False Positive En False Negative

er zijn twee fouten die vaak hun kop opsteken als u leert over het testen van hypothesen-false positieven en false negatieven, technisch aangeduid als type I fout en type II fout respectievelijk.

in het begin was ik geen grote fan van de concepten, ik kon niet begrijpen hoe ze überhaupt nuttig konden zijn. Door de jaren heen begon ik van gedachten te veranderen. Hoe meer ik begreep en tegenkwam deze fouten hoe meer ze begonnen te prikkelen en interesseren me. Het zien van hun real-world toepassingen en toepassingen hielp me om van een ongeïnteresseerde student naar een enthousiaste leraar.

ken je die leraren die verwoed praten over een onderwerp dat niemand begrijpt of wil begrijpen? Ja, dat ben ik nu! En het is geweldig, dus Ik wil je naar mijn niveau van opwinding brengen met dit artikel door je te laten zien hoe deze twee fouten praktische implicaties hebben in verschillende en interessante real-life instellingen. Dan hopelijk, na het lezen ervan, zul je jeuken om je dierbaren alles te vertellen over valse positieven en valse negatieven. Ze hebben geluk.

Exclaimer: dit artikel is niet hier om u te leren hoe u onderscheid kunt maken tussen de twee. Als je een idee wilt krijgen van hoe je dat moet doen, heb ik hier een video over dit onderwerp gemaakt.

welke fout is volgens u ernstiger?

een fout-positief (type I — fout) — wanneer u een echte nulhypothese afwijst — of een fout-negatief (type II-fout) – wanneer u een fout-nulhypothese accepteert?

ik lees op veel plaatsen dat het antwoord op deze vraag is: een vals positief. Ik geloof niet dat dit 100% waar is.

de juiste wetenschappelijke benadering is om een nulhypothese te vormen op een manier die je doet proberen om het te verwerpen, wat mij het positieve resultaat geeft. Dus, laten we zeggen dat Ik wil zien of dit artikel beter presteert dan het gemiddelde van de andere artikelen die ik heb geplaatst.

met dit in gedachten is de nulhypothese die Ik zal kiezen:

“het aantal keren dat mijn artikel wordt gelezen zal kleiner of gelijk zijn aan het aantal soortgelijke artikelen dat ik heb geplaatst”

als ik de nulhypothese afwijst, betekent dit een van de twee dingen.

1. Dit artikel presteerde bovengemiddeld-geweldig! Daar is mijn positieve uitkomst.

2. Ik heb een type I fout gemaakt. Ik verwierp een nulhypothese die waar was. Mijn test toonde aan dat ik boven het gemiddelde presteerde, maar in feite deed ik dat niet. Ik heb een vals positief.

Ja, hier heeft mijn false positive een slecht resultaat, Ik zou onvermijdelijk denken dat mijn artikel beter is dan het is en vanaf dat moment schrijf ik al mijn artikelen in dezelfde stijl, uiteindelijk schadelijk voor mijn blog verkeer. Dit zal ongetwijfeld mijn carrière en gevoel van eigenwaarde op een negatieve manier beïnvloeden.

hoe zit het met de fout-negatieve?

dit zou gebeuren als, Laten we zeggen dat dit artikel een meesterwerk van blog schrijven was, maar mijn test laat me zien dat het niet eens middelmatig is. Natuurlijk, Ik zal niet proberen om artikelen te schrijven in deze stijl op elk moment snel. Echter, Ik ben een gedreven persoon die leert van zijn’ fouten ‘ dus in plaats daarvan proberen verschillende technieken en potentieel maken nog betere geschriften.

dit is niet het beste resultaat, Ik heb misschien een kans gemist, maar dat is op geen enkele manier zo verwoestend als de vals-positieve.

nu is dit een geval waarin de slechtste situatie de fout-positieve is, maar een cruciaal feit is dat ik de nulhypothese op een specifieke manier heb gesteld. Als ik de nul en alternatieve hypothesen had verwisseld, zouden de fouten ook verwisseld zijn.

laat ik het u tonen.

mijn nieuwe nulhypothese:

“het aantal keren dat mijn artikel wordt gelezen zal groter zijn dan het aantal vergelijkbare artikelen dat ik heb geplaatst”

In een fout-positieve situatie zou ik een nulhypothese afwijzen die Waar is. Dus, de test zou aantonen dat mijn meesterwerk eigenlijk middelmatig of erger is. Herinner je je deze zin? Dat was het valse negatief van het vorige voorbeeld.

hieruit blijkt dat de twee fouten onderling verwisselbaar zijn. Daarom draait het allemaal om het ontwerp van je studie; je kunt dingen veranderen om het grotere probleem te voorkomen.

vinden van de positieve in de … positieve.

wanneer u solliciteert naar een baan in de data science-industrie, is een vraag die vaak opduikt:

“kunt u voorbeelden geven van situaties waarin een vals-positief een betere uitkomst heeft dan een vals-negatief?”(en vice versa)

natuurlijk zou je het bovenstaande voorbeeld kunnen gebruiken, maar sommige academici houden niet van het idee om hypothesen te ruilen. Ik wilde alleen maar een punt bewijzen dat alles niet zo zwart-wit is als het gaat om dit concept.

