ベイズ定理 — 陽性的中率を直感で
有病率・感度・特異度を動かし、陽性と診断された人が実際に病気である確率（陽性的中率）がどう変わるかを可視化。偽陽性の多さに驚くベイズの直感を掴む。
P.05 / BAYES THEOREM
ベイズの定理
分布の道具箱が揃った。最後に条件付き確率を反転させる——これがベイズの定理。検査で陽性が出た→病気の確率は？ ここで直感はよく裏切られる。
「感度99%・特異度95%の検査で陽性」＝ 99%病気？
…答え：わずか 16.7%。医師でも半分以上が間違える超有名クイズ。
ポイントは"もともと病気の人がめっちゃ少ない"という事実を忘れてしまうこと。
下の"1000人の町"を見ながら、3つのつまみを動かして自分の目で確かめよう。
低いほど"めったにいない病気"。つまみを右に動かすと"よくある病気"になる。
病気の人100人中、何人を「あなたは陽性です」と検査が見つけられるか。
健康な100人中、何人を「あなたは陰性です」と正しく返せるか。残りは誤って陽性になる＝偽陽性。
陽性だった人が本当に病気の確率—
陰性だった人が本当に健康な確率—
真陽性 TP（病気 & 陽性）—
偽陽性 FP（健康なのに陽性）—