这个概率问题是这样的：假设有一种疾病，发病率是 1/1000，同时其的检测结果的准确率挺高的。如果得病，检测的结果呈阳性，准确率是 99.5%；如果不得病，检测的结果呈阴性，准确率也是 99.5%。问：如果某人检测的结果呈阳性，那么他感染得病的概率是多少？
大多数人给出的答案是 99.5%；有的人会警觉下，问题可能没这么简单，想了想好像也算不明白，就随便猜测了一个数。
从问题的开始，我们最早接收的信息该疾病的发病率，接着是检测的准确率，最后是某人的检测结果是阳性，然后是返回去判断这人得病的概率。我们是逐步得到信息的，得到新信息后我们对整个事情的判断也随之改变。
大多数认为该病检测结果的准确性，就是此人得病的概率 (大数人给出的答案是 99.5%)。可见后来接收的信息在人们的判断中占了非常大比重，甚至让头脑忽略了原有已知的事实基础。我们对发展中的事件，随着事件进展不断有新的信息进来，最终我们做出的判断非常依赖最近的信息、经验，以至于发生了偏差。
这个问题从概率角度来计算确实是挺复杂的，单靠大脑没多少人可以计算出来的，需要借住计算器来算。如果我们从概率转换到频次来思考，问题就简化了。
不管检测的结果是阴性还是阳性，其准确率只有 99.5%，所以存在 0.5% 误判。1000 人中有 1人的是得病的，那么这1人去进行感染检测，呈阳性的可能是 0.995。另外剩余不得病的 999 人，因检测误判的存在，检测呈阳性的可能是 4.995 (999 X 0.5%)。每 1000 人中检测结果呈阳性就有 5.99 (0.995 + 4.995)，其中只有 0.995 是感染得病的，其余的是误判，所以真正的得病概率是：1/5.99，远小于 99.5%。
在现实生活中我们的情况也类似，不断有新的信息、知识接收，更新我们已有旧的观念、判断等，是不是经常发生较大的偏差，对这个概率问题的思考有助于我们纠正过往的决策偏差，想想可以运用在哪方面。
