Un test rileva una condizione rara con grande accuratezza. Una persona risulta positiva. Quanto è probabile che abbia davvero la condizione? Quasi tutti rispondono «molto», e quasi tutti sbagliano. Il teorema di Bayes spiega perché, ed è uno degli strumenti più utili per chi lavora con allarmi, filtri, rilevatori di intrusioni o qualunque sistema che classifica eventi rari.
Il teorema in una riga
Il teorema, che prende il nome dal reverendo Thomas Bayes, vissuto nel XVIII secolo, lega le due probabilità condizionate inverse:
P(A|B) = P(B|A) · P(A) / P(B)
Nei problemi pratici A è un'ipotesi («la persona è malata», «l'email è spam», «il server è compromesso») e B è un'evidenza osservata («il test è positivo», «compare la parola gratis», «c'è traffico verso un IP sospetto»). I termini hanno nomi precisi:
- P(A): probabilità a priori dell'ipotesi, prima di vedere l'evidenza;
- P(B|A): verosimiglianza, quanto è probabile l'evidenza se l'ipotesi è vera;
- P(B): probabilità complessiva dell'evidenza, sommando tutti i modi in cui può comparire;
- P(A|B): probabilità a posteriori, ciò che vogliamo sapere.
Il caso del test diagnostico
Fissiamo dei numeri ipotetici ma realistici:
- la condizione colpisce l'1% della popolazione esaminata;
- il test ha una sensibilità del 99%: tra i malati, il 99% risulta positivo;
- il test ha una specificità del 95%: tra i sani, il 95% risulta negativo, quindi il 5% risulta positivo per errore.
Ragionare con le frequenze
Il modo più chiaro è immaginare 10.000 persone concrete.
| Positivi | Negativi | Totale | |
|---|---|---|---|
| Malati | 99 | 1 | 100 |
| Sani | 495 | 9.405 | 9.900 |
| Totale | 594 | 9.406 | 10.000 |
Le persone positive sono 594, ma solo 99 sono malate. La probabilità di essere malati dato un test positivo è 99/594 ≈ 16,7%. Circa cinque positivi su sei sono falsi positivi, nonostante un test che sembra eccellente.
Con la formula
P(positivo) = 0,99 · 0,01 + 0,05 · 0,99 = 0,0099 + 0,0495 = 0,0594
P(malato | positivo) = 0,0099 / 0,0594 ≈ 0,167
Il risultato è lo stesso. Il motivo è che i sani sono tantissimi: anche una piccola percentuale di errore su una popolazione enorme produce più positivi dei veri malati.
La trascuratezza del tasso di base
L'errore intuitivo ha un nome: trascuratezza del tasso di base (base rate neglect). Ci concentriamo sulla qualità del test e dimentichiamo quanto sia rara la condizione. La stessa dinamica si ritrova ovunque:
- un sistema di rilevamento intrusioni con pochi falsi allarmi percentuali, applicato a milioni di eventi al giorno, genera centinaia di allarmi falsi per ogni attacco vero;
- un filtro antifrode accurato su transazioni in cui la frode è rarissima blocca molti clienti onesti;
- uno screening su una popolazione a basso rischio produce più falsi positivi che in una popolazione ad alto rischio, con lo stesso identico test.
La conseguenza pratica è che l'accuratezza di un classificatore non si può giudicare senza conoscere la frequenza della classe che cerca.
Aggiornare più volte
Il teorema di Bayes si applica in sequenza: la probabilità a posteriori di un passo diventa la probabilità a priori del successivo. Se la persona ripete un test indipendente con le stesse caratteristiche e risulta di nuovo positiva:
- a priori: 0,167;
- P(positivo) = 0,99 · 0,167 + 0,05 · 0,833 ≈ 0,165 + 0,042 = 0,207;
- a posteriori: 0,165 / 0,207 ≈ 0,80.
Due positivi indipendenti portano la stima a circa l'80%. È il motivo per cui un primo risultato positivo si conferma spesso con un secondo esame, preferibilmente basato su un principio diverso, così che gli errori dei due test non siano correlati.
La forma con gli odds
Esiste una versione ancora più comoda per i calcoli a mente. Gli odds di un evento sono il rapporto tra la sua probabilità e quella contraria: una probabilità dell'1% corrisponde a odds di 1 a 99. Il teorema diventa:
odds a posteriori = odds a priori × rapporto di verosimiglianza
dove il rapporto di verosimiglianza è P(evidenza | ipotesi vera) / P(evidenza | ipotesi falsa). Nel nostro test è 0,99 / 0,05 = 19,8. Partendo da 1 a 99, dopo un positivo gli odds sono circa 19,8 a 99, cioè circa 1 a 5: di nuovo, una probabilità di circa 1/6.
Come usarlo nel lavoro quotidiano
- Chiediti sempre il tasso di base. Quanto è comune l'evento che il sistema cerca?
- Ragiona in frequenze naturali. «Su 10.000 casi…» è più chiaro delle percentuali condizionate.
- Distingui sensibilità e valore predittivo. La prima riguarda il test, il secondo riguarda chi riceve il risultato.
- Combina evidenze indipendenti. Più indizi deboli ma indipendenti possono valere più di uno forte.
In sintesi
- Il teorema di Bayes inverte le probabilità condizionate usando la probabilità a priori.
- Con una condizione rara, anche un test molto accurato può produrre soprattutto falsi positivi.
- Ignorare il tasso di base è un errore comune in medicina, sicurezza e antifrode.
- La stima si aggiorna in sequenza: il posteriore di oggi è il priore di domani.
- La forma con gli odds rende i calcoli rapidi e intuitivi.
