Falsch positiv und falsch Negativ

Es gibt zwei Fehler, die häufig den Kopf schütteln, wenn Sie etwas über Hypothesentests lernen — falsch positive und falsch Negative, die technisch als Typ-I-Fehler bzw.

Anfangs war ich kein großer Fan der Konzepte, ich konnte nicht ergründen, wie sie überhaupt nützlich sein könnten. Im Laufe der Jahre, obwohl, Ich begann eine Veränderung des Herzens zu haben. Je mehr ich diese Fehler verstand und begegnete, desto mehr begannen sie mich zu erregen und zu interessieren. Ihre realen Anwendungen und Anwendungen zu sehen, hat mir geholfen, von einem uninteressierten Schüler zu einem begeisterten Lehrer zu werden.

Kennen Sie die Lehrer, die verzweifelt über ein Thema sprechen, das niemand versteht oder verstehen will? Ja, das bin ich jetzt! Und es ist großartig, Deshalb möchte ich Sie mit diesem Artikel auf mein aufregendes Niveau bringen, indem ich Ihnen zeige, wie diese beiden Fehler praktische Auswirkungen in verschiedenen und interessanten realen Umgebungen haben. Dann hoffentlich, nachdem Sie es gelesen haben, werden Sie jucken, um Ihren Lieben alles über falsch positive und falsch Negative zu erzählen. Glück sie!

Exclaimer: Dieser Artikel soll Ihnen nicht beibringen, wie Sie zwischen den beiden unterscheiden können. Wenn Sie ein Verständnis dafür bekommen möchten, wie das geht, habe ich hier ein Erklärvideo zu diesem Thema gemacht.

Welcher Fehler ist Ihrer Meinung nach schwerwiegender?

Ein falsch positives Ergebnis (Typ I-Fehler) — wenn Sie eine echte Nullhypothese ablehnen — oder ein falsch negatives Ergebnis (Typ II-Fehler) – wenn Sie eine falsche Nullhypothese akzeptieren?

Ich habe an vielen Stellen gelesen, dass die Antwort auf diese Frage lautet: ein falsch positives Ergebnis. Ich glaube nicht, dass dies zu 100% wahr ist.

Der richtige wissenschaftliche Ansatz besteht darin, eine Nullhypothese so zu bilden, dass Sie versuchen, sie abzulehnen, und mir das positive Ergebnis geben. Nehmen wir an, ich möchte sehen, ob dieser bestimmte Artikel besser abschneidet als der Durchschnitt der anderen Artikel, die ich gepostet habe.

In diesem Sinne lautet die Nullhypothese, die ich wählen werde:

„Die Häufigkeit, mit der mein Artikel gelesen wird, ist kleiner oder gleich der Anzahl ähnlicher Artikel, die ich gepostet habe“

Wenn ich die Nullhypothese ablehne, bedeutet dies eines von zwei Dingen.

1. Dieser Artikel schnitt überdurchschnittlich gut ab – Großartig! Da ist mein positives Ergebnis.

2. Ich habe einen Typ-I-Fehler gemacht. Ich lehnte eine Nullhypothese ab, die wahr war. Mein Test zeigte, dass ich überdurchschnittlich gut abgeschnitten habe, aber tatsächlich nicht. Ich habe ein falsches Positiv.

Ja, hier hat mein falsches Positiv ein schlechtes Ergebnis, ich würde unweigerlich denken, dass mein Artikel besser ist als er ist, und von da an schreibe ich alle meine Artikel im gleichen Stil, was letztendlich meinem Blog-Verkehr schadet. Dies wird zweifellos meine Karriere und mein Selbstwertgefühl negativ beeinflussen.

Was ist mit dem falschen Negativ?

