近似值 雖 為 百分之百 （ 200 x 0.5% = 100% ） ， 但 事實 上 卻 只 有 1 - 0.995200 = 1 - 0.367 = 0.633 或 百分之六十三點三 。 2 __UNDEF__ 我們 不 想 把 狀況 搞 的 太 複雜 ， 因此 排除 橡樹 死亡 數量 超過 一 棵 的 可能性 。 1 有關 慢速 駕駛 的 危險性 ， 我們 已 在 另 一 著作 「 會 生 蛋 的 狗 」 之 章節 「 萬歲 ！ 健康 者 比 病人 更 健康 」 （ Hurra , Gesunde gesunder als Kranke ） 中 利用 科學 方法 介紹 過 。 2 __UNDEF__ 事實 上 這 個 百分率 可能 會 更 高 ， 因為 我們 無法 計算 肇事 後 逃逸 的 駕駛人 比例 ， 而 那些 人 的 酒精 濃度 比 早已 超出 正常 範圍值 。 1 薇拉 繼續 解釋 時 ， 馬提 心 裡 想 著 ： 「 如果 證人 無法 指認出 在場 的 肇事者 ， 他 也 不可能 認為 其他 九 名 被 逮捕 者 中 有 任何 一 人 是 肇事者 ， 這 種 情形 的 機率 是 百分之九一點四 （ 0 .999 = 0 .
 
914 ） 。 也就是說 ， 當 證人 未 能 辨識出 混雜 在 被 逮捕 者 當中 的 肇事者 時 ， 他 將 無辜 者 誤認為 肇事者 的 可能性 為 百分之八點六 （ 100 - 91.4 = 8.6 ） 。然而 這 種 情況 很少 發生 ， 因為 肇事者 混雜 在 被 逮捕 者 中 的 可能性 是 只 有 百分之十 ， 未 能 被 指認出 的 機率 只 有 百分之一 ， 由 此 推算出 的 總機率 是 百分之零點零零八六 （ 0.10 x 0.01 x 0.086 = 0.000086 ） 。 因為 這 情況 很 少見 ， 薇拉 不必 在 範例 中 考慮 此 情形 。 但 在 其他 情況 中 ， 尤其 是 當 被 逮捕 人數 較多 時 ， 這 個 因素 就 顯 的 非常 重要 。 」 1 __UNDEF__ 「 好 吧 ， 如果 您 真的 想 知道 」 ， 馬提 解釋 時 露出 讚許 的 眼光 ： 「 一 名 證人 未 誤判 的 機率 為 百分之六十三 （ 0.959 = 0.63 ） ， 另外 百分之三十七 的 情況 是 ， 證人 不能 認出 混 在 十 名 被 逮捕 者 當中 的 肇事者 ， 反而 誤認 另 九 名 被 逮捕 者 中 的 一 人 。 若 我們 假設 ， 誤判 的 原因 並非 被 逮捕 者 的 外觀 與 肇事者 十分 相似 ， 那麼 兩 名 證人 指認 同 一 名 無辜 者 的 機率 是 百分之十一 （ 1/9 = 0.11 ） 。 將 誤判 歸因於 無辜 者 的 特定 特徵 時 ， 機率 會 提昇 許多 ， 甚至 高達 百分之九十 。 以 此 推算出 這 種 錯誤 肯定 的 證詞 比例 介於 百分之零點零零一 （ 0.10 x 0.0025 x 0.37 x 0.11 = 0.00001 ） 和 零點零零八 （ 0.10 x 0.0025 x 0.37 x 0.90 = 0.00008 ） 之間 。 」 1 __UNDEF__ 德國 薩蘭邦 （ Saarland ） 於 一九七○ 到 一九九二年 間 針對 七十五 至 七十九 歲 的 男性 調查 癌症 病例 的 紀錄 中 顯示 ， 每 年 每 十萬 人 中 約 有 兩百 人 罹患 癌症 ， 這 相當於 每 年 百分之零點二 。 1 __UNDEF__ 這 項 數據 仍 來自 薩蘭邦 的 癌症 紀錄 ， 正確 的 患病 人數 比例值 為 每 十萬 人 中 有 一點七二 人 。 1 此 為 及早 診斷出 的 最 大 病例數 。 在 同樣 不 完美 的 後續 檢驗 中 ， 最初 是 正確 陽性 的 病例 也 可能 變成 錯誤 陰性 。 