先别问检测多灵，先问病有多常见
假设你参加一种罕见病筛查：人群患病率为 1%；检测能找出 90% 的病人，也就是灵敏度为 90%；健康人中有 5% 会误报阳性，也就是特异度为 95%、假阳性率为 5%。
现在你的结果是阳性。直觉很容易抓住“90%”并说：我有九成概率患病。但 90% 回答的是“已经患病的人，有多大概率测出阳性”，你真正想问的是“已经测出阳性的人，有多大概率患病”。方向反过来了，答案也会完全不同。
这就是基础率谬误的常见形式：面对一条醒目的个案证据时，忽略事件原本的发生比例，也就是基础率。
几个量不能混用：灵敏度是 P(阳性｜患病)；特异度是 P(阴性｜健康)；假阳性率是 P(阳性｜健康)，等于 1−特异度；阳性预测值才是 P(患病｜阳性)。而“总体准确率”是全部受测者中判断正确的比例，会随样本里的患病者比例变化。只听到“99% 准确”而不知道样本构成和混淆矩阵，通常还算不出阳性者患病的概率。
一万人表格：让分母自己现身
回到开头的假设性筛查。不要在三个百分比之间心算，直接请 10000 人走进表格：患病率 1%，所以有 100 名病人和 9900 名健康人。检测的灵敏度为 90%，因此 100 名病人中有 90 人呈阳性；假阳性率为 5%，因此 9900 名健康人中有 495 人也呈阳性。
现在只看阳性人群：90 个真阳性，加上 495 个假阳性，共 585 人。阳性预测值是 90÷585≈15.4%。
阳性确实把患病概率从 1% 提高到了约 15.4%，所以检测提供了重要证据；但它没有把概率提高到 90%。顺便核对总体准确率：判断正确的是 90 个真阳性加 9405 个真阴性，共 9495 人，因此这个场景里的总体准确率是 94.95%，既不是灵敏度 90%，也不是阳性预测值 15.4%。
处理 MCAT-style 场景时，可以依次写四格：患病且阳性、患病且阴性、健康且阳性、健康且阴性。问题问“阳性后患病”，分母就只能是所有阳性者。
基础率要选对，证据也别重复计算
假设某品牌电池的公司级故障率只有 0.2%，但你手里的电池来自一个已发现装配问题的批次，该批次故障率为 4%。设备现在又发出过热警报。此时拿 0.2% 安慰自己就太宽泛了；如果批次信息可靠且确实适用于这块电池，4% 才是更匹配的起点。
基础率不是永远选最大的统计表，也不是挑一个最符合心情的数字。它应来自与当前个案在时间、地点、来源和机制上足够相似的参考类，同时有足够样本支撑。
接着再让证据更新这个起点：警报对故障电池有多敏感？对正常电池多常误报？复测是否真的带来了新信息？
如果两个应用只是读取同一个物理传感器，那么两个弹窗并不是两份独立证据。相反，由不同原理产生、误差来源也不同的复核结果，通常能提供更强的更新。但即便两项证据独立，也不能仅凭“两个阳性”宣称 100% 确定；仍要结合基础率与各自的条件概率。
自测 · 学完检查一下
想真正动手做题、记进度、攒连胜？到互动课里练。
某二手交易平台中，约 0.5% 的商品信息属于诈骗。风控系统能标记 80% 的诈骗信息，同时会误标 2% 的正常信息。分析员看到一条信息被标记后说：“它有 80% 的概率是诈骗。”他的主要错误是什么？
答案：他把警报的命中率直接当成了结论：所求概率还取决于 0.5% 的诈骗占比与 2% 的误标率，他把条件的方向用反了
对：80% 是 P(标记｜诈骗)，而分析员需要的是 P(诈骗｜标记)；后者还取决于诈骗的基础率以及正常信息的误标率。最诱人的错误项是“直接采用 0.5%”：它注意到了基础率，却完全丢掉了警报带来的新证据；正确做法是用警报更新基础率，而不是停在基础率。98% 是正常信息不被误标的概率，78% 则是把适用于不同人群的两个比例直接相减，两者都不是所求概率。