Dies würde passieren, wenn dieser Artikel ein Meisterwerk des Blog-Schreibens wäre, aber mein Test zeigt mir, dass er nicht einmal mittelmäßig ist. Natürlich werde ich nicht versuchen, Artikel in diesem Stil in absehbarer Zeit zu schreiben. Ich bin jedoch eine motivierte Person, die aus ihren ‚Fehlern‘ lernt, also probiere stattdessen verschiedene Techniken aus und erstelle möglicherweise noch bessere Schriften.

Dies ist nicht das beste Ergebnis, ich habe vielleicht eine Gelegenheit verpasst, aber das ist in keiner Weise so verheerend wie das falsch positive.

Nun, dies ist ein Fall, in dem die schlimmste Situation das falsch Positive ist, aber eine entscheidende Tatsache ist, dass ich die Nullhypothese auf eine bestimmte Weise angegeben habe. Hätte ich die Null- und Alternativhypothese vertauscht, wären auch die Fehler vertauscht worden.

Lass es mich dir zeigen.

Meine neue Nullhypothese:

„Die Anzahl der Male, die mein Artikel gelesen wird, wird mehr sein als die Anzahl der ähnlichen Artikel, die ich gepostet habe“

In einer falsch positiven Situation würde ich eine Nullhypothese ablehnen, die wahr ist. Der Test würde also zeigen, dass mein Meisterwerk tatsächlich mittelmäßig oder schlechter ist. Erinnerst du dich an diesen Satz? Das war das falsche Negativ aus dem vorherigen Beispiel.

Dies zeigt, dass die beiden Fehler austauschbar sind. Daher dreht sich alles um das Design Ihrer Studie; Sie können Dinge ändern, um das größere Problem zu vermeiden.

Das Positive im… Positiven finden.

Wenn Sie sich für einen Job in der Data Science-Branche bewerben, lautet eine Interviewfrage, die häufig auftaucht:

„Können Sie Beispiele für Situationen nennen, in denen ein falsch positives Ergebnis ein besseres Ergebnis hat als ein falsch negatives?“ (und umgekehrt)

Natürlich könnten Sie das obige Beispiel verwenden, aber einige Akademiker hören nicht besonders gerne die Idee, Hypothesen auszutauschen. Ich wollte nur einen Punkt beweisen, dass nicht alles so schwarz und weiß ist, wenn es um dieses Konzept geht.

Außerdem habe ich viele weitere Beispiele für Sie, die Sie auf Ihren potenziellen Arbeitgeber legen und ihnen zeigen können, dass Sie sich wirklich auskennen. Sie werden sie in kürzester Zeit gewinnen!

Diese Beispiele haben Hypothesen, die aufgrund von Wissenschaft oder Recht nicht umgeschaltet werden können (siehe, nicht so schwarz und weiß). Sie geben uns jedoch Situationen, in denen ein falsches Negativ nicht das Ideal ist. Natürlich sind wir immer noch ein bisschen rebellisch, aber innerhalb von Wissenschaft und Recht, also, wer kann uns aufhalten!

Zum Baby oder nicht zum Baby?

Wenn Sie einen Schwangerschaftstest machen, fragen Sie: „Bin ich schwanger?“

Beim Hypothesentest haben Sie jedoch Ihre Nullhypothese:

„Ich bin nicht schwanger“

Wenn Sie die Hypothese ablehnen, erhalten Sie ein ‚+‘ Herzlichen Glückwunsch! Du bist schwanger!

Wenn Sie die Hypothese akzeptieren, erhalten Sie ein ‚-‚ Sorry, beim nächsten Mal mehr Glück!

Die Biologie bestimmt diesen, also keine Umschaltung, fürchte ich. Obwohl Tests Fehlfunktionen können und falsch positive Ergebnisse auftreten; In diesem Fall wäre ein falsch positives Ergebnis das kleine ‚+‘, wenn Sie tatsächlich nicht schwanger sind. Ein falsches Negativ wäre natürlich das ‚–‘, wenn ein kleines Baby in dir wächst.

Dies ist ein gutes Beispiel, da die bessere Situation vollständig von Ihrer Situation abhängt!

