Ложноположительная ошибка это

From Wikipedia, the free encyclopedia

A false positive is an error in binary classification in which a test result incorrectly indicates the presence of a condition (such as a disease when the disease is not present), while a false negative is the opposite error, where the test result incorrectly indicates the absence of a condition when it is actually present. These are the two kinds of errors in a binary test, in contrast to the two kinds of correct result (a true positive and a true negative). They are also known in medicine as a false positive (or false negative) diagnosis, and in statistical classification as a false positive (or false negative) error.^[1]

In statistical hypothesis testing, the analogous concepts are known as type I and type II errors, where a positive result corresponds to rejecting the null hypothesis, and a negative result corresponds to not rejecting the null hypothesis. The terms are often used interchangeably, but there are differences in detail and interpretation due to the differences between medical testing and statistical hypothesis testing.

False positive error[edit]

A false positive error, or false positive, is a result that indicates a given condition exists when it does not. For example, a pregnancy test which indicates a woman is pregnant when she is not, or the conviction of an innocent person.

A false positive error is a type I error where the test is checking a single condition, and wrongly gives an affirmative (positive) decision. However it is important to distinguish between the type 1 error rate and the probability of a positive result being false. The latter is known as the false positive risk (see Ambiguity in the definition of false positive rate, below).^[2]

False negative error[edit]

A false negative error, or false negative, is a test result which wrongly indicates that a condition does not hold. For example, when a pregnancy test indicates a woman is not pregnant, but she is, or when a person guilty of a crime is acquitted, these are false negatives. The condition «the woman is pregnant», or «the person is guilty» holds, but the test (the pregnancy test or the trial in a court of law) fails to realize this condition, and wrongly decides that the person is not pregnant or not guilty.

A false negative error is a type II error occurring in a test where a single condition is checked for, and the result of the test is erroneous, that the condition is absent.^[3]

[edit]

False positive and false negative rates[edit]

The false positive rate (FPR) is the proportion of all negatives that still yield positive test outcomes, i.e., the conditional probability of a positive test result given an event that was not present.

The false positive rate is equal to the significance level. The specificity of the test is equal to 1 minus the false positive rate.

In statistical hypothesis testing, this fraction is given the Greek letter α, and 1 − α is defined as the specificity of the test. Increasing the specificity of the test lowers the probability of type I errors, but may raise the probability of type II errors (false negatives that reject the alternative hypothesis when it is true).^[a]

Complementarily, the false negative rate (FNR) is the proportion of positives which yield negative test outcomes with the test, i.e., the conditional probability of a negative test result given that the condition being looked for is present.

In statistical hypothesis testing, this fraction is given the letter β. The «power» (or the «sensitivity») of the test is equal to 1 − β.

Ambiguity in the definition of false positive rate[edit]

The term false discovery rate (FDR) was used by Colquhoun (2014)^[4] to mean the probability that a «significant» result was a false positive. Later Colquhoun (2017)^[2] used the term false positive risk (FPR) for the same quantity, to avoid confusion with the term FDR as used by people who work on multiple comparisons. Corrections for multiple comparisons aim only to correct the type I error rate, so the result is a (corrected) p-value. Thus they are susceptible to the same misinterpretation as any other p-value. The false positive risk is always higher, often much higher, than the p-value.^[4][2]

Confusion of these two ideas, the error of the transposed conditional, has caused much mischief.^[5] Because of the ambiguity of notation in this field, it is essential to look at the definition in every paper. The hazards of reliance on p-values was emphasized in Colquhoun (2017)^[2] by pointing out that even an observation of p = 0.001 was not necessarily strong evidence against the null hypothesis. Despite the fact that the likelihood ratio in favor of the alternative hypothesis over the null is close to 100, if the hypothesis was implausible, with a prior probability of a real effect being 0.1, even the observation of p = 0.001 would have a false positive rate of 8 percent. It wouldn’t even reach the 5 percent level. As a consequence, it has been recommended^[2][6] that every p-value should be accompanied by the prior probability of there being a real effect that it would be necessary to assume in order to achieve a false positive risk of 5%. For example, if we observe p = 0.05 in a single experiment, we would have to be 87% certain that there as a real effect before the experiment was done to achieve a false positive risk of 5%.