1 __UNDEF__ 馬提 心想 ： 「 我 在 這裡 跟 貝蒂娜 介紹 的 是 一 種 稱為 單向 的 測試 。 只有 當 人們 想 知道 是否 使用 Bringtnixtin 治療 的 結果 會 比 不 使用 佳 時 ， 才 能 進行 這 種 測試 ， 但 需 徹底 排除 使用 Bringtnixtin 治療 亦 可 產生 不良 結果 的 可能性 。 如果 我 現在 又 解釋 這 種 細微 的 差異 ， 只 會 使 可憐 的 貝蒂娜 更 暈頭轉向 ， 而且 雙向 測試 的 表格 對 本 書 來 說 恐怕 又 會 太 長 。 我 畢竟 只 在乎 原則 問題 。 」 1 「 無益 」 是 指 明知 被 測試 的 物件 不及 標準 ， 仍 進行 研究 。 1 __UNDEF__ 「 真實 」 是 指 被 測試 的 物件 在 研究 中 的 效果 較 佳 ， 事實 上 亦 優於 標準 。 2 __UNDEF__ 只 擁有 餿主意 或 有用 想法 的 研究 人員 不計其數 。 只要 問 他們 大概 是 或 不 是 ， 就 可 省略 辛苦 的 研究 。 到頭來 研究 人員 變成 了 童話 或 神話 故事 的 主角 ， 例如 希臘 神話 中 獅身人面 女怪 ， 或者 是 一些 所謂 專業 權威 學者 假想 的 人物 。 3 馬 提想 ： 「 我們 還 忽略 了 統計學 百分之百 的 效力 ， 這 在 臨床 研究 中 並 不 存在 。 至於 效力 的 情形 我 最好 待會兒 再 向 她 解釋 。 」 1 __UNDEF__ 阿特曼 （ D .G. Altman ） ： 可悲 的 醫學 研究 醜聞 （ The scandal of poor medical research ） ， 英國 醫學 報導 （ British Medical Journal ） ， 第三百零八 期 ， 兩百八十三 頁 ， 一九九四年 。 1 漢比 第一 次 閱讀 某 篇 有關 此 問題 的 文章 時 （ 科恩 （ Cohen ） ， 一九九四年 ） ， 竟然 睡著 了 ， 後來 這 篇 文章 就 他 書桌 的 抽屜 內 消失 無蹤 ， 當 他 在 九 個 多 月 後 整理 東西 時 才 又 出現 。 漢比 還 記得 文章 中 有 非常 重要 的 資訊 ， 於是 他 重新 閱讀 ， 但是 又 立刻 昏睡 過去 （ 兩 次 都 不 是 在 他 的 書桌 前 ， 而是 在 自己 的 家 裡 ！ ） 。 不久 後 這 文章 又 消失 ， 又 再度 出現 ， 又 重新 被 閱讀 ， 又 同樣 讓 人 昏昏欲睡 。 唯一 的 差異 是 ， 漢比 終於 察覺 這些 程序 ， 隔天 立刻 登計 準備 發表 有關 這 議題 的 演講 ， 以便 能 省去 後續 的 壓抑 。 漢赫 也 同樣 地 影印 了 某 篇 文章 帶回 家 ， 同樣 地 閱讀 它 ， 也 同樣 地 睡著 了 。 結果 文章 居然 也 不見了 ， 隔 了 兩 年 後 才 在 五斗櫃 後 發現 它 。 事 後 ， 我們 只好 嘗試 掩蓋 此 問題 。 有關 一些 在 壓抑 技巧 上 可能 發生 的 錯誤 ， 請 參考 我們 的 另 一 著作 「 會 生 蛋 的 狗 」 。 1 __UNDEF__ 又 可 做 威力 解 ， 原文 的 統計學 文獻 經常 直接 以 power 標示 。 2 __UNDEF__ 請 比較 本 書 作者 的 另 一 著作 「 會 生 蛋 的 狗 」 之 章節 「 霧 中 迷盲 」 （ Im Nebel nach Uberseh ） 。 1 __UNDEF__ 基於 簡化 的 原因 ， 此 表格 稍 有 格式 上 的 缺陷 ， 但 此 缺陷 並 不 嚴重 ， 我們 將 於 後續 的 表格 五十一 中 加以 改善 。 1 原文 直譯 為 ： 沒有 任何 一 個 根據 機率 理論 執行 的 檢驗 ， 可以 從 本身 有效 的 證據 決定 假設 的 正確 與否 。 1 終點 為 一 種 可 測量 的 數值 ，