敏感性sensitivity = 真阳性tp / (真阳性 + 假阴性fg); true positive, false negative. 当敏感性=0.85时，0.15tp = 0.85fn
特异性specificity = 真阴性tn / (真阴性 + 假阳性fp); true negative, false positive. 当特异性=0.97时，0.03tn = 0.97fp
真阳性tp + 假阳性fp = 阳性 = 30万，tp = 9, fp = 299991
由特异性公式和fp可得tn=9699709; 由敏感性公式和tp可得fn=1.588.
阴性=真阴性+假阴性=约970万
全民检测，非阴即阳，人口=阳性+阴性=30万+约970万=1000万
假阴性=1.588说明：如果核酸检测结果是阴，那实际是阳的可能性只有 千万分之1.588。
真阳性=9和假阳性=299991说明：查出来是阳性也先别慌，9/30万=十万分之三。但以防万一自我隔离下更有公德，起码把口罩戴好吧。
如何理解敏感性是85%？如100个人全都感染了，检测结果是85人阳性，15人阴性，即衡量检测对病毒够不够敏感。
比如100人全都没感染，而检测报告是3人阴性，97人阳性，那特异性是97%.
Specificity alone does not tell us all about the test, because a 100% specificity can be trivially achieved by labeling all test cases negative. Therefore, we also need to know the sensitivity of the test. 假阳性是“实际是阴性，却说是阳性”。一律说是阴性，特异性公式的分子和分母相等：100%
The sensitivity of a binary classification test or algorithm, such as a blood test to determine if a person has a certain disease, or an automated system to detect faulty products in a factory, is a parameter that expresses something about the test's performance. The sensitivity of such a test is the proportion of those cases having a positive test result of all positive cases (e.g., people with the disease, faulty products) tested.
以上是倒推，正推怎么推呢？到百万人口的城市做筛查，结果如何呢？答案好像是“不知道”。真阳性人数真不知道啊，10万人真阳性和20万人真阳性结果不同吧？所以改成“到千万人口的城市做筛查，如果有30万个阳性，那么其中只有9个是真的”。或者“根据各地反馈的情况，到千万人口的城市做筛查，估计(会)有30万个阳性……”
标签：fp,李金明,30,tp,test,阴性,阳性 From： https://www.cnblogs.com/funwithwords/p/16975075.html