Receiver operating characteristic[edit]

The article «Receiver operating characteristic» discusses parameters in statistical signal processing based on ratios of errors of various types.

See also[edit]

• False positive rate
• Positive and negative predictive values
• Why Most Published Research Findings Are False

Notes[edit]

References[edit]

Ложноположительным ошибка в двоичной классификации , в которой результат теста ошибочно указывает на наличие такого условия, как болезнь , когда болезнь не присутствует, в то время как ложный отрицательный результат будет ошибка , напротив , где результат теста ошибочно указывает на отсутствие состояние, когда оно действительно присутствует. Это два типа ошибок в двоичном тесте , в отличие от двух видов правильных результатов (
истинно положительный иправда отрицательный ). В медицине они также известны какложноположительный(илиложноотрицательный)диагноз, а встатистической классификации -какложноположительные(илиложноотрицательные)ошибки.

В статистической проверке гипотез аналогичные концепции известны как ошибки типа I и типа II , где положительный результат соответствует отклонению нулевой гипотезы , а отрицательный результат соответствует отклонению нулевой гипотезы. Эти термины часто используются как синонимы, но есть различия в деталях и интерпретациях из-за различий между медицинским тестированием и статистической проверкой гипотез.

Ложноположительная ошибка

Ложноположительные ошибки , или ложные срабатывания , является результатом , который указует на данное условие существует , когда он не делает. Например, тест на беременность, который указывает на то, что женщина беременна, когда она не беременна, или осуждение невиновного человека.

Ложноположительная ошибка — это ошибка типа I, когда тест проверяет одно условие и ошибочно дает положительное (положительное) решение. Однако важно различать частоту ошибок типа 1 и вероятность того, что положительный результат окажется ложным. Последний известен как риск ложных срабатываний (см. Неоднозначность определения частоты ложных срабатываний ниже ).

Ложноотрицательная ошибка

Ложноотрицательный ошибка , или ложный отрицательный , это результат теста , который ошибочно указывает на то, что условие не выполняется. Например, когда тест на беременность показывает, что женщина не беременна, но она беременна, или когда лицо, виновное в преступлении, оправдано, это ложноотрицательные результаты. Условие «женщина беременна» или «лицо виновно» выполняется, но тест (тест на беременность или судебное разбирательство) не учитывает это условие и ошибочно решает, что человек не беременен или не виновен.

Ложноотрицательная ошибка — это ошибка типа II, возникающая в тесте, где проверяется одно условие, а результат теста ошибочный, т.е. условие отсутствует.

Ложноположительные и ложноотрицательные показатели

Частота ложноположительных результатов — это доля всех отрицательных результатов, которые по-прежнему дают положительные результаты теста, т. Е. Условная вероятность положительного результата теста с учетом события, которого не было.

Частота ложных срабатываний равна уровню значимости . Специфичность теста равно 1 минус процент ложных срабатываний.

При статистической проверке гипотез этой доле присваивается греческая буква α , а 1 —  α определяется как специфичность теста. Повышение специфичности теста снижает вероятность ошибок типа I, но может повысить вероятность ошибок типа II (ложноотрицательные результаты, отвергающие альтернативную гипотезу, если она верна).

Дополнительно Частота ложноотрицательных результатов — это доля положительных результатов, которые дают отрицательные результаты теста с тестом, т. е. условная вероятность отрицательного результата теста при наличии искомого условия.

При статистической проверке гипотез этой доле присваивается буква β . « Мощность » (или « чувствительность ») теста равна 1 —  β .

Неоднозначность в определении частоты ложных срабатываний

Термин «коэффициент ложного обнаружения» (FDR) был использован Колкухоуном (2014) для обозначения вероятности того, что «значимый» результат был ложноположительным. Позже Colquhoun (2017) использовал термин ложноположительный риск (FPR) для того же количества, чтобы избежать путаницы с термином FDR, используемым людьми, которые работают над множественными сравнениями . Поправки для множественных сравнений направлены только на исправление коэффициента ошибок типа I, поэтому результатом является (исправленное) p- значение . Таким образом, они подвержены такому же неверному толкованию, как и любое другое значение p . Риск ложного срабатывания всегда выше, часто намного выше, чем значение p .

