검사 결과를 본 뒤 확률을 다시 계산하는 베이즈 정리 계산기
왼쪽 칸에 사전확률과 민감도, 위양성률을 백분율로 넣으면 오른쪽에 관찰 뒤 확률 P(A|B)가 바로 나옵니다. 아래에는 같은 조건을 사람 수로 바꾼 자연빈도와, 사전확률만 달랐을 때의 결과 비교가 이어집니다.
입력 조건
시나리오를 고르거나 세 칸 중 아무 곳이나 채우면 계산이 시작됩니다. 비어 있는 칸은 회색으로 보이는 예시 값을 그대로 사용합니다.
관찰 뒤 확률
사전확률과 검사 성능을 넣으면 관찰 뒤 확률이 여기에 나옵니다. 같은 검사라도 사전확률이 낮으면 양성 판정의 의미가 크게 줄어듭니다.
- 관찰이 나올 확률 P(B)
- —
- 반대 가능성 P(¬A|B)
- —
- 음성일 때 확률 P(A|¬B)
- —
- 양성 우도비 LR+
- —
자연빈도 2×2
입력을 넣으면 같은 조건을 사람 수로 바꿔 참양성·위양성·위음성·참음성으로 나눠 보여 줍니다.
- 참양성 — 해당자이고 양성—
- 위양성 — 비해당자인데 양성—
- 위음성 — 해당자인데 음성—
- 참음성 — 비해당자이고 음성—
사전확률만 바꿨을 때
검사 성능은 그대로 두고 사전확률만 바꾼 결과입니다. 같은 양성 판정이 사전확률에 따라 얼마나 다르게 읽히는지 확인할 수 있습니다.
- 사전확률——
- 사전확률——
- 사전확률——
- 사전확률——
- 사전확률——
계산은 방문자 브라우저에서 이뤄지고 입력값은 서버로 전송되지 않습니다. 결과는 입력한 세 값이 정확할 때의 수치이므로, 실제 검사나 진단 판단은 해당 분야의 공식 기준과 전문가 판독을 따라야 합니다.
바로 쓸 수 있게.
- 바로 보이는 화면입력 위치와 결과 위치를 또렷하게 둡니다.
- 결과 먼저핵심 결과를 앞에 두고, 과정은 필요할 때만 보여줍니다.
- 요구 줄이기가입이나 불필요한 정보 입력 없이 바로 쓰게 합니다.
양성 판정을 확률로 바꿔 읽는 법
민감도 99퍼센트짜리 검사에서 양성이 나왔다는 말을 들으면 대부분 99퍼센트 확률로 해당자라고 받아들입니다. 그런데 실제 값은 조건에 따라 16퍼센트가 되기도 하고 98퍼센트가 되기도 합니다. 차이를 만드는 것은 검사 성능이 아니라 검사받기 전의 확률, 즉 사전확률입니다. 베이즈 정리는 이 두 가지를 하나의 식으로 묶어 관찰 뒤의 확률을 구합니다.
이 페이지의 계산기는 사전확률과 민감도, 위양성률 세 값을 백분율로 받아 P(A|B)를 계산하고, 같은 조건을 사람 수로 바꾼 자연빈도까지 함께 보여 줍니다. 아래 글은 각 입력값이 실제로 무엇을 재는 숫자인지, 화면의 네 칸이 어떻게 나뉘는지, 우도비와 음성일 때의 확률을 언제 봐야 하는지를 순서대로 정리한 것입니다.
사전확률이 결과를 지배하는 구간
사전확률은 관찰하기 전에 그 일이 참일 기본 비율입니다. 검사 성능이 아무리 좋아도 대상 집단에 해당자가 드물면 비해당자 쪽에서 나오는 위양성 수가 참양성 수를 넘어섭니다. 그래서 같은 검사라도 증상이 있는 사람을 검사할 때와 무증상 전수 검진을 할 때 양성의 의미가 완전히 달라집니다.
- 사전확률 0.1퍼센트 — 위양성이 참양성을 압도해 양성의 의미가 거의 없습니다
- 사전확률 1퍼센트 — 전형적인 선별 검사 구간, 양성이어도 확률은 20퍼센트 아래
- 사전확률 10퍼센트 — 증상이나 접촉 이력이 있는 집단에 가까운 구간
- 사전확률 50퍼센트 — 검사 성능이 그대로 결과에 반영되는 구간
민감도와 위양성률은 서로 다른 축이다
민감도는 실제 해당자를 얼마나 잡아내는지, 위양성률은 비해당자를 얼마나 잘못 잡는지를 잽니다. 둘은 독립된 축이라 하나가 좋다고 다른 하나가 좋아지지 않습니다. 자료에는 위양성률 대신 특이도로 적힌 경우가 많은데, 두 값은 합해서 100이 됩니다. 입력을 마치면 화면 안내줄에 특이도 환산값이 함께 표시됩니다.
