最近因為大家關心新冠病毒是否要全面篩檢的問題，媒體上常見一些醫事檢驗學的術語，這些名詞都與新冠病毒檢測的準確度有關。本文嘗試用基本統計檢定概念來詮釋這些名詞，更進一步探討醫療檢測的準確度。

當機率被法醫、法官及陪審團誤解，看似正確的數據，都會變成製造謬誤的幫兇。正確地了解貝氏定理才能根本解決謬誤。

為什麼要談論 p 值的問題？因為在近十多年來，不只是政治學界，而是很多學門，特別是在科學領域，有很多文章討論傳統統計檢定方法、尤其是 p 值統計檢定的問題，甚至有位很有名的統計學者，Andrew Gelman 寫了篇文章，叫作〈科學的統計學危機〉（The Statistical Crisis in Science），今天要討論的主要內容，包括 p 值的真正的意義，以及大家如何誤用，換句話說就是：p 值到底是什麼？它又不是什麼？

貝氏定理告訴我們，每位對象都有一定的機率是理想情人。約會的每個當下，我們都能算出這組「理想情人機率」。倘若發生了新事件，再利用新事件來更新機率值。

如果貝氏定理的哲學基礎豐富得出人意料，那定理的數學則是單純得令人震驚。定理最基本的形式只是一組代數表達式，有三個已知的變項，一個未知的變項。但這個單純的公式可以導出非常有預測力的洞見。