Путаница этих двух идей, ошибка транспонированного условного выражения нанесла много вреда. Из-за неоднозначности обозначений в этой области важно смотреть на определение в каждой статье. Опасности использования p- значений были подчеркнуты в Colquhoun (2017), указав, что даже наблюдение p = 0,001 не обязательно является убедительным доказательством против нулевой гипотезы. Несмотря на то, что отношение правдоподобия в пользу альтернативной гипотезы над нулевым значением близко к 100, если бы гипотеза была неправдоподобной, с априорной вероятностью реального эффекта, равной 0,1, даже наблюдение p = 0,001 имело бы ложноположительный результат. ставка 8 процентов. Он даже не достигнет 5-процентного уровня. Как следствие, было рекомендовано, чтобы каждое значение p сопровождалось априорной вероятностью наличия реального эффекта, который необходимо было бы предположить, чтобы достичь 5% риска ложного срабатывания. Например, если мы наблюдаем p = 0,05 в одном эксперименте, мы должны быть на 87% уверены, что существует реальный эффект до того, как эксперимент будет проведен, чтобы достичь риска ложноположительных результатов в 5%.

Рабочая характеристика приемника

В статье « Рабочие характеристики приемника » рассматриваются параметры статистической обработки сигналов на основе соотношений ошибок различных типов.

Примечания

использованная литература

Смотрите также

• Мальчик, который кричал: «Волки

внешние ссылки

• Ежедневный график — Маловероятные результаты — Почему большинство опубликованных научных исследований, вероятно, ложно — Иллюстрация ложных срабатываний и ложных отрицаний в журнале Economist в статье Проблемы с научными исследованиями Как наука идет не так Научные исследования изменили мир. Теперь он должен измениться сам (19 октября 2013 г.)

Типы ошибок в сообщении данных

A ложное срабатывание — ошибка в двоичной классификации, при которой результат теста неверно указывает на наличие условия например, болезнь, когда болезни нет, а ложноотрицательный — это противоположная ошибка, когда результат теста неверно не указывает на наличие состояния, когда оно присутствует. Это два типа ошибок в двоичном тесте, в отличие от двух видов правильных результатов: истинно положительный и истинно отрицательный. ) Они также известны в медицине как ложноположительный (или ложноотрицательный ) диагноз, а в статистической классификации как ложный положительный (или ложноотрицательный ) ошибка .

В статистической проверке гипотез аналогичные концепции известны как ошибки типа I и типа II, где положительный результат соответствует отклонению нулевой гипотезы, а отрицательный результат соответствует не отклонению нулевой гипотезы. Эти термины часто используются как синонимы, но есть различия в деталях и интерпретациях из-за различий между медицинским тестированием и статистической проверкой гипотез.

Содержание

• 1 Ложноположительная ошибка
• 2 Ложноотрицательная ошибка
• 3 Связанные термины
  • 3.1 Частота ложноположительных и ложноотрицательных результатов
  • 3.2 Неоднозначность в определении частоты ложных срабатываний
  • 3.3 Рабочие характеристики приемника
• 4 Примечания
• 5 Ссылки
• 6 См. Также
• 7 Внешние ссылки

Ложноположительная ошибка

A ложноположительная ошибка или ложноположительная, является результатом, который указывает, что данное условие существует, когда это не так. Например, тест на беременность, который показывает, что женщина беременна, когда она не беременна, или осуждение невиновного человека.

Ложноположительная ошибка — это ошибка типа I, когда тест проверяет одно условие и ошибочно дает утвердительное (положительное) решение. Однако важно различать частоту ошибок типа 1 и вероятность того, что положительный результат окажется ложным. Последний известен как риск ложных срабатываний (см. Неоднозначность в определении частоты ложных срабатываний, ниже).

ложноотрицательная ошибка

A ложноотрицательная ошибка или ложноотрицательная, — результат теста, который ошибочно указывает на то, что условие не выполняется. Например, когда тест на беременность показывает, что женщина не беременна, но она беременна, или когда лицо, виновное в совершении преступления, оправдано, это ложноотрицательные результаты. «женщина беременна» или «человек виновен», но тест (тест на беременность или судебный процесс) не учитывает это условие и ошибочно решает, что человек не беременен или не виновен..

Ложноотрицательная ошибка — это ошибка типа II, возникающая в тесте, где проверяется одно условие, и результат теста ошибочный, т.е. условие отсутствует.