- 민감도 99퍼센트 — 해당자 100명 중 99명을 양성으로 잡습니다
- 위양성률 5퍼센트 — 비해당자 100명 중 5명이 잘못 양성으로 나옵니다
- 특이도 = 100 − 위양성률, 위 예에서는 95퍼센트
- 놓칠 확률 = 100 − 민감도, 위 예에서는 1퍼센트
화면 네 칸이 나누는 기준
자연빈도 영역은 입력한 조건을 사람 수로 바꿔 네 갈래로 나눕니다. 판정이 맞은 두 칸과 어긋난 두 칸입니다. 확률을 소수로 볼 때보다 사람 수로 볼 때 위양성 규모가 훨씬 또렷하게 보이는데, 위험 소통 연구에서 자연빈도 표현을 권하는 이유가 여기에 있습니다.
- 참양성 — 실제 해당자이면서 양성으로 나온 사람
- 위양성 — 해당자가 아닌데 양성으로 나온 사람
- 위음성 — 해당자인데 음성으로 나와 놓친 사람
- 참음성 — 해당자가 아니고 음성으로 나온 사람
숫자로 따라가 보는 계산
사전확률 1퍼센트, 민감도 99퍼센트, 위양성률 5퍼센트를 1만 명 기준으로 넣었다고 하겠습니다. 화면과 같은 반올림으로 적으면 아래와 같습니다. 양성 594명 중 실제 해당자는 99명이므로 P(A|B)는 16.7퍼센트가 됩니다.
- 실제 해당자 100명 중 양성 99명 — 참양성
- 비해당자 9,900명 중 양성 495명 — 위양성
- 양성 판정 합계 594명, P(B)는 5.94퍼센트
- 99 ÷ 594 = 0.1667, 즉 P(A|B) 16.7퍼센트
- 반대 가능성 P(¬A|B)는 83.3퍼센트
우도비가 알려 주는 검사 자체의 힘
우도비는 민감도를 위양성률로 나눈 값입니다. 사전확률과 무관하게 그 관찰이 얼마나 강한 증거인지를 나타내므로, 서로 다른 검사를 비교할 때 쓰기 좋습니다. 위 예에서는 0.99를 0.05로 나눠 19.8이 나옵니다. 승산으로 계산하면 관찰 전 승산에 이 값을 곱한 것이 관찰 후 승산입니다.
- 10보다 크면 확률을 크게 끌어올리는 강한 증거
- 5에서 10 사이는 중간 정도의 증거
- 2에서 5 사이는 참고 수준
- 1에 가까우면 사실상 정보가 없는 관찰
- 1보다 작으면 오히려 반대 방향의 증거
음성이 나왔을 때의 확률은 따로 계산한다
양성일 때의 확률만 보고 음성이면 안심해도 된다고 판단하는 경우가 많습니다. 그러나 음성일 때 남는 확률은 별도의 식으로 구합니다. 화면의 P(A|¬B)가 그 값입니다. 사전확률이 높고 민감도가 낮으면 음성이 나와도 확률이 꽤 남기 때문에, 두 값을 함께 봐야 판단이 한쪽으로 기울지 않습니다.
- 음성일 때 확률 = 해당자이면서 음성 ÷ 전체 음성
- 위 예에서는 1만 명 중 음성 9,406명, 그중 해당자 1명
- 결과는 0.01퍼센트로 사실상 배제에 가깝습니다
- 민감도가 80퍼센트로 내려가면 같은 조건에서도 음성 뒤 확률이 눈에 띄게 올라갑니다
백분율로 입력받는 이유
자료에 적힌 숫자는 대개 백분율입니다. 논문 초록의 민감도도, 제품 데이터시트의 오탈락률도 퍼센트로 표기됩니다. 소수로 다시 바꿔 넣는 과정에서 자릿수를 한 칸 잘못 옮기는 실수가 잦아, 이 계산기는 자료에 적힌 형태 그대로 받도록 만들었습니다. 소수가 필요한 경우에도 0.1처럼 그대로 넣으면 됩니다.
