Clicked Gallery

¿Qué son los falsos positivos y los falsos negativos?

Subrayado en un libro de texto real. Explicado por Clicked.

Usado en una frase

University Course Reader · STEM

The screening programme accepts a high rate of false positives because a false negative means a missed cancer.

El lector subrayó un término — en un artículo o en el PDF de un paper. Clicked hizo que el término estadístico «false positives» fuera fácil de entender:

Explicado en tres niveles

Los mismos datos, otro rollo — Modo jerga 😎

El método Clicked

●○○

Overview

Un falso positivo es una prueba que dice que algo está ahí cuando no lo está. Un falso negativo es una prueba que dice que no hay nada cuando sí lo hay. Los estadísticos los llaman errores de tipo I y tipo II. Toda prueba que decide a partir de pruebas imperfectas comete ambos, y los dos se compensan. Ajusta una prueba para que capte más casos reales y dará más falsas alarmas; ajústala al revés y se le escaparán más casos reales. Qué error importa más depende de lo que cuesta cada uno.
●○○

Overview

Un falso positivo es la prueba gritando que viene el lobo: dice que sí, y la respuesta era no. Un falso negativo es la prueba dormitando: dice que no, y la respuesta era sí. Los libros los llaman tipo I y tipo II, que es lo que pasa cuando les pides a los estadísticos que pongan nombres. Toda prueba que trabaja con pistas comete ambos. Empújala a captar más y grita más al lobo; empújala a gritar menos y dormita más. Puedes elegir tu veneno, y tienes que elegir. 😎

Una idea rápida — muchas veces es todo lo que necesitas.

●●○

Detail

Un falso positivo es un resultado que dice sí cuando la respuesta verdadera es no: suena la alarma sin fuego, el escáner marca un tumor que no existe. Un falso negativo es lo inverso: la respuesta es sí y la prueba dice no. En estadística son los errores de tipo I y tipo II. En el lenguaje de la hipótesis nula, un falso positivo rechaza una nula que era cierta y un falso negativo mantiene una que era falsa. Ninguno significa que la prueba se hiciera mal. Cualquier prueba que decide a partir de evidencia sin certeza comete ambos, y la pregunta útil es con qué frecuencia. Los dos errores tiran en sentidos opuestos. Toda prueba fija un umbral, un punto en el que la evidencia cuenta como suficiente, y mover ese umbral baja un error subiendo el otro. Ajusta un cribado para que marque cualquier cosa levemente sospechosa y captará casi todos los casos reales, a cambio de mandar a mucha gente sana a más pruebas. Ajústalo para que marque solo lo evidente y ahorrará eso a esa gente, a cambio de pasar por alto enfermedad temprana. Así que el umbral se fija preguntando qué cuesta cada error. Un cáncer no detectado cuesta más que un seguimiento innecesario, así que el cribado se inclina hacia los falsos positivos. Una condena injusta cuesta más que una absolución, así que los tribunales penales se inclinan al revés.
●●○

Detail

Un falso positivo es la prueba diciendo que sí a algo que no está; un falso negativo es la prueba diciendo que no a algo que sí está. Tipo I y tipo II si quieres sonar como el amigo que corrige a todos en la cena. Ambos vienen incorporados en cualquier prueba que decide a partir de pistas en vez de certezas, y toda prueba lo hace. Así que la pregunta nunca es si comete errores, sino de qué clase comete más. Los dos están en un balancín. Un test de embarazo tan sensible que nunca se salta un embarazo también se encenderá para alguien que no está embarazada. Hazlo lo bastante estricto para que nunca se encienda mal y se le escapará alguien que sí lo está. No hay jugada gratis en el balancín, así que la pregunta honesta es qué lado duele más. Pasar por alto algo peligroso suele costar más que un susto que acaba en nada. Por eso los cribados médicos se ajustan para ser nerviosos y luego se confirman con una prueba más lenta y mejor. Condenar a un inocente cuesta más que dejar ir a un culpable, y por eso los tribunales se sientan del otro lado. Y hay un tercer coste. Una alarma de coche que salta con el viento es una máquina de falsos positivos que todo el mundo aprendió a ignorar: da suficientes falsas alarmas y nadie acude a la de verdad. 😎

¿Quieres más? Un clic profundiza.

●●●

Analogy

Un detector de humo comete los dos errores, y su rueda de sensibilidad decide la mezcla. Súbela y la tostada quemada lo dispara: un falso positivo, una alarma sin fuego detrás. Bájala y un rescoldo lento en la habitación de al lado no lo activa nunca: un falso negativo, un fuego que la alarma no avisó. Ningún ajuste elimina ambos. Cada muesca que te alejas de un error es una muesca hacia el otro. Los fabricantes ponen la rueda hacia los falsos positivos a propósito. Una casa que oye de vez en cuando la alarma de la tostada pierde un minuto. Una casa que duerme durante un incendio lo pierde todo.
●●●

Analogy

Un portero de discoteca hace una sola prueba a todo el mundo: ¿tienes edad? Rechaza a alguien de 24 porque la foto del carné no se le parece en nada, y eso es un falso positivo: marcado como menor, no lo era. Deja pasar a uno de 17 con un carné falso bueno, y eso es un falso negativo: era menor, no lo marcó. Un portero que no quiere ni un solo carné falso dentro rechazará a unos cuantos adultos molestos. Un portero que nunca rechaza a un adulto deja colar algunos carnés falsos. La discoteca fija la severidad según lo que más teme, una multa o la sala vacía, y hacia donde se incline, uno de los dos errores sube. 😎

¿Concepto nuevo? Un ejemplo cotidiano lo hace clic — nuevas analogías cuando quieras.

Las explicaciones de IA pueden contener errores · No es asesoramiento profesional

Definición formal — El mismo término, explicado de la forma habitual

Un falso positivo (error de tipo I) se produce cuando una prueba o un contraste de hipótesis indica la presencia de una condición o efecto que en realidad está ausente; en el contraste de hipótesis nula es el rechazo de una hipótesis nula cierta, y su tasa a largo plazo es el nivel de significación (α). Un falso negativo (error de tipo II) se produce cuando el procedimiento no indica una condición o efecto que sí está presente; es el mantenimiento de una hipótesis nula falsa, con tasa β, y 1 − β es la potencia estadística de la prueba. Para una prueba y una muestra fijas, reducir una tasa de error aumenta la otra, por lo que el umbral de decisión se elige según el coste relativo de cada error en su contexto.

¿Quieres que Clicked te explique términos como «false positives» directamente en tu navegador, incluso en PDFs?

Añadir a Chrome — Gratis

50 Explicaciones gratis · Sin tarjeta de crédito