«Положительный результат теста» не всегда означает «болезнь»? Ошибка базового процента

Thu, 10 Sep 2026 21:00:00 +0900

Если на медицинском или онкологическом обследовании вы получите результат «положительно (есть отклонения)», любой человек впадет в панику. Однако, если у вас есть знания в области статистики и теории вероятностей, возможно, вы сможете сделать глубокий вдох и успокоиться. Все потому, что «положительный результат высокоточного теста» вовсе не означает, что «вероятность того, что вы действительно больны, высока».

Это типичное когнитивное искажение, при котором человеческая интуиция сильно ошибается в расчетах вероятности, называемое «ошибкой базового процента (Base Rate Fallacy)» или «игнорированием априорной вероятности».

Пугающая проблема медицинского обследования

Представьте себе следующую ситуацию.

В одном городе есть неизвестная болезнь, которой заражен 1 человек из 10 000 (0,01%). Для выявления этой болезни был разработан отличный набор для тестирования с «точностью 99%». (*Точность 99% означает, что если тест проходит больной человек, то с вероятностью 99% результат будет правильно определен как «положительный», а если здоровый человек — с вероятностью 99% он будет правильно определен как «отрицательный».)

Вы случайно прошли этот тест, и результат оказался «положительным». Итак, какова вероятность того, что вы действительно заражены этой болезнью?

Многие люди интуитивно ответят: «Раз точность теста 99%, значит, вероятность того, что я болен, тоже 99%». Однако математически правильный ответ — «около 0,98% (менее 1%)».

Почему же при точности 99% фактическая вероятность оказывается меньше 1%?

Теорема Байеса и визуализация картины в целом

Ключ к разгадке этой проблемы заключается в учете не только точности теста, но и того, «насколько эта болезнь изначально редка (базовый процент / априорная вероятность)». Давайте визуализируем это противоречащее интуиции явление на примере большой группы из 1 000 000 человек.

Общее количество людей: 1 000 000 человек
Действительно больные люди (1 на 10 000): 100 человек
Здоровые люди: 999 900 человек

Всем этим 1 миллиону человек проводится тест с «точностью 99%».

1. Если тест проходят действительно больные люди (100 человек)

Так как точность 99%, правильно определены как «положительные» будут: 100 человек × 99% = 99 человек (истинно положительные)

2. Если тест проходят здоровые люди (999 900 человек)

Так как точность 99%, есть люди, которые с вероятностью 1% будут ошибочно определены как «положительные» (ложноположительные): 999 900 человек × 1% = 9 999 человек (ложноположительные)

graph TD A["Всё население (1 000 000 человек)"] --> B["Больные люди (100 человек)"] A --> C["Здоровые люди (999 900 человек)"] B -->|Верно на 99%| B1["Истинно положительные (99 человек)"] B -->|Ошибка на 1%| B2["Ложноотрицательные (1 человек)"] C -->|Верно на 99%| C1["Истинно отрицательные (989 901 человек)"] C -->|Ошибка на 1%| C2["Ложноположительные (9 999 человек)"] B1 -.-> D{"Общее число людей, получивших результат 'Положительный': 10 098 человек"} C2 -.-> D style A fill:#ECEFF1,stroke:#333 style B fill:#FFCDD2,stroke:#333 style C fill:#C8E6C9,stroke:#333 style B1 fill:#F44336,stroke:#333,color:#fff style C2 fill:#FF9800,stroke:#333,color:#fff style D fill:#FFF9C4,stroke:#333,stroke-width:2px

Истинная вероятность того, что вы больны

Итак, врач сообщил вам: «У вас положительный результат». Это означает, что вы попали в группу «Общее число людей, получивших результат ‘Положительный’ (10 098 человек)», расположенную в правой нижней части схемы.

Какова доля «действительно больных людей (истинно положительных)» в этой группе?

$$ \text{Вероятность того, что вы действительно больны} = \frac{\text{Истинно положительные}}{\text{Все получившие положительный результат}} = \frac{99}{99 + 9,999} = \frac{99}{10,098} \approx 0.0098 $$

Результат расчета — около 0,98%. Несмотря на то, что вам сказали о «положительном» результате, вероятность того, что вы здоровы (ложноположительный результат), подавляюще выше (около 99%).

Почему интуиция ошибается?

Это явление математически объясняется «теоремой Байеса» для вычисления условной вероятности, но человеческий мозг очень плохо справляется с такими вычислениями.

Причина, по которой мы совершаем ошибку, заключается в том, что мы отвлекаемся на индивидуальную и яркую информацию, предоставленную нам прямо сейчас («Ваш результат теста положительный! Точность 99%!»), и игнорируем огромные и скучные статистические данные на заднем плане («Изначально этой болезнью болеет только 1 из 10 000 человек (базовый процент)»).

Поскольку «редкость болезни (0,01%)» гораздо более экстремальна, чем «неточность теста (1%)», незначительные ошибки тестирования мгновенно поглощают истинное число больных.

«Ошибка базового процента», скрывающаяся в обществе

Эта иллюзия вызывает панику и ошибочные суждения не только в медицине, но и в различных других ситуациях.

Системы распознавания лиц и террористы: Даже если камера с распознаванием лиц с точностью 99,9% обнаружит «террориста» в аэропорту, поскольку базовая вероятность наличия террориста крайне мала, задержанными окажутся в основном невинные обычные люди с похожими лицами (ложноположительный результат).
Дорожно-транспортные происшествия и пожилые водители: Даже если вы почувствуете опасность, увидев новости о том, что «〇〇% автомобилей, попавших в аварии, управлялись пожилыми людьми», если не учесть «долю пожилых людей среди всех водителей на дорогах (базовый процент)», будет непонятно, действительно ли эта конкретная возрастная группа более склонна к авариям.

«Ошибка базового процента» учит нас важности статистического мышления: когда мы видим шокирующие цифры или отдельные случаи, нам следует возвращаться к вопросу: «Насколько вообще вероятно, что это произойдет в целом (базовый процент)».

Психология on kenji.blog