- 한국어·일본어·영어 페이지는 소수점이 마침표입니다
- 스페인어·인도네시아어 페이지는 소수점이 콤마입니다
- 0에서 100을 벗어난 값은 자동으로 범위 안으로 조정됩니다
- 세 칸 중 비운 칸은 회색 예시 값으로 계산됩니다
자주 나오는 잘못된 해석
베이즈 계산에서 반복되는 오해는 대부분 같은 자리에서 생깁니다. 검사 성능과 결과 확률을 같은 것으로 보거나, 사전확률을 자기 집단이 아닌 전체 인구 기준으로 넣는 경우입니다. 아래 네 가지를 먼저 확인하면 결과가 크게 어긋나는 일은 줄어듭니다.
- 민감도를 그대로 양성 확률로 읽는 것 — 두 값은 방향이 반대인 조건부 확률입니다
- 특이도를 위양성률 칸에 넣는 것 — 95를 넣어야 할 자리에 5를 넣게 됩니다
- 전체 인구 유병률을 증상군 사전확률로 쓰는 것 — 실제보다 낮게 나옵니다
- 음성 결과를 0퍼센트로 간주하는 것 — 위음성은 언제나 남습니다
사전확률은 어디서 구하나
사전확률이 결과를 좌우하는 만큼, 이 값을 어디서 가져오는지가 계산의 품질을 정합니다. 공표된 유병률 통계, 자체 이력 데이터, 그리고 검사 대상을 어떻게 골랐는지가 근거가 됩니다. 대상 선별이 이미 이뤄진 상태라면 전체 인구 통계를 그대로 쓰면 안 됩니다.
- 공공기관이 공표한 유병률 또는 불량률 통계
- 같은 조건에서 축적한 자체 검사 이력의 양성 확정 비율
- 증상·접촉 이력 등으로 이미 걸러진 집단인지 여부
- 확정할 수 없으면 범위를 잡아 사전확률 비교 영역에서 상한과 하한을 함께 확인
검사를 두 번 했을 때 이어 계산하기
첫 결과를 두 번째 계산의 사전확률로 넣으면 갱신이 이어집니다. 앞 예에서 첫 양성 뒤 16.7퍼센트가 나왔다면, 사전확률 칸에 16.7을 넣고 같은 성능으로 다시 계산해 79.8퍼센트를 얻습니다. 다만 이 방식은 두 검사가 서로 독립이라고 가정합니다.
- 1차 양성 뒤 확률을 그대로 사전확률 칸에 입력
- 같은 민감도·위양성률로 다시 계산
- 원리가 같은 검사를 반복하면 오류도 함께 반복되므로 실제 상승 폭은 더 작습니다
- 방식이 다른 두 검사를 조합할 때 이 계산이 가장 잘 맞습니다
결과를 인용하기 전 확인할 것
숫자를 얻은 뒤 그대로 옮겨 적기 전에 아래 항목을 한 번씩 확인하면 잘못된 인용을 줄일 수 있습니다. 특히 사전확률의 출처와 대상 집단을 함께 적어 두면, 나중에 같은 숫자를 다시 볼 때 조건을 재구성할 수 있습니다.
- 사전확률의 출처와 기준 시점을 적어 두었는가
- 세 번째 칸에 넣은 값이 위양성률인지 특이도인지 확인했는가
- 민감도·위양성률이 이번 대상 집단과 같은 조건에서 측정된 값인가
- 양성뿐 아니라 음성일 때의 확률도 함께 확인했는가
- 결과를 전달할 때 확률과 사람 수를 함께 제시했는가
베이즈 정리 계산기 자주 묻는 질문
확률을 0에서 1 사이 소수로 넣어야 하나요?
아니요. 이 계산기는 백분율을 받습니다. 1퍼센트는 1, 99퍼센트는 99로 넣으면 됩니다. 예전 방식대로 0.01이라고 넣으면 0.01퍼센트로 읽히니 주의해야 합니다. 소수가 필요하면 0.1처럼 소수점을 쓰면 되고, 스페인어와 인도네시아어 페이지에서는 소수점이 콤마이므로 0,1로 넣습니다. 세 칸 모두 0에서 100 범위를 벗어나면 자동으로 범위 안으로 잘립니다.
민감도와 특이도 중 무엇을 넣어야 하나요?
두 번째 칸에는 민감도를, 세 번째 칸에는 위양성률을 넣습니다. 위양성률은 특이도를 100에서 뺀 값입니다. 자료에 특이도 95퍼센트라고 적혀 있으면 세 번째 칸에는 5를 넣으면 됩니다. 입력을 마치면 입력 칸 아래 안내줄에 특이도가 몇 퍼센트로 환산됐는지 표시되므로, 자료의 숫자와 맞는지 그 줄에서 다시 확인할 수 있습니다.