Связанные термины

Частота ложноположительных и ложноотрицательных результатов

Частота ложных срабатываний — это доля всех отрицательных результатов. которые по-прежнему дают положительные результаты теста, то есть условную вероятность положительного результата теста с учетом события, которого не было.

Частота ложных срабатываний равна уровню значимости. специфичность теста равна 1 минус количество ложных срабатываний.

В статистической проверке гипотез этой доле дается греческая буква α, а 1-α определяется как специфичность теста. Повышение специфичности теста снижает вероятность ошибок типа I, но может повышать вероятность ошибок типа II (ложноотрицательные, отвергающие альтернативную гипотезу, если она верна).

Дополнительно, false Отрицательный показатель — это доля положительных результатов, которые дают отрицательные результаты теста с тестом, т. е. условная вероятность отрицательного результата теста при наличии искомого условия.

В статистической проверке гипотез этой фракции присваивается буква β. «степень » (или «чувствительность ») теста равна 1-β.

Неоднозначность в определении частоты ложных срабатываний

Термин «частота ложных срабатываний» (FDR) был использован Colquhoun (2014) для обозначения вероятности того, что «значимый» результат был ложноположительным. Позже Colquhoun (2017) использовал термин ложноположительный риск (FPR) для того же количества, чтобы избежать путаницы с термином FDR, используемым людьми, которые работают над множественными сравнениями. Поправки для множественных сравнений направлены только на исправление частоты ошибок типа I, поэтому результатом является (исправленное) значение p. Таким образом, они подвержены такому же неверному толкованию, как и любое другое значение p. Риск ложного срабатывания всегда выше, часто намного выше, чем значение p. Путаница этих двух идей, ошибка перенесенного условного выражения, причинила много вреда. Из-за неоднозначности обозначений в этой области важно смотреть на определение в каждой статье. Опасность использования p-значений была подчеркнута в Colquhoun (2017), указав, что даже наблюдение p = 0,001 не обязательно является убедительным доказательством против нулевой гипотезы. Несмотря на то, что отношение правдоподобия в пользу альтернативной гипотезы над нулевым значением близко к 100, если бы гипотеза была неправдоподобной, с априорной вероятностью реального эффекта, равной 0,1, даже наблюдение p = 0,001 было бы ложноположительным. ставка 8 процентов. Он даже не достигнет 5-процентного уровня. Как следствие, было рекомендовано, чтобы каждое значение p сопровождалось априорной вероятностью наличия реального эффекта, который необходимо было бы предположить для достижения 5% риска ложного срабатывания. Например, если мы наблюдаем p = 0,05 в одном эксперименте, мы должны быть на 87% уверены, что существует реальный эффект до того, как эксперимент будет проведен, чтобы достичь риска ложноположительных результатов в 5%.

Рабочие характеристики приемника

В статье «Рабочие характеристики приемника » обсуждаются параметры статистической обработки сигналов на основе соотношений ошибок различных типов.

Примечания

Ссылки

См. Также

• Мальчик, который плакал волком

Внешние ссылки

• Дневной график — Маловероятные результаты — Почему большинство опубликованных научных исследований вероятно ложное — Иллюстрация ложных срабатываний и ложных отрицаний в The Economist, появляющаяся в статье Проблемы с научными исследованиями Как наука идет не так, как надо. Научные исследования изменили мир. Теперь ему нужно изменить себя (19 октября 2013 г.)

Есть две ошибки, которые всегда затыкают себе голову, когда узнаешь о проверке гипотезы – ложные срабатывания и ложные срабатывания, технически упоминаемые как ошибки типа I и сортировки II соответственно.

Поначалу я не был большим поклонником этих концепций, я не мог себе представить, как они могут быть наименее полезны. С годами, однако, я начал меняться. Чем больше я понимал и сталкивался с этими ошибками, тем больше они меня возбуждали и интересовали. Увидев их реальное применение и использование, я прошел путь от неинтересного ученика до восторженного учителя.

Вы знаете тех учителей, которые бешено упоминают тему, которую никто не понимает или не хочет понимать? Да, теперь это я! И это здорово, поэтому я хотел бы доставить вам удовольствие от этого текста, показав вам, как эти две ошибки имеют практическое значение в нескольких и интересных реальных ситуациях. Тогда, надеюсь, прочитав его, вы будете испытывать зуд, информируя своих близких о ложных срабатываниях и ложных негативах. Счастливчики!

