L’erreur du taux de base est commise lorsqu’une personne se concentre sur des informations spécifiques et ignore les informations génériques relatives à la probabilité globale d’un événement donné. Un exemple simple de ceci impliquerait le diagnostic d’une condition chez un patient. Les informations génériques se rapporteraient à la prévalence de la maladie dans la population dans son ensemble, et les informations spécifiques seraient celles recueillies à partir des tests et des examens d’un patient spécifique. Le sophisme du taux de base est commis si le médecin se concentre sur le résultat du test et ignore la probabilité globale de l’événement.
Les erreurs sont des pièges logiques identifiés, qui conduisent le penseur ou l’auditeur à tirer des conclusions erronées. Un exemple d’erreur est l’erreur de motif, qui est souvent utilisée dans les arguments politiques pour discréditer une ligne de raisonnement particulière. Par exemple, un politicien peut faire valoir que les armes nucléaires sont chères, dangereuses et devraient être supprimées. Un politicien adverse pourrait répondre en disant que la seule raison pour laquelle il soutient cela est qu’il essaie de faire pression auprès des libéraux extrêmes. Le motif du premier homme politique est sans rapport avec l’exactitude de sa déclaration : les armes nucléaires sont toujours chères et dangereuses, et donc le point initial tient toujours.
Un exemple de l’erreur du taux de base peut être construit en utilisant une maladie mortelle fictive. Imaginez que cette maladie affecte une personne sur 10,000 99 et qu’elle n’ait pas de remède. Un test est développé pour déterminer qui a la condition, et il est correct XNUMX% du temps. John passe le test et son médecin l’informe solennellement que les résultats sont positifs ; cependant, John n’est pas concerné. Comprendre pourquoi est essentiel pour comprendre l’erreur du taux de base.
Si le test n’est précis qu’à 99%, une personne sur 100 qui passe le test recevra un résultat incorrect, et 99 recevront le résultat correct. Il est important de se rappeler que seulement une personne sur 10,000 100 est atteinte de la maladie. Si un million de personnes passent le test, seules 999,900 personnes environ seront atteintes de la maladie et 9,999 100 personnes ne l’auront pas. Un pour cent des personnes qui n’ont pas la condition, 9,999 99 personnes, seront informées qu’elles l’ont en raison de l’exactitude du test. Il est XNUMX fois plus probable que Jean soit l’une des XNUMX XNUMX personnes identifiées à tort comme ayant la maladie plutôt que les XNUMX personnes correctement identifiées comme étant atteintes.
L’information spécifique, le test de John, s’avère donc probablement incorrecte en raison du taux de base. L’erreur du taux de base peut être évitée si toutes les informations disponibles sont correctement étudiées avant qu’une décision ne soit prise. Les informations sur la probabilité globale d’un événement donné doivent être prises avec des informations spécifiques pour parvenir à la conclusion logique.