Plus, Ik heb nog veel meer voorbeelden voor u die u kunt leggen op uw potentiële werkgever en hen laten zien dat u echt weet wat u doet. Je hebt ze zo voor je gewonnen.

deze voorbeelden hebben hypothesen die niet kunnen worden gewijzigd vanwege wetenschap of recht (zie, niet zo zwart-wit). Ze geven ons echter situaties waarin het hebben van een vals negatief niet het ideale is. Natuurlijk zijn we nog steeds een beetje rebels, maar dat doen we binnen de wetenschap en de wet, dus, wie kan ons stoppen!

op baby of niet op baby?

als je een zwangerschapstest doet, vraag je: “ben ik zwanger?”

bij het testen van hypothesen heeft u echter uw nulhypothese:

“ik ben niet zwanger”

het afwijzen van de hypothese geeft u een ‘ + ‘ Gefeliciteerd! Je bent zwanger!

het accepteren van de hypothese geeft je een ‘ – ‘ Sorry, volgende keer meer geluk!

Biologie bepaalt deze, dus geen verandering ben ik bang. Hoewel tests kunnen defect, en valse positieven optreden; in dit geval, een vals positief zou zijn dat weinig ‘ + ‘ als je, in feite niet zwanger. Een vals negatief, natuurlijk, zou de ‘–’ zijn als je een kleine baby in je hebt groeien.

dit is een goed voorbeeld omdat de betere situatie volledig afhankelijk is van uw situatie!

stel je voor dat iemand al een lange tijd een kind probeert te krijgen, dan komt de zwangerschapstest door een wonder positief terug. Ze bereiden zich mentaal voor op het krijgen van een baby en na een korte periode van extase komen ze er op de een of andere manier achter dat ze in feite niet zwanger zijn!

dit is een verschrikkelijke uitkomst!

een vals negatief voor iemand die echt geen kind wil, er niet klaar voor is en wanneer hij zichzelf verzekert met een negatief resultaat, gaat drinken en roken kan ongelooflijk schadelijk zijn voor haar, haar familie en haar baby.

wissel de situatie van deze vrouwen echter om en je hebt resultaten die, hoewel niet ideaal, veel beter zijn.

Trivia tijd!

zwangerschapstesten zijn gevorderd om de kans op vals-negatief te minimaliseren. Dit verbetert de test, want hoewel het onwaarschijnlijk is dat u naar een arts zou gaan om een negatief resultaat te bevestigen, zou het verstandig zijn om met een positief resultaat. Er zijn een aantal medische redenen om een vals-positief te krijgen, maar valse negatieven verschijnen alleen als gevolg van een gebrekkige uitvoering van de test.

AIDS-tests

hier is een duidelijker voorbeeld.

stel je voor dat een patiënt een HIV-test ondergaat.

de nulhypothese is:

” de patiënt heeft het HIV-virus niet.”

de vertakkingen van een vals-positief zouden in het begin hartverscheurend zijn voor de patiënt; om te gaan met het trauma van het onder ogen zien van dit nieuws en het vertellen van uw familie en vrienden is niet een situatie die je zou wensen op iedereen, maar na het gaan voor behandeling, de artsen zullen erachter komen dat ze niet het virus heeft. Nogmaals, dit zou geen bijzonder aangename ervaring zijn. Maar het niet hebben van HIV is uiteindelijk een goede zaak.

aan de andere kant zou een vals-negatief betekenen dat de patiënt HIV heeft, maar de test toont een negatief resultaat. De implicaties hiervan zijn angstaanjagend, de patiënt zou cruciale behandelingen missen en loopt een hoog risico op verspreiding van het virus naar anderen

zonder veel twijfel, de valse negatieve hier is het grotere probleem. Zowel voor de persoon als voor de samenleving.

Trivia:

veel artsen noemen AIDS-resultaten ‘reactief’, in plaats van positief, vanwege false positieven. Voordat van een patiënt definitief wordt gezegd dat hij HIV-positief is, wordt een reeks tests uitgevoerd. Het is niet allemaal gebaseerd op een enkel bloedmonster.

positief, tot negatief bewezen

in veel landen stelt de wet dat een verdachte In een strafzaak: “onschuldig tot het tegendeel bewezen is”is.

dit komt van het Latijnse

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

wat zich vertaalt naar: “het bewijs ligt bij hem die bevestigt, niet bij hem die ontkent; aangezien, door de aard der dingen, Hij die een feit ontkent geen bewijs kan leveren.”*

daarom is de nulhypothese:

” de verdachte is onschuldig.”

dus eenvoudig genoeg, een vals-positief zou resulteren in een onschuldige partij die schuldig wordt bevonden, terwijl een vals-negatief zou leiden tot een onschuldig vonnis voor een schuldige persoon.

als er een gebrek aan bewijs is, is het veel waarschijnlijker dat de nulhypothese wordt aanvaard dan dat deze wordt verworpen. Daarom, als de wet was dat de verdachte ” schuldig is totdat zijn onschuld is bewezen. met de hypothese dat de verdachte schuldig is.”het accepteren van de nulhypothese wanneer vals zou resulteren in veel onschuldige mensen die gevangen worden gezet.

