Clicked Gallery

O que são falsos positivos e falsos negativos?

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

Usado numa frase

University Course Reader · STEM

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

O leitor sublinhou um termo — num artigo ou no PDF de um paper. O Clicked tornou o termo estatístico «false positives» fácil de entender:

Explicado em três níveis

Os mesmos fatos, outra vibe — Modo slang 😎

O método Clicked

●○○

Overview

Um falso positivo é um teste dizendo que algo está lá quando não está. Um falso negativo é um teste dizendo que não há nada lá quando há. Os estatísticos os chamam de erros Tipo I e Tipo II. Todo teste que decide a partir de evidência imperfeita comete os dois, e os dois se compensam. Ajuste um teste para pegar mais casos reais e ele levanta mais alarmes falsos; ajuste-o para o outro lado e ele perde mais casos reais. Qual erro importa mais depende de quanto cada um custa.
●○○

Overview

Um falso positivo é o teste gritando lobo: ele diz sim, e a resposta era não. Um falso negativo é o teste cochilando: ele diz não, e a resposta era sim. Os manuais os rotulam de Tipo I e Tipo II, que é o que acontece quando se pede a estatísticos que deem nome às coisas. Todo teste que trabalha com pistas comete os dois. Force-o a pegar mais e ele grita lobo mais; force-o a gritar lobo menos e ele cochila mais. Você escolhe o seu veneno — e você tem que escolher. 😎

Uma ideia rápida — muitas vezes é tudo de que você precisa.

●●○

Detail

Um falso positivo é um resultado de teste que diz sim quando a resposta verdadeira é não: o alarme toca sem incêndio, o exame sinaliza um tumor que não está lá. Um falso negativo é o inverso: a resposta é sim e o teste diz não. Na estatística estes são os erros Tipo I e Tipo II. Na linguagem da hipótese nula, um falso positivo rejeita uma nula que era verdadeira e um falso negativo mantém uma que era falsa. Nenhum dos dois significa que o teste foi mal conduzido. Qualquer teste que decide a partir de evidência aquém da certeza comete os dois, e a pergunta útil é com que frequência. Os dois erros puxam um contra o outro. Todo teste define um limiar, um ponto em que a evidência conta como suficiente, e mover esse limiar reduz um erro aumentando o outro. Ajuste um teste de triagem para sinalizar qualquer coisa levemente suspeita e ele pega quase todo caso real, ao preço de mandar muitas pessoas saudáveis para checagens adicionais. Ajuste-o para sinalizar só o óbvio e ele poupa essas pessoas, ao preço de perder doenças precoces. Então o limiar é definido perguntando quanto cada erro custa. Um câncer não detectado custa mais que um acompanhamento desnecessário, então a triagem pende para os falsos positivos. Uma condenação injusta custa mais que uma absolvição, então os tribunais criminais pendem para o outro lado.
●●○

Detail

Um falso positivo é o teste dizendo sim para algo que não está lá; um falso negativo é o teste dizendo não para algo que está. Tipo I e Tipo II se você quiser soar como o amigo que corrige todo mundo no jantar. Os dois estão embutidos em qualquer teste que decide a partir de pistas em vez de certeza, e todo teste decide. Então a pergunta nunca é se ele erra, mas de qual tipo ele erra mais. Os dois estão numa gangorra. Um teste de gravidez feito tão sensível que nunca perde uma gravidez também vai acender para alguém que não está grávida. Faça-o rigoroso o bastante para nunca acender errado e ele vai perder alguém que está. Não existe jogada de graça na gangorra, então a pergunta honesta é qual lado dói mais. Perder algo perigoso normalmente custa mais que um susto que acaba bem. É por isso que triagens médicas são ajustadas para serem nervosas e depois confirmadas com um teste mais lento e melhor. Condenar alguém inocente custa mais que deixar um culpado ir, e é por isso que os tribunais sentam do outro lado. E há um terceiro custo. Um alarme de carro que dispara com o vento é uma máquina de falsos positivos que todo mundo aprendeu a ignorar: levante alarmes falsos suficientes e ninguém vem no real. 😎

Quer mais? Um clique aprofunda.

●●●

Analogy

Um detector de fumaça comete os dois erros, e o botão de sensibilidade decide a mistura. Aumente o botão e a torrada queimada o dispara: um falso positivo, um alarme sem incêndio por trás. Diminua o botão e uma brasa lenta no cômodo ao lado nunca o dispara: um falso negativo, um incêndio que o alarme nunca anunciou. Nenhum ajuste elimina os dois. Cada entalhe de distância de um erro é um entalhe rumo ao outro. Os fabricantes ajustam o botão rumo aos falsos positivos de propósito. Uma casa que ouve o alarme ocasional da torrada perde um minuto. Uma casa que dorme durante um incêndio perde tudo.
Deepest level reached.
●●●

Analogy

Um segurança na porta de uma balada está rodando um teste em todo mundo: você tem idade? Barre alguém de 24 porque a foto do documento não parece nada com a pessoa, e isso é um falso positivo: sinalizado como menor, não era. Deixe passar um de 17 com uma identidade falsa boa, e isso é um falso negativo: era menor, não sinalizado. Um segurança que quer zero falsificações lá dentro vai barrar alguns adultos mal-humorados. Um segurança que nunca barra um adulto deixa algumas falsificações passarem. A casa define o rigor pelo que teme mais, uma multa ou um salão vazio — e para qualquer lado que penda, um dos dois erros sobe. 😎
Deepest level reached.

Conceito novo? Um exemplo do dia a dia faz clicar — novas analogias quando quiser.

Explicações de IA podem conter erros · Não é aconselhamento profissional

Definição formal — O mesmo termo, explicado da forma habitual

Um falso positivo (erro Tipo I) ocorre quando um teste ou procedimento de hipótese indica a presença de uma condição ou efeito que de fato está ausente; no teste de hipótese nula é a rejeição de uma hipótese nula verdadeira, e a sua taxa de longo prazo é o nível de significância (α). Um falso negativo (erro Tipo II) ocorre quando o procedimento deixa de indicar uma condição ou efeito presente; é a retenção de uma hipótese nula falsa, com taxa β, e 1 − β é o poder estatístico do teste. Para um teste e uma amostra fixos, reduzir uma taxa de erro aumenta a outra, de modo que o limiar de decisão é escolhido conforme o custo relativo de cada erro no contexto.

Quer que o Clicked explique termos como «false positives» direto no seu navegador, até em PDFs?

Adicionar ao Chrome — Grátis

50 explicações grátis · Sem cartão de crédito