（更正啟示：當初內文有個小數點寫錯，還有一些不夠嚴謹的計算，已更正，我只是一時腦衝隨便寫寫，沒想到被轉載了，那就要寫正確，謝謝大家的意見，感激不盡）
.
科普小文
.
聽說高雄市醫護要普篩。
.
不討論政治意義，我們就從大家都學過的貝氏定理談起。
.
首先要認知到一件事，檢驗不是百發百中，有時候有病的會驗成沒病，沒病的驗成有病，假設試劑準確率是誇張的99%，這表示你驗一百個健康人，有一人的結果是錯的（沒病被當成有病、有病當成沒病）。
.
台灣截至今天已經驗了59,026件，確診人數427，確診率0.7%。
.
好，我們悲觀來推導，假設台灣真實患病率高出一倍，就是1.4%，試劑準確的不得了，高達99%，如果普篩，會發生什麼事?
.
請見下圖 (我懶的用寫的)，根據貝氏定理，驗出陽性而且他真的有病的機率只有58.43%，意思是，驗出陽性，但其實沒病的機率是41.57%。
.
這還是試劑準確率高達99%，其實真實的試劑大概只有六七成 (60-70%)準確度。
.
你說多驗幾次，好喔，驗三次，我把驗三次的樹狀圖再畫出來，這次我把試劑正確率調整成比較實際的70%，我們可以發現，即使正確率有七成，三次都驗出陽性但他實際上沒病的機率是85%。
.
我們甚至可以假設不同的試劑正確率，畫出試劑正確率和三採陽沒病之間的關係 (又是見下圖)。感覺試劑正確率要85%以上測試起來才比較有意義。
.
這些驗錯的人實際上沒有得病，但卻會被抓去隔離，這會佔用醫療資源。佔用就罷了，料敵從寬，但從另一個角度想，會有三次都驗出陰性但其實有患病的人喔，即使都驗了三次，這些人還是存在，他們會很放心的到處趴趴走，即使他跟確診者住一起，因為是國家試劑認證的沒病。
.
普篩不是萬靈丹，數學可以證明。請大家學以致用。
.
（註）以上驗三次的結果，之前我想錯了 (一直腦衝，我懺悔)，感謝網友指證。另外，以上計算是假設各次測試之間的結果彼此獨立，但實際上若真的有病，驗三次每次的測試結果之間可能有相關，至於如何相關，本人非醫療專業，就不清楚了，以上計算沒有考慮這種情形。