Stellen Sie sich vor, jemand hat lange versucht, ein Kind zu bekommen, dann kommt sein Schwangerschaftstest durch ein Wunder positiv zurück. Sie bereiten sich mental darauf vor, ein Baby zu bekommen, und nach einer kurzen Zeit der Ekstase stellen sie auf irgendeine Weise fest, dass sie tatsächlich nicht schwanger sind!

Dies ist ein schreckliches Ergebnis!

Ein falsches Negativ für jemanden, der wirklich kein Kind will, nicht bereit ist und sich mit einem negativen Ergebnis versichert, weiter trinkt und raucht, kann für sie, ihre Familie und ihr Baby unglaublich schädlich sein.

Tauschen Sie jedoch die Situationen dieser Frauen aus, und Sie haben Ergebnisse, die zwar nicht ideal, aber viel besser sind.

Trivia Zeit!

Schwangerschaftstests haben Fortschritte gemacht, um die Wahrscheinlichkeit eines falsch negativen Ergebnisses zu minimieren. Dies verbessert den Test, während es unwahrscheinlich wäre, dass Sie zu einem Arzt gehen würden, um ein negatives Ergebnis zu bestätigen, wäre es sinnvoll, mit einem positiven Ergebnis. Es gibt eine Reihe von medizinischen Gründen, um ein falsch positives Ergebnis zu erhalten, aber falsch negative Ergebnisse treten nur aufgrund einer fehlerhaften Ausführung des Tests auf.

AIDS-Tests

Hier ist ein klareres Beispiel.

Stellen Sie sich einen Patienten vor, der einen HIV-Test macht.

Die Nullhypothese lautet:

„Der Patient hat das HIV-Virus nicht.“

Die Auswirkungen eines falsch positiven Ergebnisses wären für den Patienten zunächst herzzerreißend; sich mit dem Trauma auseinandersetzen zu müssen, sich diesen Nachrichten zu stellen und es Ihrer Familie und Ihren Freunden zu erzählen, ist keine Situation, die Sie sich wünschen würden, aber nach der Behandlung werden die Ärzte herausfinden, dass sie das Virus nicht hat. Auch dies wäre keine besonders angenehme Erfahrung. Aber HIV nicht zu haben, ist letztendlich eine gute Sache.

Andererseits würde ein falsch negatives Ergebnis bedeuten, dass der Patient HIV hat, der Test jedoch ein negatives Ergebnis zeigt. Die Auswirkungen davon sind erschreckend, der Patient würde wichtige Behandlungen verpassen und läuft Gefahr, das Virus auf andere zu übertragen

Ohne großen Zweifel ist das falsch Negative hier das größere Problem. Sowohl für die Person als auch für die Gesellschaft.

Wissenswertes:

Viele Ärzte bezeichnen AIDS-Ergebnisse aufgrund von Fehlalarmen eher als reaktiv als positiv. Bevor ein Patient endgültig als HIV-positiv eingestuft wird, werden eine Reihe von Tests durchgeführt. Es basiert nicht alles auf einer einzigen Blutprobe.

Positiv, bis nachweislich negativ

In vielen Ländern besagt das Gesetz, dass ein Verdächtiger in einem Strafverfahren „Unschuldig ist, bis seine Schuld bewiesen ist“.

Dies kommt vom lateinischen

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

Was übersetzt bedeutet: „Der Beweis liegt bei dem, der behauptet, nicht bei dem, der leugnet; denn wer eine Tatsache leugnet, kann aufgrund der Natur der Dinge keinen Beweis erbringen.“*

Daher lautet die Nullhypothese:

„Der Verdächtige ist unschuldig.“

Ein falsch positives Ergebnis würde also einfach dazu führen, dass eine unschuldige Partei für schuldig befunden wird, während ein falsch negatives Ergebnis ein unschuldiges Urteil für eine schuldige Person hervorrufen würde.

