مثبت کاذب و منفی کاذب: تفاوت میان نسخه‌ها

محتوای حذف‌شده محتوای افزوده‌شده
ویرایش به‌وسیلهٔ ابرابزار:
خط ۱۹:
نرخ مثبت کاذب برابر است با [[معناداری آماری|سطح اهمیت]]. [[حساسیت و ویژگی|ویژگی]] آزمون برابر است با '''۱''' منهای نرخ مثبت کاذب.
 
در [[آزمون فرض آماری]]، این خطا با حرف یونانی α نشان داده می‌شود و ۱ − α به عنوان ویژگی آزمون تعریف می‌شود. افزایش ویژگی آزمون، احتمال خطای نوع اول را پایین می‌آورد؛ اما ممکن است احتمال خطای نوع دوم را بالا ببرد. (منفی‌های کاذب که فرضیه جایگزین را، در صورت صحت، رد می‌کنند). {{Efn|When developing detection algorithms or tests, a balance must be chosen between risks of false negatives and false positives. Usually there is a threshold of how close a match to a given sample must be achieved before the algorithm reports a match. The higher this threshold, the more false negatives and the fewer false positives.}}
 
هنگام ایجاد الگوریتم یا آزمایش تشخیص، باید تعادل بین خطرات منفی کاذب و مثبت کاذب انتخاب شود. معمولاً یک آستانه وجود دارد که قبل از اینکه الگوریتم یک مسابقه را گزارش کند، باید یک مسابقه با یک نمونه معین نزدیک شود. هرچه این آستانه بالاتر باشد، منفی های کاذب تر و مثبت کاذب نیز کمتر می شوند.}}
 
در تکمیل آنچه اشاره شد، [[نرخ منفی کاذب]] نسبت تمام مثبت‌هایی است که هنوز نتایج آزمون منفی را به همراه دارند؛ یعنی احتمال عدم وجود حالتی که وجود دارد.