Published on
약 3분

양성 판정을 받았는데 병이 없을 확률

Authors
  • Name
    스타차일드

한 여성이 정기 검진으로 유방촬영 검사를 받았고 결과가 양성으로 나왔다. 이 여성이 실제로 유방암일 확률은 얼마일까. 판단에 필요한 숫자는 세 개다.

  • 검진을 받는 지역 여성 가운데 유방암이 있는 사람은 1%다.
  • 유방암이 있는 사람이 검사를 받으면 90%가 양성으로 나온다.
  • 유방암이 없는 사람도 9%는 양성으로 나온다.

독일의 심리학자 게르트 기거렌처(Gerd Gigerenzer)는 2007년 산부인과 의사 160명에게 이 문제를 냈다. 보기로 1%, 10%, 81%, 90%를 주었다. 가장 많은 의사가 고른 답은 90%였다. 정답은 10% 남짓이다.

1000명을 줄 세워 보기

확률을 확률로 계산하려 하면 머리가 꼬인다. 기거렌처가 권하는 방법은 같은 정보를 사람 수로 바꾸는 것이다. 그는 이것을 자연 빈도라고 불렀다. 여성 1000명이 검사를 받는다고 해 보자.

사람 수양성으로 나온 사람
유방암이 있는 사람10명 (1000명의 1%)9명 (10명의 90%)
유방암이 없는 사람990명89명 (990명의 9%)
합계1000명98명

양성이 나온 사람은 모두 98명이다. 그중 실제로 유방암이 있는 사람은 9명뿐이다. 양성 판정을 받은 사람이 유방암일 확률은 9 ÷ 98, 약 9%다. 양성이 나온 사람 열 명 가운데 아홉 명은 병이 없다.

같은 계산을 식으로 쓰면 베이즈 정리가 된다.

P(병∣양성)=0.01×0.90.01×0.9+0.99×0.09≈0.092P(\text{병} \mid \text{양성}) = \frac{0.01 \times 0.9}{0.01 \times 0.9 + 0.99 \times 0.09} \approx 0.092

90%라고 답한 의사들은 "병이 있으면 90%가 양성"을 "양성이면 90%가 병"으로 뒤집어 읽었다. 두 문장은 비슷해 보이지만 전혀 다른 확률이다. 분모가 다르기 때문이다. 앞의 문장은 병이 있는 10명을 분모로 삼고, 뒤의 문장은 양성이 나온 98명을 분모로 삼는다. 98명 안에는 병이 없는데 양성이 나온 89명이 섞여 있다.

같은 검사, 다른 의미

결과를 정하는 것은 검사의 정확도만이 아니다. 검사를 받기 전에 병이 있을 확률, 곧 유병률이 답을 크게 바꾼다. 같은 검사를 증상이 있어 찾아온 사람들처럼 병이 흔한 집단에 쓰면 양성의 의미가 완전히 달라진다.

같은 검사에서 양성이 나왔을 때 실제로 병이 있을 확률

병이 있는 사람이 1000명 중 1명일 때1%
1000명 중 10명일 때9.2%
1000명 중 100명일 때52.6%
1000명 중 300명일 때81.1%
검사 성능은 모두 같다(병이 있으면 90% 양성, 없어도 9% 양성). 바뀐 것은 검사 전에 병이 있을 확률뿐이다.

건강한 사람을 넓게 훑는 선별 검사에서 양성이 나오면 일단 다음 검사를 받으라는 뜻이고, 결론은 아니다. 반대로 증상이 뚜렷한 사람에게 같은 결과가 나오면 훨씬 무겁게 받아들여야 한다.

숫자를 사람 수로 바꾸는 습관

기거렌처가 1995년 울리히 호프라게와 함께 발표한 연구에서는, 같은 문제를 확률 대신 자연 빈도로 주자 베이즈 계산을 맞히는 사람이 크게 늘었다. 앞의 의사들도 정보를 사람 수로 받았을 때는 답이 정답 근처로 모였다. 문제가 어려웠던 것이 아니라 숫자를 건네는 방식이 어려웠던 셈이다.

양성이라는 말에는 무게가 실려 있어서, 듣는 순간 마음이 결론으로 달려간다. 그럴 때 1000명을 줄 세워 보는 습관 하나가 불필요한 공포와 과잉 치료를 막아 준다.

참고한 자료

  • Gerd Gigerenzer, Wolfgang Gaissmaier, Elke Kurz-Milcke, Lisa M. Schwartz, Steven Woloshin, "Helping Doctors and Patients Make Sense of Health Statistics", Psychological Science in the Public Interest 8(2), 53~96 (2007)
  • Gerd Gigerenzer, Ulrich Hoffrage, "How to Improve Bayesian Reasoning Without Instruction: Frequency Formats", Psychological Review 102(4), 684~704 (1995)

시리즈

숫자의 함정 (2/12)

평균, 표본, 지표가 사람을 속이는 방식을 실제 사례로 따져 보는 글

  1. 1생일이 겹칠 확률: 스물세 명이면 반반
  2. 2양성 판정을 받았는데 병이 없을 확률
  3. 350% 오르고 50% 내리면 제자리일까: 변동성의 수학
  4. 4마시멜로 실험 다시 보기
  5. 5몬티 홀 문제와 1만 통의 편지
  6. 6평균이 거짓말하는 법: 심슨의 역설
  7. 7고를 게 많으면 덜 산다는 잼 실험, 그 뒷이야기
  8. 8돌아온 비행기만 세면 안 되는 이유: 생존 편향
  9. 9240만 명에게 묻고도 틀린 여론조사
  10. 10돈으로 행복을 살 수 있을까: 7만 5천 달러 논쟁의 결말
  11. 11지도 한 장이 콜레라를 멈췄다: 존 스노와 브로드가의 펌프
  12. 12세상의 숫자는 왜 1로 시작하는 게 많을까: 벤포드의 법칙

기술 라이브러리

혼자 공부한 것을 정리해 두는 개발자의 서재예요. 예제는 직접 돌려 보고 씁니다.

© 2026 기술 라이브러리