检测阳性≠真的有病。99%准确率的检测，阳性结果可能只有50%是真的。用交互式模拟理解这个被所有人忽略的认知陷阱。
某种疾病的发病率是 1%（每100人中有1人患病）。
现在有一种检测方法，准确率 99%：
- 真正患病的人，99% 会检测出阳性
- 没有患病的人，99% 会检测出阴性（即1%会误报阳性）
你检测结果为阳性，你真正患病的概率是多少？
抽象的概率很难理解，我们换成具体的人数。假设有1000人接受检测，看看会发生什么。
不信数学？让电脑随机模拟10000人的检测过程，看看阳性结果中到底有多少是真的。
安检系统99.9%能识别危险物品，但误报率0.1%。每天10万旅客中，真正的危险物品可能只有1件。
过滤器准确率98%，但你收到的邮件中只有10%是垃圾邮件。被标记为垃圾的邮件中有多少是误判？
某公司对1000名员工做毒品检测，准确率99%。假设实际吸毒率5%，阳性结果可信度？
DNA匹配概率百万分之一，但城市有1000万人。嫌疑人DNA匹配，他是凶手的概率？
发病率越低，阳性结果的可信度越低。这就是为什么不建议对低风险人群做大规模筛查。
基率忽视是人类最普遍、最危险的认知偏差之一。
医生会因为它误诊，法官会因为它误判，你会因为它焦虑。
记住一句话：在判断「我是不是X」之前，先问「X本身有多常见」。
这个简单的习惯，能帮你避开生活中90%的概率陷阱。