Để tính xác suất để một người dương tính thực sự bị bệnh (được gọi là xác suất hậu nghiệm), chúng ta sẽ sử dụng định luật Bayes.

Đầu tiên, xác định một số thông tin:

- **P(B)**: Xác suất một người bị bệnh (cúm A) = 1% = 0.01
- **P(~B)**: Xác suất một người không bị bệnh = 99% = 0.99
- **P(D|B)**: Xác suất xét nghiệm dương tính nếu người đó bị bệnh = 99% = 0.99
- **P(D|~B)**: Xác suất xét nghiệm dương tính nếu người đó không bị bệnh = 1% (bởi vì phương pháp có độ chính xác 99% cho người không bị bệnh, nghĩa là 1% sẽ cho kết quả dương tính giả) = 0.01

Bây giờ ta cần tính xác suất một người thực sự bị bệnh khi xét nghiệm cho kết quả dương tính, tức là **P(B|D)**. Theo định luật Bayes, ta có:

\[
P(B|D) = \frac{P(D|B) \cdot P(B)}{P(D)}
\]

Trong đó:

\[
P(D) = P(D|B) \cdot P(B) + P(D|~B) \cdot P(~B)
\]

Thay các giá trị vào công thức trên để tính **P(D)**:

\[
P(D) = P(D|B) \cdot P(B) + P(D|~B) \cdot P(~B)
\]
\[
P(D) = (0.99 \cdot 0.01) + (0.01 \cdot 0.99)
\]
\[
P(D) = 0.0099 + 0.0099 = 0.0198
\]

Bây giờ, ta thay vào công thức Bayes để tính **P(B|D)**:

\[
P(B|D) = \frac{P(D|B) \cdot P(B)}{P(D)}
\]
\[
P(B|D) = \frac{0.99 \cdot 0.01}{0.0198}
\]
\[
P(B|D) = \frac{0.0099}{0.0198} = 0.5
\]

Vậy xác suất để một người dương tính thực sự bị bệnh là 50%.