Wenn es an Beweisen mangelt, ist es viel wahrscheinlicher, dass die Nullhypothese akzeptiert wird, als sie abzulehnen. Deshalb, wenn das Gesetz war, dass der Verdächtige „Schuldig ist, bis seine Unschuld bewiesen.“ mit der Hypothese „ist der Verdächtige schuldig.“ Die Annahme der Nullhypothese, wenn sie falsch ist, würde dazu führen, dass viele unschuldige Menschen inhaftiert werden.

Es scheint sich also für viele Menschen gelohnt zu haben, eine unschuldige Person auf die Gefahr hin zu schützen, (möglicherweise) fünf Schuldige frei zu lassen.

Mit dem Gesetz, wie es ist, ist der allgemeine Konsens, dass das falsch positive das größere Problem wäre. Die Idee, eine unschuldige Person hinter Gitter zu bringen, ist beunruhigend, da es nicht einfach ist, zu beweisen, dass sie tatsächlich unschuldig sind, wenn sie einmal verurteilt wurden. Während ein falsches Negativ dazu führen würde, dass ein Schuldiger freikommt, könnte dies dazu führen, dass ein Fall wiedereröffnet wird oder, wenn die Person ein Serientäter ist, er sowieso zu einem späteren Zeitpunkt verurteilt wird.

Wissenswertes:

Bis vor kurzem verwendete Mexiko das System ’schuldig, wenn nicht unschuldig erwiesen‘. Infolgedessen würden Richter die meisten Strafverfahren nicht einmal eröffnen, weil sie befürchten würden, zu viele unschuldige Menschen ins Gefängnis zu stecken. Seit 2008 ist Mexikos Strafjustizsystem auf unschuldig umgestellt worden, es sei denn, seine Schuld wurde bewiesen.

Bei jedem Atemzug, den du nimmst, werde ich dich beobachten.

Alkoholtests sind ein notwendiges Ärgernis. Niemand möchte für einen Atemalkoholtest angehalten werden, aber dann möchte auch niemand von einem betrunkenen Fahrer getötet werden. Schaukeln und Kreisverkehre.

Die Nullhypothese: „Sie sind unter der Alkoholgrenze.“

Einfach genug, ein falsch positives Ergebnis würde zeigen, dass Sie über dem Limit sind, wenn Sie nicht einmal ein alkoholisches Getränk berührt haben. Ein falsches Negativ würde Sie als nüchtern registrieren, wenn Sie betrunken sind, oder zumindest über dem Limit.

Beide Probleme treten aufgrund unterschiedlicher Faktoren auf, die Atemalkoholproben beeinflussen können. Um den Problemen von Fehlalarmen (Verlust Ihrer Lizenz, Geldstrafen oder Gefängnisstrafen) entgegenzuwirken, heißt es im Gesetz, dass man eine Blut- oder Urinprobe vorlegen kann, um ihre Unschuld zu beweisen (falls dies der Fall ist).

In diesem Sinne ist ein falsches Negativ eindeutig das größere Problem. Betrunkenen Fahrern zu erlauben, weiter zu fahren, während sie davon ausgehen, dass sie nüchtern sind, ist offensichtlich gefährlich für sie und andere um sie herum. Während ein paar Stunden des Tages zu verlieren, ist ein kleiner Preis zu zahlen, wenn es hilft, mehr Menschen über die Grenze zu halten, von der Straße.

Wissenswertes:

Die üblichen Alkoholwerte, bei denen Personen als fahruntüchtig gelten, liegen zwischen 0,00% und 0,08%. Die weltweit gebräuchlichsten Benchmarks sind 0,00%, auch als Nulltoleranz bekannt, und 0,05%. Die Grenze ist die höchste auf den Cayman Islands und liegt bei 0,1%. Bevor Sie also nach einer Flasche Jack Daniels auf die Straße gehen, sollten Sie bedenken, dass die örtliche Polizei die Gesetze mit häufigen Kontrollen wirklich durchsetzt.

Der Müll eines Menschen ist der Schatz eines anderen.

