数学起源于生活，服务于生活。
任一种医学检测结果都不能保证百分百的准确，也就是说存在假阳性和假阴性的可能。
假阳性：检测结果是阳性，但实际上并没有感染某种病毒，或未得某种疾病。或者说，没有感染某种病毒，或未得某种疾病的人，经检测，但结果显示为阳性。
假阴性：检测结果是阴性，但实际上却已经感染某种病毒，或得了某种疾病。或者说，已经感染某种病毒，或已得了某种疾病的人，经检测，但结果显示为阴性。
COVID-19新冠病毒的核酸检测结果也存在上面相同的情况。不能保证完全百分百的准确，也就是说存在假阳性和假阴性的可能。
假设有一个城市，经过一轮调查发现居民感染新冠病毒的比例（概率）P(C)为0.01, 那么未感染的概率P(B)为0.99。
假设某人第一次核酸结果为阳，问TA实际上已感染新冠病毒的概率是多少？
检测结果显示为阳性记作A事件，显示为阴性记作B事件
假阴性比例为0.04，每10000个已感染新冠病毒的居民，经核酸检测结果显示为阳性的人数为400。
真阳性比例为0.96，每10000个已感染新冠病毒的居民，经核酸检测结果显示为阴性的人数为9600。
真阳性比例或者概率P(A|C)越高越好，真阳性概率与假阴性概率P(非A|C)互补，即相加的和为1（必然事件）。
假阳性比例为0.05，每10000个未感染新冠病毒的居民，经核酸检测结果显示为阳性的人数为500。
真阴性比例为0.95，每10000个未感染新冠病毒的居民，经核酸检测结果显示为阴性的人数为9500。
真阴性比例或者概率P(非A|B)越高越好，真阴性概率与假阳性概率P(A|B)互补，即相加的和为1（必然事件）。
目前已经知道某人被检测出阳性，那么表格中第二行的阴性我们就不用管了，他只有可能是真感染且被检测为阳性，或者未感染被检测为假阳性也就是只有表格中第一行的那个概率，那么可以得出以下公式
P(感染|第一次检测结果显示阳）=0.0096/(0.0096+0.0495)=16%
最后计算得出结果大约等于16%，也就是说用一个真阳性概率0.96和真阴性概率0.95的核酸检测技术去检测某人，检测结果为阳性，那TA也只有16%的可能是真的感染了，大部分的可能是没有感染，很有可能是一个假阳性。
因为感染率很低，在10000 人中，只有100 人感染，而约有9900人没有感染。如对这10000 人进行检测，按其错检的概率可知， 100 位感染者检测结果有96个阳性结果。而9900位未感染者中有9900*0.05=495个阳性结果，在总共591（96+495）个阳性检测结果中，真正感染的96人，占总阳性结果的比例约为16%，其余检测结果为阳的部分，属于“虚报”，属于假阳部分。
说明，可以改变以上假设的数据，得出如下3个代表性结论。
1、如果感染率为0.001，检测准确性水平不变，那么第一次检测结果显示阳而实际确实感染的概率P(感染|第一次检测结果显示阳）才约为2%。
2、如果感染率为0.05，检测准确性水平不变，那么第一次检测结果显示阳而实际确实感染的概率P(感染|第一次检测结果显示阳）才约为50%。
3、如果检测准确率提高了，真阳性和真阴性比例概率都为99%，那么第一次检测结果显示阳而实际确实感染的概率P(感染|第一次检测结果显示阳）约为50%。
二次检测的时候，某人的感染率已经不是1%了，因为他经过第一次检测是阳性了，所以他的感染率已经从1%变成了16%，那么就可以得出如下的表
P(感染|二次检测结果都为阳）=0.1536/(0.1536+0.042）=79%
1、所以如果检测两次并且两次都是阳性，那么就有79%的可能性确认为一个感染者，如果还是不放心还可以进行三次、四次等等。所以如果我们想确诊一个人的话单靠核酸检测是不准确的，这也就是说为什么住院时候还要查血、查抗体、查肺部CT等等。
2、如果检测准确率提高了，真阳性和真阴性比例概率都为99%，那么二次检测结果都显示阳而实际确实感染的概率P(感染|第一次检测结果显示阳）则高达为99%，根据核酸检测结果来判断是否感染新冠病毒的可信度非常高。