Восклицание: этот текст здесь не для того, чтобы показать вам, как отличить 2. Если вы хотите получить представление о том, как это сделать, я сделал объяснительный видеоролик на эту тему здесь.

Делаешь ошибки своему другу.

Какая ошибка, по-вашему, серьезнее?

Ложное срабатывание (ошибка типа I) – как только Вы отвергаете реальную нулевую гипотезу – или ложное срабатывание (ошибка типа II) – как только Вы принимаете ложную нулевую гипотезу?

Я читал во многих местах, что решение данного вопроса – ложное срабатывание. Я не верю, что это 100% правда.

Правильный научный подход заключается в том, чтобы выдвинуть нулевую гипотезу таким образом, что Вы пытаетесь ее отвергнуть, давая мне положительный результат. Итак, допустим, я хотел бы удостовериться, что эта конкретная статья работает лучше, чем типичная для противоположных статей, которые я даже разместил.

Учитывая это, нулевая гипотеза, которую я смогу выбрать:

“Количество прочитанных мной статей будет меньше или адекватно количеству аналогичных статей, которые я даже разместил”.

Если я отвергаю нулевую гипотезу, это предполагает одно из двух.

1. Этот текст выполнен выше среднего – Великолепно! Вот мой положительный результат.

2. Я даже сделал такую ошибку. Я отвергнул нулевую гипотезу, которая была правдой. Мой тест показал, что я выполнил выше среднего, но на самом деле я этого не сделал. Я получил ложноположительный результат.

Да, здесь мой ложноположительный признак – плохой результат, я неизбежно могу думать, что моя статья лучше, чем она, и с тех пор писать все свои статьи в одном стиле, что в конечном итоге ранит мой блог-трафик. это может немного повлиять на мою карьеру и самооценку во время негативного пути.

А как же ложный негатив?

Это произошло бы, если бы, скажем, этот текст был шедевром написания блога, но мой тест показал, что он даже не посредственный. Конечно, в ближайшее время я не буду планировать писать статьи в таком стиле. Однако, я человек целеустремленный, который учится на своих “ошибках”, поэтому вместо этого попробую разные техники и, возможно, создам еще более качественные тексты.

Это не самый простой результат, я бы упустил шанс, но это ни в коей мере не так разрушительно, потому что ложное срабатывание.

Сейчас часто бывает так, что наихудшая ситуация – это ложное срабатывание, однако, важным фактом является то, что я сформулировал нулевую гипотезу определенным образом. Если бы я поменял нуль и альтернативные гипотезы, ошибки тоже поменялись бы местами.

Позвольте мне показать вам.

Моя новая нулевая гипотеза:

“Количество прочитанных мной статей будет столько же, сколько сопоставимых статей, которые я даже разместил”.

В ложноположительной ситуации я могу отвергнуть нулевую гипотезу, что это правда. Таким образом, тест покажет, что мой шедевр действительно посредственный или еще хуже. Помнишь эту фразу? Это был ложный отрицательный результат из предыдущего примера.

Это показывает, что 2 ошибки взаимозаменяемы. Следовательно, все дело в планировании вашего исследования, вы будете менять вещи, чтобы избежать большей проблемы.

Нахождение положительного в… положительном.

При подаче заявления о приеме на работу в отрасль информатики всегда возникает вопрос на собеседовании:

“Можете ли вы привести примеры ситуаций, когда ложноположительный результат лучше, чем ложноотрицательный?” (и наоборот)

Конечно, вы будете использовать приведенный выше пример, однако некоторые ученые не особо хотят слышать мысль об обмене гипотезами. Я просто хотел в какой-то степени доказать, что все не так черно-бело, когда речь идет о такой идее.

Плюс ко всему, у меня есть еще много примеров для вас, которые вы просто можете наложить на своего потенциального работодателя и показать ему, что вы действительно знаете свои вещи. Вы в мгновение ока завоевываете их!

В этих примерах есть гипотезы, которые не могут быть подменены наукой или законом (см., не так уж и черно-белые). Однако они дают нам ситуации, в которых наличие ложного негатива не является идеальным. Конечно, мы все еще являемся бунтарями, но делаем это в рамках науки и закона, так что, кто может нас остановить!