Das letzte, worüber ich sprechen möchte, sind SPAM-E-Mails.

Viele Websites sagen Ihnen etwas in der Art von: „Bitte überprüfen Sie Ihren SPAM-Ordner. Die E-Mail, die wir Ihnen gerade gesendet haben, kann dort landen.“

E-Mail-Anbieter verwenden zunehmend Data-Mining-Algorithmen, um SPAM von dem zu filtern, was gewünscht wird. Dies ist ein Thema, das einen eigenen Artikel verdient. Wir sprechen jedoch über die Situation, in der E-Mails verlegt werden.

Ich war verblüfft, als ich vor einigen Wochen eine E-Mail an meine Schwester schickte und ihr E-Mail-Anbieter sie als SPAM markierte! Wie können sie es wagen! Die einzige Erklärung, die ich finden konnte, war, dass ich meine persönliche Mailbox benutzte, um die Firmen-E-Mail-Adresse meiner Schwester zu mailen. Der Algorithmus sah also keine Beweise dafür, dass meine E-Mail von meiner Schwester gewünscht würde (vielleicht weiß sie etwas, was ich nicht weiß …). Daher akzeptierte es die Nullhypothese:

„Diese E-Mail ist SPAM.“

Wenn der Algorithmus die Nullhypothese ablehnt, geht die E-Mail durch. Ein falsch positives Ergebnis würde bedeuten, dass Ihr Posteingang die seltsame E-Mail von nigerianischen Prinzen enthält, die Sie heiraten möchten, oder von längst verlorenen Verwandten, die nach Ihren Bankdaten fragen, damit sie Ihnen das große Erbe der Katze der Stieftochter Ihres Cousins Ihrer Urgroßmutter schicken können.

Ein falsches Negativ könnte sehr wohl das größere Problem sein. Möglicherweise verpassen Sie eine Einladung zu einem Vorstellungsgespräch oder die Urlaubsfotos Ihrer Geschwister, nur weil sie in den zahlreichen SPAM—Mengen verloren gehen, die Sie vor dem Löschen halbherzig durchblättern.

Dies liegt jedoch an den persönlichen Vorlieben, einige Leute sind so wütend auf eine Benachrichtigung auf ihrem Telefon, nur um eine sinnlose E-Mail zu sehen, dass ein paar verlegte persönliche E-Mails ein kleiner Preis sind.

Wissenswertes:

Über 95% der Freundschaftsanfragen, die Sie auf Facebook senden, werden akzeptiert, da Sie normalerweise Personen erreichen, die Sie kennen. Dies gilt nicht für SPAM-Konten und dies ist eine der Möglichkeiten, wie Facebook sie erkennt. Vor kurzem haben Bots jedoch eine Strategie eingeführt, bei der sie sich als attraktive Frauen ausgeben und sich auf männliche Benutzer als Opfer konzentrieren. Da männliche Benutzer im Durchschnitt diese Freundeseinladungen annehmen, dauert es viel länger, die Bots zu erkennen.

Dies sind einige häufige Beispiele dafür, wann Sie falsch positive und falsch negative Ergebnisse erzielen können. Wie Sie sehen, hängt der vorzuziehende Fehler wirklich von der Situation selbst, Ihren persönlichen Vorlieben oder der Gestaltung der Studie ab (und Sie können die Hypothese bei Bedarf einfach ändern). Ich hoffe also, dass Sie nicht der allgemeinen Annahme folgen, dass falsch positive Ergebnisse zu größeren Problemen führen, und jetzt besser in der Lage sind, solide Beispiele dafür zu erstellen.

Ich wette, Ihr Interesse an falsch positiven und falsch negativen Ergebnissen ist nach dem Lesen dieses Artikels von 0% auf 100% gestiegen. Wenn Sie etwas Wissenschaft darüber wollen, können Sie unser Video Typ I Fehler vs Typ II Fehler überprüfen.

Einen schönen Tag noch!