一套山地救援信号系统监测 10000 次登山者签到。历史上约 2% 的签到对应真实险情；系统能对 90% 的真实险情报警，并会对 4% 的非险情误报。某次报警后，真实存在险情的概率最接近多少？
答案：约 31%
对：10000 次签到中约有 200 次真实险情，其中 180 次报警；其余 9800 次非险情中，4% 会误报，即 392 次。报警共约 572 次，真实险情占 180÷572≈31%。最诱人的错误项是“约 90%”：90% 是险情发生后系统报警的概率，不能反过来当作报警后真有险情的概率。“约 86%”来自错误地用 90%−4%，而“约 2%”则完全没有用报警更新基础率。
一家内容平台只公布：“有害内容识别模型在评估集上的总体准确率为 97%。”模型随后标记了一篇帖子。根据这条信息，下面哪项判断最严谨？
答案：仅凭总体准确率算不出该帖确为有害的概率，还需要部署环境的基础率与分类别的表现
对：总体准确率把真阳性和真阴性混在一个按类别比例加权的平均里；同一个 97% 可能对应截然不同的灵敏度和误标率，所以推不出被标记帖子的有害概率。最诱人的错误项是“97% 概率有害，因为已把两类错误平均在内”：恰恰因为它是加权平均，才不能当成单次标记的可信度——平均掉的正是你需要拆开的信息。3% 是全部样本的错误比例，不等于已标记样本的误判概率；一个模型也可能靠做好占多数的类别拿到 97% 准确率，灵敏度和特异度并无 97% 的下限保证。
一道 MCAT 风格的假设题中，同一种检测在两个人群里的灵敏度均为 80%、特异度均为 90%。疾病在 A 人群的患病率为 20%，在 B 人群为 2%。因为阳性在 B 人群中更加罕见、更令人意外，所以 B 人群的阳性者反而更可能真正患病。
答案：错
对（即为什么选“错”）：检测表现相同时，患病基础率更高的 A 人群拥有更高的阳性预测值。按每 1000 人估算，A 人群约有 160 个真阳性和 80 个假阳性，阳性预测值约 67%；B 人群约有 16 个真阳性和 98 个假阳性，约为 14%。最诱人的直觉是把“结果更意外”理解成“结果更可信”；实际上，罕见事件意味着真病例更少，假阳性更容易占据阳性人群。
一家快递公司要判断某个在节前夜间经过 X 中转站、随后扫描记录中断的高价包裹是否被盗。为了给后续证据设定合理起点，下面哪个基础率最合适？
答案：X 中转站在相近节前时段、同类运输服务中，扫描中断包裹最终确认被盗的比例
对：它在地点、时段、服务类型和已知线索上都与当前包裹匹配，最接近当前个案所属的参考类。最诱人的错误项是“全国所有普通包裹的年度失窃率”：样本可能更大，却混入了不同价值、流程、地点和时段的包裹，基础率过于宽泛。“已经报失的包裹”是在结果出现后筛选人群，回答的是另一个条件问题；媒体案例则受报道选择影响，也缺少稳定分母。
招聘委员会收到候选人两位前同事写来的两封热情推荐信，一位委员说：“两封信是两份独立证据，候选人优秀的概率应该被更新两次。”下面哪条新信息最直接削弱“独立证据”这一前提？
答案：两位推荐人对候选人的全部好印象，都来自候选人牵头过的同一个明星项目
对：两封信共享同一个上游来源——那个项目的成功。如果项目的光环里混有运气或团队他人的功劳，这个偏差会同时灌进两封信，第二封的证据力和第一封大量重合，远不是一次全新的独立观察。最诱人的错误项是“这种候选人本来罕见”：低基础率会拉低最终概率，但它回答的是起点问题，不能证明两条证据是否独立。两位推荐人宽严不同只是各自的判断阈值不同，来源仍可能重合；寄到时间相隔一周更只是传递时差，不会凭空产生新信息。