在假设检验理论中，概言之，我们是针对某个假设而制定检测实验的，如果这个实验结果支持假设，我们就说这个这个实验结果是阳性的；不支持，就说检测结果是阴性的。我们用一种仪器去检测某人是否有某种病，那么我们用的假设就是“某人有某种病”，如果仪器检出来的各项指标综合起来支持某人患有某种病的假设，我们就说检测结果呈阳性，否则就说检测结果呈阴性。
因此上面题目首先就把“阳性”和“阴性”的概念搞错了。对于有病的人，如果检测结果呈阳性，那么这个检测结果就是真阳性；如果检测结果呈阴性，那么这个检测结果就是假阴性。对于没病的人，如果检测结果呈阳性，那么这个结果就是假阳性；如果检测结果呈阴性，那么这个结果就是真阴性。
为了使这些概念清楚，我用一个表来展示（即高山说的“模糊矩阵”（confusion matrix），实际上应该翻译为混淆矩阵。模糊矩阵（fuzzy matrix）是模糊数学用的，不是这个矩阵）：
|
|
人有病 |
人无病 |
|
检测结果呈阳性 |
真阳性 |
假阳性 |
|
检测结果呈阴性 |
假阴性
|
真阴性 |
所以对于有病的人，我们谈的是真阳性和假阴性，而不是真阳性和假阳性；对于无病的人，我们谈的是假阳性和真阴性，而不是假阴性和真阴性。所以，这一点，题目完全说错了。
而综合这个题目的上下文，其正确的对应数据如下表：
|
|
人有病 |
人无病 |
|
检测结果呈阳性 |
真阳性99%
|
假阳性1%
|
|
检测结果呈阴性
|
假阴性1%
|
真阴性99%
|