민감도가 99퍼센트인데 왜 양성 확률이 16.7퍼센트밖에 안 되나요?
사전확률이 낮기 때문입니다. 1만 명 중 실제 해당자가 100명뿐이면 그중 99명이 양성으로 잡히지만, 나머지 9,900명 가운데 위양성률 5퍼센트에 해당하는 495명도 함께 양성이 됩니다. 양성 594명 중 실제 해당자는 99명이라 16.7퍼센트가 됩니다. 검사 성능이 아니라 대상 집단의 구성이 결과를 지배하는 구간입니다.
P(B)는 무엇을 뜻하는 값인가요?
조건과 무관하게 그 관찰이 나올 전체 확률입니다. 검사로 치면 아무나 한 명을 검사했을 때 양성이 나올 확률입니다. 실제 해당자에게서 나오는 양성과 비해당자에게서 나오는 위양성을 합친 값이라, 베이즈 정리에서 분모 역할을 합니다. 이 값이 0이면 양성 자체가 나오지 않는다는 뜻이라 P(A|B)를 정의할 수 없습니다.
우도비가 1보다 작게 나오면 어떻게 해석하나요?
그 관찰이 오히려 반대 방향의 증거라는 뜻입니다. 우도비는 민감도를 위양성률로 나눈 값이고, 1이면 아무 정보도 주지 않는 관찰입니다. 1보다 작으면 양성이 나왔는데도 확률이 관찰 전보다 내려갑니다. 위양성률을 민감도보다 크게 입력했을 때 이런 결과가 나오므로, 두 값을 바꿔 넣지 않았는지 먼저 확인하는 편이 좋습니다.
자연빈도 기준 인원을 바꾸면 확률도 달라지나요?
확률은 달라지지 않습니다. 1천, 1만, 10만 명은 같은 비율을 사람 수로 바꿔 보여 주기 위한 기준일 뿐입니다. 다만 사전확률이 아주 낮을 때는 1천 명 기준에서 실제 해당자가 한 명도 안 되는 소수로 나와 감이 잘 안 오므로, 그런 경우에는 10만 명으로 올려 보는 편이 이해하기 쉽습니다.
같은 검사를 두 번 했을 때는 어떻게 계산하나요?
첫 번째 결과를 두 번째 계산의 사전확률로 넣으면 됩니다. 앞의 예에서 첫 양성 뒤 확률이 16.7이었다면, 사전확률 칸에 16.7을 넣고 민감도와 위양성률은 그대로 두면 79.8퍼센트가 나옵니다. 다만 이 계산은 두 검사가 서로 독립이라는 가정에 기댑니다. 같은 원리를 쓰는 검사를 반복하면 같은 오류가 반복되므로 실제 상승 폭은 이보다 작습니다.
이 계산기를 의료 판단에 그대로 써도 되나요?
판단 근거로 쓰기에는 부족합니다. 이 도구는 입력한 세 값이 정확할 때의 산술 결과만 보여 줍니다. 실제 검사는 검사 시점, 대상자의 연령과 증상, 검체 상태, 판독 기준에 따라 민감도와 위양성률이 달라지고, 임상에서는 이 숫자들에 신뢰구간이 붙습니다. 개념을 확인하고 크기 감각을 잡는 용도로 쓰고, 진단은 담당 의료진의 판독을 따라야 합니다.
의료 말고 다른 곳에도 쓸 수 있나요?
조건부 확률 구조가 같으면 어디에나 맞습니다. 스팸 필터는 사전확률이 메일 중 스팸 비율, 민감도가 스팸을 잡아내는 비율, 위양성률이 정상 메일을 스팸으로 오인하는 비율입니다. 제조 검사는 사전확률이 불량률, 민감도가 불량 검출률, 위양성률이 정상품 오탈락률입니다. 화면 위 시나리오 칩에 이런 예가 들어 있으니 눌러서 숫자가 어떻게 움직이는지 비교해 보면 됩니다.
참고 자료
확인일: 2026-09-02. 베이즈 정리 자체는 확률의 공리에서 유도되는 수학 정리라 개정되지 않습니다. 아래 자료는 정리의 정의, 민감도·특이도·우도비의 표준 용어, 그리고 자연빈도 표현의 근거를 확인하기 위한 공개 출처입니다.