Este método torna os números concretos e ajuda a explicar a probabilidade inversa, especialmente com eventos raros, demonstrando como um resultado positivo em um teste não garante alta probabilidade da condição se os falsos positivos forem significativos.
População Total: 10.000 pessoas
Têm a Doença
(Prob. a Priori: 1/1000)
= 10 pessoas
Não Têm a Doença
(Prob. a Priori: 999/1000)
= 9.990 pessoas
Pessoas com Doença (10):
90% Positivo (VP): 9
10% Negativo (FN): 1
Pessoas Sem Doença (9.990):
5% Positivo (FP): ≈500
95% Negativo (VN): ≈9.490
Resultado: Pessoas com Teste Positivo
Total de Positivos = Verdadeiro Positivo (VP) + Falso Positivo (FP)
= 9 + ≈500 = ≈509 pessoas
Probabilidade a Posteriori:
(doente, dado teste positivo)
~1.77%
Baixa probabilidade mesmo com teste positivo.
Apesar do teste positivo, a chance real de ter a doença é de apenas:
🔹 ~1% ou menos de 2%
~1.77%
Probabilidade real de ter a doença após teste positivo
Esta abordagem permite visualizar facilmente como a realidade do teste positivo é afetada pelos falsos positivos quando a doença é rara. Apesar de um teste altamente eficaz (90% sensibilidade, 95% especificidade), a probabilidade real de que alguém com um teste positivo tenha a doença pode ser muito baixa, reforçando a importância de interpretar os resultados com cautela clínica.