统计学中的真阳性（TP）,假阴性（FN）,假阳性（FP）,真阴性（TN）怎么理解？

统计学中的真阳性（TP），假阴性（FN），假阳性（FP），真阴

性（TN）怎么理解？

举个例⼦，假如要在⼀个地区进⾏1000⼈的核酸检测，我们站在上帝视⾓，知道这1000⼈中，有10⼈是新冠感染者，占⽐1%。

但实际的检测结果可能存在误差，误差包括两种情况

1. 新冠感染者，被错误诊断为健康

ons

2. ⾝体健康，但却被错误诊断为感染者

对应了两种情况

1. 检测出来阳性，就真的是阳性吗？

2. 检测出来的是阴性，就⼀定没有问题么?哈尔滨铁路局局长

如上两个问题，需要⽤到贝叶斯公式来回答。

检测结果如下：

1. 9名感染者得到了正确的阳性结果(TP,true positive)，1⼈出现假阴性(FN,false negative).

2. 其余990位健康的⼈中，检测除了89为假阳性(FP,false positive).901⼈得到了正确的阴性结果（TN,true negative)

图形化表⽰是这个样⼦的：

月亮为什么是红的

列成表格表⽰如下：

真实情况预测为阳性预测为阴性召回率

阳性患者9⼈(True Positive,TP)1⼈(False Negative,FN)

健康⼈员89⼈(False Positve,

FP)

901⼈(True Negative,

刚果红TN)

准确率

分析流程如下:

根据以上的分析，我们总结如下：

TP、True Positive 真阳性：预测为正，实际也为正FP、False Positive 假阳性：预测为正，实际为负

襄樊市职业技术学院

FN、False Negative 假阴性：预测与负、实际为正

TN、True Negative 真阴性：预测为负、实际也为负样本总数=TP+FN+FP+TN

蓝瘦香菇被抢注

参考资料：结束！

本文发布于:2024-09-23 01:34:28，感谢您对本站的认可！

标签：预测阳性误差检测阴性

留言与评论（共有 0 条评论）