Парадокс возникает из за игнорирования базовой частоты (base rate). Разберем на числах.

Популяция: 100,000 человек

Больных (0.1%): 100 человек
Здоровых (99.9%): 99,900 человек

Тест с точностью 99% означает:

• Чувствительность (истинно положительные): 99% больных получат положительный тест
• Специфичность (истинно отрицательные): 99% здоровых получат отрицательный тест

Применяем тест ко всей популяции:

Из 100 больных:

• 99 получат положительный результат (правда)
• 1 получит отрицательный (ложноотрицательный)

Из 99,900 здоровых:

• 98,901 получат отрицательный результат (правда)
• 999 получат положительный (ложноположительный)

Итого положительных тестов: 99 (больные) + 999 (здоровые) = 1,098

Из них действительно больны: 99

Вероятность болезни при положительном тесте:
99 / 1,098 ≈ 0.09 = 9%

Где интуиция ломается:

Люди путают два разных вопроса:

1. "Какова вероятность положительного теста у больного?" - 99%
2. "Какова вероятность болезни у человека с положительным тестом?" - 9%

Это НЕ одно и то же. Второе зависит от того насколько редка болезнь.

Когда болезнь встречается крайне редко (0.1%), даже при высокой точности теста (99%), количество ложноположительных среди здоровых (которых в 1000 раз больше) перевешивает истинно положительные среди больных.

Простая аналогия:
Представь что ты ловишь рыбу сетью которая пропускает 1% рыбы и задерживает 1% мусора. Если в озере 99% мусора и 1% рыбы, то даже при такой "точной" сети в улове будет больше мусора чем рыбы.

Формула Байеса:

P(болезнь|тест+) = P(тест+|болезнь) × P(болезнь) / P(тест+)

Где:

• P(тест+|болезнь) = 0.99 (чувствительность)
• P(болезнь) = 0.001 (априорная вероятность)
• P(тест+) = P(тест+|болезнь)×P(болезнь) + P(тест+|здоров)×P(здоров)
• P(тест+) = 0.99×0.001 + 0.01×0.999 = 0.01098

P(болезнь|тест+) = (0.99 × 0.001) / 0.01098 ≈ 0.09

Вывод:
Нет никакого парадокса. Просто человеческая интуиция плохо работает с условными вероятностями и игнорирует базовые частоты.