание экзаменатор: постройте таблицу 2×2 (заболевание/нет заболевания × положительный/отрицательный), прежде чем что-либо делить — итоговое деление имеет смысл только тогда, когда все четыре числа известны.
Частая ошибка: использовать 95% (чувствительность) как ответ — это обратная условная вероятность, P(положительный | заболевание), а не P(заболевание | положительный) — именно та путаница, ради прояснения которой существует эта тема.
Почему это реально важно, а не только как тема экзамена
Это не хитрый вопрос, придуманный, чтобы обмануть учеников — это именно то рассуждение, которое врачи используют ежедневно, формально называемое «положительной прогностической ценностью». Если вероятность и статистика — это то, что вы или ваш ребёнок должны понимать с реальным рассуждением, стоящим за формулой, а не наизусть, именно это предлагает наше репетиторство по математике GCSE, и вы можете увидеть полный путь обучения здесь.
Часто задаваемые вопросы
Разве надёжность 99% не означает, что у меня 99% вероятность иметь заболевание, если тест положительный?
Нет — и это самое распространённое заблуждение о любом медицинском тесте. Надёжность 99% описывает поведение теста в зависимости от вашего реального состояния, это не прямой ответ на обратный вопрос: учитывая положительный результат, какова вероятность, что у вас реально есть заболевание? Эти два числа могут сильно различаться, когда само заболевание редкое.
Значит ли это, что тест бесполезен?
Вовсе нет — он выполняет реальную работу. До теста вероятность иметь заболевание составляла 1%. После положительного результата она выросла до 50%. Это реальное и важное обновление; просто это не определённость. На практике врачи реагируют на этот разрыв, назначая второй, отдельный тест.
Где ещё реально применяется эта логика?
Везде, где что-то тестирует что-то редкое: авиационная безопасность, спам-фильтры, системы обнаружения мошенничества, даже дымовой датчик в доме, где реальный пожар редок. В каждом случае низкий базовый уровень означает, что ложноположительные результаты могут превзойти истинно положительные, даже если сам детектор чрезвычайно надёжен.
Оценки и отзывы читателей
Оцените эту статью по нескольким критериям — ваше мнение помогает другим читателям и помогает нам становиться лучше.
Была ли эта статья полезной?
Расскажите, что вы думаете — исправление, вопрос, оставшийся без ответа, или тема, которую вы хотели бы увидеть далее.
Хотите обсудить голосом? Запишитесь на бесплатный видеозвонок в удобное время: 15 минут для короткого вопроса, 30 — для всего остального. Время показывается в вашем часовом поясе.
Об авторе
Sudershan Soni
Основатель и главный преподаватель в Mostak Services — репетитор по математике, естественным наукам, информатике и STEM со степенью магистра и более чем 20-летним профессиональным опытом, преподаёт ученикам от уровня 11+ и GCSE до A-Level и выше, онлайн по всему миру.
Читать полный профиль