Ребенок или неребенок?

Когда вы проходите тест на беременность, вы спрашиваете: “Я беременна?”

Однако при проверке гипотез у вас есть нулевая гипотеза:

“Я не беременна”

Отказ от гипотезы дает тебе “+” Поздравляю! Ты беременна!

Принятие гипотезы дает Вам ‘-‘ Извините, в следующий раз удачи!

Биология определяет это, так что, боюсь, никаких изменений. Хотя тесты могут работать неправильно, и ложные срабатывания все-таки случаются; в этом случае ложным срабатыванием было бы то крошечное ‘+’, когда Вы беременны, на самом деле, не беременны. Ложноположительным, конечно же, будет “-“, когда у тебя внутри растет трогательный ребенок.

Это честный пример, потому что более высокая ситуация полностью зависит от вашей ситуации!

Представьте себе, что кто-то долгое время пытался завести малыша, а потом каким-то чудом его биопроба вернулась положительной. Они мысленно готовятся к рождению ребенка и после короткого периода экстаза каким-то образом определяют, что они, на самом деле, не беременны!

Это ужасный результат!

Ложно-отрицательный для того, кто действительно не нуждается в ребенке, не готов к нему, и когда заверяет себя в негативном результате, доходит до выпивки и курения, то зачастую невероятно вредно для нее, ее семьи и ребенка.

Обменяйтесь, однако, ситуациями этих женщин, и у вас есть результаты, которые, хотя и не идеальны, но гораздо лучше.

Время пустяков!

Тесты на беременность продвинулись вперед, чтобы уменьшить вероятность ложного отрицательного результата. Это действительно улучшает тест, так как хотя маловероятно, что Вы просто посетите врача, чтобы проверить отрицательный результат, это может быть разумно с положительным результатом. Существуют различные медицинские причины, по которым ложноположительный результат может быть признан, но ложноотрицательный результат появляется только в результате неправильного выполнения теста.

тесты на СПИД

Здесь может быть более наглядный пример.

Представьте себе пациента, делающего тест на ВИЧ.

Нулевая гипотеза:

“У пациента нет ВИЧ-вируса”.

Последствия ложноположительного изначально будут для пациента душераздирающими; обладание, чтобы повлиять на травму столкнуться с этой новостью и рассказать вашей семье и друзьям не является ситуацией, которую вы хотели бы на кого-нибудь, но после того, как пойти на лечение, врачи определят, что она не имеет вируса. Опять же, это может быть не очень приятным опытом. Но, в конечном счете, не иметь ВИЧ – это честно.

С другой стороны, ложный отрицательный результат будет означать, что у пациентки ВИЧ, но тест покажет отрицательный результат. Последствия этого ужасающие, пациент будет упускать из виду важнейшие методы лечения и будет подвергаться высокому риску распространения вируса на других.

Без сомнения, ложный негатив здесь в том, что большая проблема. Как для человека, так и для общества.

Пустяки:

Многие врачи называют результаты СПИДа “реактивными”, а не положительными из-за ложноположительных результатов. Прежде чем пациент будет окончательно признан ВИЧ-положительным, проводится серия тестов. не все из них поддерживают один образец крови.

Положительный, пока не доказано отрицательный

Во многих странах закон гласит, что подозреваемый во время уголовного дела: “Невиновен, пока его вина не будет доказана”.

Это происходит от латыни.

Ei incumbit probatio, qui dicit, non qui negat; cum per rerum naturam factum negantis probatio nulla sit”.

Что означает: “Доказательство лежит на том, кто утверждает, а не на том, кто отрицает; поскольку, по характеру вещей, тот, кто отрицает факт, не может предъявить никаких доказательств”.

Следовательно, нулевая гипотеза:

“Подозреваемый невиновен”.

Таким образом, только достаточно, чтобы ложное срабатывание закончилось тем, что невиновная сторона была признана виновной, в то время как ложное срабатывание привело бы к вынесению невинного вердикта виновному лицу.

