基本比率謬誤（base-rate fallacy）

基本比率謬誤是這樣的錯誤：僅憑證據判斷某事有多可能，卻忽略它一開始有多罕見或多常見。被告知某檢測「99% 準確」且你的結果是陽性，多數人立刻跳到「我有 99% 的機率得病」。那感覺對，卻錯得離譜，因為它丟掉了基本比率——該疾病在群體中的先驗盛行率。

以下說明為何一個罕見病況配上準確的檢測，仍會產生大多為偽陽性的結果。想像 10000 人，疾病每 1000 人有 1 人，所以有 10 人真正患病，9990 人健康。一項 99% 準確的檢測正確標出約 10 名患者。但它 1% 的偽陽性率會標出 9990 名健康者的約 1%，也就是大約 100 人。於是約 110 人檢測陽性，但只有 10 人真正患病。在陽性之下你罹病的機率約為 110 分之 10，不到 10%——而非 99%。健康的多數如此龐大，以致即便極小的誤判率也會產生大量假警報，淹沒少數真正的病例。

這不是醫學的怪癖；凡是對罕見事物進行篩檢之處皆然：機場威脅偵測、詐欺警示、罕見事件預測、DNA 資料庫比對。解方永遠相同：把它放進貝氏定理，並尊重先驗。直覺失靈的深層原因，是把檢測所保證的 P(陽性 given 患病)，與你真正在意的 P(患病 given 陽性) 混為一談——當基本比率很低時，這兩者天差地遠。