Visualiseer de relatie tussen testkarakteristieken en voorspellende waarden. Begrijp PPV, NPV en de base rate fallacy.
Definities van sensitiviteit en specificiteit
Berekening van PPV en NPV
Visualisatie van absolute aantallen
Gebaseerd op Bayesiaanse statistiek
1
Uitleg
2
Invoer
3
Resultaat
Hoe werken diagnostische tests?
Voordat we gaan rekenen, eerst de begrippen.
Sensitiviteit
Van alle zieke mensen: hoeveel vindt de test?
Sensitiviteit = Terecht Positief / Alle Zieken
90% sensitiviteit = 10% van de zieken wordt gemist
Specificiteit
Van alle gezonde mensen: hoeveel krijgen terecht een negatieve uitslag?
Specificiteit = Terecht Negatief / Alle Gezonden
95% specificiteit = 5% van de gezonden krijgt onterecht een positieve uitslag
PPV & NPV — wat je echt wilt weten
PPV (Positief Voorspellende Waarde):
Als de test positief is, hoe groot is de kans dat iemand echt ziek is?
NPV (Negatief Voorspellende Waarde):
Als de test negatief is, hoe groot is de kans dat iemand echt gezond is?
PPV en NPV hangen niet alleen af van de test, maar ook van hoe vaak de ziekte voorkomt (prevalentie)!
Voer de gegevens in
Kies een voorbeeld of vul zelf de waarden in.
Kies een voorbeeld
90%
95%
10%
Live preview
PPV
--
NPV
--
Van 100 positieve uitslagen:
Terecht + Vals +
Resultaat
PPV
--
Positief Voorspellende Waarde
NPV
--
Negatief Voorspellende Waarde
Terecht +
--
Vals +
--
Terecht −
--
Vals −
--
Alle positieve uitslagen
Groen = terecht, Rood = vals alarm
Terecht positief
Vals positief
Interpretatie
--
--
Waarom is dit zo? (Bayes' theorema)
De PPV hangt niet alleen af van de testkwaliteit, maar ook van de prevalentie. Dit is de base rate fallacy.
P(Ziek | Pos) = P(Pos | Ziek) × P(Ziek) / P(Pos)
Bij een zeldzame ziekte zijn er veel meer gezonden dan zieken. Zelfs een kleine foutmarge bij gezonden levert dan veel vals-positieven op.
ClaimUitlegOorlogSurveillanceDoorvragen
DEFENSIE CONTEXT
Drone Detectie: "99% Accuraat"
Een fabrikant presenteert hun drone-detectiesysteem...
"Ons AI-detectiesysteem identificeert vijandelijke doelen met 99% nauwkeurigheid."
— Fabrikant X, verkooppresentatie
Het probleem
Dit klinkt indrukwekkend. Maar "99% accuraat" zegt niets zonder context.
Dezelfde drone, met exact dezelfde specificaties, kan in het ene scenario uitstekend werken — en in het andere scenario bijna nutteloos zijn.
Het verschil? De omgeving waarin je hem inzet. Hoeveel van de gescande personen zijn daadwerkelijk vijanden?
STAP 2 VAN 5
Wat is "99% accuraat"?
Sensitiviteit: 99%
Van alle echte vijanden detecteert het systeem er 99%.
Van 100 vijanden → 99 gedetecteerd, 1 gemist
De drone mist bijna niemand — goed nieuws.
Specificiteit: 99%
Van alle niet-vijanden (burgers) laat het systeem er 99% correct met rust.
Van 100 burgers → 99 correct, 1 vals alarm
Slechts 1% vals alarm bij burgers — klinkt acceptabel.
Maar... de echte vraag
Als het systeem alarm slaat en zegt "VIJAND" —
hoe groot is de kans dat het ook echt een vijand is?
Dat is de PPV (Positief Voorspellende Waarde).
En die hangt af van hoe vaak er daadwerkelijk vijanden voorkomen in jouw operatiegebied.
SCENARIO 1
Actief Conflict
Oorlogsgebied — 10% van de gescande personen is vijandig.
Gescand10.000 personen
Vijanden1.000 (10%)
Burgers9.000 (90%)
✓
Vijanden gedetecteerd (terecht positief)
99% van 1.000 = 990
!
Vijanden gemist (vals negatief)
1% van 1.000 = 10
✕
Burgers als vijand gemarkeerd (vals positief)
1% van 9.000 = 90
PPV = 91,7%
Van alle 1.080 alarmen zijn er 990 terecht. 9 van de 10 alarmen kloppen.
Echte vijand Burger (vals alarm)
SCENARIO 2
Routine Surveillance
Vredesmissie — slechts 0,1% van de gescande personen is vijandig.
Gescand100.000 personen
Vijanden100 (0,1%)
Burgers99.900 (99,9%)
✓
Vijanden gedetecteerd
99% van 100 = 99
!
Vijanden gemist
1% van 100 = 1
✕
Burgers als vijand gemarkeerd
1% van 99.900 = 999
PPV = 9,0%
Van alle 1.098 alarmen zijn er maar 99 terecht. Meer dan 9 van de 10 alarmen zijn vals!
Echte vijand Burger (vals alarm)
En het wordt erger...
Bij nog lagere prevalentie (bijv. 0,01% — 1 op 10.000):
PPV daalt naar ~1%. Dan is 99 van de 100 alarmen vals.
Bij 0,001% is de PPV slechts ~0,1%.
Dezelfde drone. Dezelfde "99% accuraat."
Oorlog (10%)
PPV 91,7%
vs
Surveillance (0,1%)
PPV 9,0%
CONCLUSIE
De Vragen Die Je Moet Stellen
Als een fabrikant "99% accuraat" claimt — vraag dan door.
1
"Wat bedoelt u precies met 99%?"
Is het de sensitiviteit? Specificiteit? Overall accuracy? Dit maakt enorm uit. "99% accuracy" op een testset met 50/50 vijand/burger zegt weinig over de echte wereld.
2
"In welke omgeving is getest?"
Een gecontroleerde lab-setting met duidelijke doelen? Of realistische operationele omstandigheden met variatie in weer, terrein en camouflage?
3
"Wat was de prevalentie in de test?"
Als de testset 50% vijand/50% burger bevatte, is "99% accuracy" misleidend voor een scenario met 0,1% vijanden. De PPV keldert van 99% naar 9%.
4
"Wat is de PPV bij onze verwachte inzet?"
Bereken de PPV voor jouw specifieke operatiegebied. Dat getal doet ertoe — niet de "nauwkeurigheid" uit de brochure.
5
"Wat is de consequentie van vals alarm?"
In de geneeskunde: een onnodige doorverwijzing.
In defensie: een onschuldige burger als vijand behandeld.
De ernst van vals-positieven bepaalt hoeveel je kunt accepteren.
Onthoud
"99% accuraat" kan 9% PPV opleveren.
De context — hoe vaak het doelwit daadwerkelijk voorkomt — bepaalt alles.