Если доказательств недостаточно, то принятие нулевой гипотезы гораздо более вероятно, чем ее отрицание. Следовательно, если бы по закону подозреваемый был “Виновен, пока не доказано, что он невиновен”, с гипотезой “Подозреваемый виновен”. Принятие нулевой гипотезы, когда ложь закончится тем, что многие невиновные люди будут заключены в тюрьму.

Таким образом, защита одного невиновного человека от опасности (возможно) отпустить на свободу пятерых виновных кажется стоящей для нескольких человек.

Мысль о заключении в тюрьму невиновного автора вызывает тревогу, так как доказать, что он на самом деле невиновен, когда его осуждают, не так просто. В то время как ложное отрицание закончится тем, что преступник выйдет на свободу, оно может оказаться в ситуации, когда дело будет открыто вновь, или, если это лицо может быть серийным преступником, оно все равно будет осуждено позднее.

Мелочи:

До недавнего времени Мексика использовала систему “виновен, если не доказана невиновность”. В результате, судьи даже не стали бы открывать большинство уголовных дел, потому что они могут бояться посадить в тюрьму слишком много невиновных людей. С 2008 года мексиканская система уголовного правосудия перешла на “невиновных, если только их вина не будет доказана”.

Каждый вздох, который вы делаете, я буду наблюдать за вами.

Тесты на алкотестер – необходимая помеха. Никто не хочет, чтобы его остановили на тест на алкоголь в выдыхаемом воздухе, с другой стороны, никто не хочет, чтобы его убил пьяный водитель. Качели и карусели.

Нулевая гипотеза: “Вы ниже алкогольного предела”.

Опять же, только достаточно, ложное срабатывание показало бы, что вы просто превысили лимит, когда вы даже не прикоснулись к алкогольному напитку. Фальшивый отрицательный результат будет свидетельствовать о том, что ты трезв, как только ты напьешься, или как минимум превысил лимит.

Обе проблемы возникают из-за различных факторов, которые влияют на образцы алкоголя в выдыхаемом воздухе. Чтобы противостоять проблемам ложноположительного результата (потеря лицензии, получение штрафа или тюремного заключения), закон гласит, что можно предоставить образец крови или мочи, чтобы доказать свою невиновность (если это так, то есть).

Помня об этом, ложноположительный результат, несомненно, является более серьезной проблемой. Разрешение пьяным водителям продолжать водить машину, предполагая, что они трезвые, очевидно, опасно для них и для окружающих. В то время как потеря пары часов в день может быть небольшой ценой, если это поможет удержать больше людей за лимитом, вне дороги.

Мелочи:

Общий уровень алкоголя, при котором люди считаются юридически ограниченными для гольфа варьируется от 0,00% до 0,08%. наиболее распространенными ориентирами по всему миру являются 0,00%, также называемый нетерпимостью , и 0,05%. Пределом является то, что самый высокий в пределах Каймановых островов, стоящий на 0,1%. Это не означает лучшей терпимости к вождению в нетрезвом виде, поэтому перед тем, как отправиться в путь после бутылки Jack Daniels, ограничьтесь мыслью о том, что местная полиция действительно соблюдает законы с частыми проверками.

Мусор одного человека – это сокровище другого.

Последняя вещь, о которой я хотел бы поговорить, это спам-электронная почта.

Многие сайты расскажут вам кое-что в этом роде: “Пожалуйста, проверьте вашу папку со спамом. Электронное письмо, которое мы только что отправили, вы найдете там.”

Провайдеры электронной почты все чаще используют алгоритмы обработки данных для фильтрации спама от того, что хочет. Часто это тема, которая заслуживает того, чтобы ее написали самим. Однако мы говорим о вещах, когда электронная почта теряется.

Я была поражена, когда несколько недель назад отправила письмо своей сестре, и ее почтовый провайдер пометил его как спам! Как они смеют! Единственное объяснение, которое я могла придумать, это то, что я использовала свой личный почтовый ящик, чтобы отправить электронное письмо на адрес компании моей сестры. Таким образом, алгоритм не видел доказательств того, что мое письмо было бы желанным для моей сестры (может быть, он знает что-то, чего я не знаю…). Поэтому он принял нулевую гипотезу:

“Это письмо – спам”.

Если алгоритм отвергает нулевую гипотезу, электронное письмо проходит. Ложное срабатывание означает, что в вашем почтовом ящике есть странное письмо от нигерийских принцев, желающих жениться на вас, или от давно потерянных родственников, позирующих для ваших банковских реквизитов, чтобы они могли отправить вам массивное наследство от кота приемной дочери вашей прабабушки.

Ложный негатив может быть большой проблемой. вы пропустите вызов на собеседование или отпускные снимки вашего брата и сестры просто потому, что они теряются в огромных количествах SPAM – которые вы просто полусердечно пропускаете перед тем, как удалить.

Однако, некоторые люди настолько разъярены уведомлением, что звонят по телефону, чтобы удостовериться в бессмысленности электронного письма, что несколько неуместных личных электронных писем – это небольшая плата за это.

Мелочи:

Более 95% запросов друзей, которые вы пересылаете Facebook, принимаются, так как вы всегда достигаете согнутых людей, которых вы узнаете. часто это не так для SPAM-аккаунтов, и это один из способов Facebook обнаруживает их. Тем не менее, в последнее время боты приняли технику, где они притворяются привлекательными женщинами и специализируются на мужчин-пользователей в качестве своих жертв. Потому что мужчины-пользователи, в среднем, принимают эти приглашения друзей, это занимает гораздо больше времени, чтобы обнаружить ботов.

Это несколько распространенных образцов когда-то вы можете иметь ложноположительные и ложноотрицательные. Как вы увидите, предпочтительная ошибка действительно зависит от самих вещей, ваших личных предпочтений или от того, как было разработано исследование (и что вы просто можете изменить гипотезу, если нужно). Итак, я надеюсь, что вы не будете следовать общему предположению, что ложные срабатывания заканчиваются большими проблемами, и теперь вы лучше подготовлены к тому, чтобы приводить убедительные примеры для их подтверждения.

Ложноположительным ошибка в двоичной классификации , в которой результат теста ошибочно указывает на наличие такого условия, как болезнь , когда болезнь не присутствует, в то время как ложный отрицательный результат будет ошибка , напротив , где результат теста ошибочно не указывает на наличие состояния, когда оно присутствует. Это два типа ошибок в двоичном тесте , в отличие от двух видов правильных результатов (истинно положительный иправда отрицательный ). В медицине они также известны какложноположительный(илиложноотрицательный)диагноз, а встатистической классификации —какложноположительные(илиложноотрицательные)ошибки. ^[1]

В статистической проверке гипотез аналогичные концепции известны как ошибки типа I и типа II , где положительный результат соответствует отклонению нулевой гипотезы , а отрицательный результат соответствует отклонению нулевой гипотезы. Эти термины часто используются как синонимы, но есть различия в деталях и интерпретациях из-за различий между медицинским тестированием и статистической проверкой гипотез.

Ложноположительные ошибки , или ложные срабатывания , является результатом , который указует на данное условие существует , когда он не делает. Например, тест на беременность, который показывает, что женщина беременна, когда она не беременна, или осуждение невиновного человека.

Ложноположительная ошибка — это ошибка типа I, когда тест проверяет одно условие и ошибочно дает положительное (положительное) решение. Однако важно различать частоту ошибок типа 1 и вероятность того, что положительный результат окажется ложным. Последний известен как риск ложных срабатываний (см. Неоднозначность определения частоты ложных срабатываний ниже ). ^[2]

Ложноотрицательный ошибка , или ложный отрицательный , это результат теста , который ошибочно указывает на то, что условие не выполняется. Например, когда тест на беременность показывает, что женщина не беременна, но она беременна, или когда лицо, виновное в совершении преступления, оправдано, это ложноотрицательные результаты. Условие «женщина беременна» или «человек виновен» выполняется, но тест (тест на беременность или судебное разбирательство) не учитывает это условие и ошибочно принимает решение, что человек не беременен или не виновен.

Ложноотрицательная ошибка — это ошибка типа II, возникающая в тесте, где проверяется одно условие, и результат теста ошибочный, т.е. условие отсутствует. ^[3]

Оши́бка пе́рвого ро́да (α-ошибка, ложноположительное заключение) — ситуация, когда отвергнута верная нулевая гипотеза (об отсутствии связи между явлениями или искомого эффекта).

Оши́бка второ́го ро́да (β-ошибка, ложноотрицательное заключение) — ситуация, когда принята неверная нулевая гипотеза.