het beschermen van één onschuldige persoon met het risico dat (mogelijk) vijf schuldigen vrijuit gaan, lijkt voor veel mensen de moeite waard.

met de wet zoals die is, is de algemene consensus dat het vals-positieve het grootste probleem zou zijn. Het idee om een onschuldig persoon achter de tralies te zetten is verontrustend, omdat het niet eenvoudig is om te bewijzen dat hij onschuldig is als hij eenmaal veroordeeld is. Terwijl een vals negatief zou resulteren in een schuldige partij vrij te gaan, kan het eindigen met een zaak wordt heropend of, als de persoon is een seriedelinquent, hij zal worden veroordeeld op een later tijdstip toch.

Trivia:

tot voor kort gebruikte Mexico het ‘schuldig tenzij onschuldig bewezen’ – systeem. Als gevolg daarvan zouden rechters niet eens de meeste strafzaken openen, omdat ze bang zouden zijn om te veel onschuldige mensen in de gevangenis te zetten. Sinds 2008 is het Mexicaanse strafrechtsysteem overgestapt op’onschuldig, tenzij het tegendeel bewezen is’.

elke ademhaling die je neemt, zal ik je in de gaten houden.

blaastest is een noodzakelijke overlast. Niemand wil gestopt worden voor een alcoholtest, maar dan wil ook niemand gedood worden door een dronken bestuurder. Schommels en rotondes.

de nulhypothese: “U bevindt zich onder de alcoholgrens.”

nogmaals, simpelweg genoeg, een vals positief zou laten zien dat je over de limiet bent wanneer je niet eens een alcoholische drank hebt aangeraakt. Een vals negatief zou je als nuchter registreren als je dronken bent, of op zijn minst over de limiet.

beide problemen doen zich voor als gevolg van verschillende factoren die alcoholmonsters in de adem kunnen beïnvloeden. Om de problemen van valse positieven (het verliezen van uw vergunning, het ontvangen van boetes of gevangenisstraf) tegen te gaan, stelt de wet dat men een bloed-of urinemonster kan verstrekken om hun onschuld te bewijzen (als ze dat zijn, dat wil zeggen).

met dit in gedachten is een vals-negatief duidelijk het grotere probleem. Het toestaan van dronken bestuurders om te blijven rijden, terwijl ervan uitgaande dat ze nuchter zijn is duidelijk gevaarlijk voor hen en anderen om hen heen. Terwijl het verliezen van een paar uur van uw dag is een kleine prijs te betalen als het helpt om meer mensen over de limiet, van de weg.

Trivia:

vaak alcoholgehalte waarbij mensen als wettelijk gehandicapt worden beschouwd voor het rijden varieert van 0,00% tot 0,08%. De meest voorkomende benchmarks over de hele wereld zijn 0,00%, ook bekend als de zero tolerance, en 0,05%. De limiet is de hoogste in de Kaaimaneilanden, met 0,1%. Dit betekent geen hogere tolerantie voor rijden onder invloed, dus voordat je de weg op gaat na een fles Jack Daniels, houd er rekening mee dat de lokale politie echt de wetten handhaaft met frequente controles.

de rommel van een persoon is de schat van een ander.

het laatste waar ik over wil praten is SPAM e-mails.

veel websites zullen u iets vertellen in de trant van: “please, check your SPAM folder. De e-mail die we je net hebben gestuurd kan daar eindigen.”

e-mailproviders gebruiken steeds vaker dataminingalgoritmen om SPAM te filteren van wat gewenst is. Dit is een onderwerp dat een eigen artikel verdient. We hebben het echter over de situatie waarin e-mails misplaatst raken.

ik was verbijsterd toen ik een paar weken geleden een e-mail stuurde naar mijn zus en haar e-mailprovider markeerde het als SPAM! Hoe durven ze! De enige verklaring die ik kon bedenken was dat ik mijn persoonlijke mailbox gebruikte om het e-mailadres van mijn zus te e-mailen. Dus, het algoritme zag geen bewijs dat mijn e-mail zou worden gewenst door mijn zus (misschien weet het iets wat ik niet…). Daarom accepteerde het de nulhypothese:

” deze e-mail is SPAM.”

als het algoritme de nulhypothese verwerpt, gaat de e-mail door. Een vals positief zou betekenen uw inbox met de oneven e-mail van Nigeriaanse prinsen op zoek naar u trouwen, of lang verloren familieleden vragen om uw bankgegevens, zodat ze u de grote erfenis van uw overgrootmoeder neef ‘ s stiefdochter kat kan sturen.

een fout-negatief zou het grootste probleem kunnen zijn. U kunt missen op een uitnodiging voor een interview of de vakantie snaps van uw broer of zus, alleen maar omdat ze verloren zijn binnen de overvloedige hoeveelheden SPAM — die je half-hartedly skim door voordat verwijderen.

dit is te wijten aan persoonlijke voorkeur echter, sommige mensen zijn zo woedend over een melding die afgaat op hun telefoon, alleen om een zinloze e-mail te zien, dat een paar misplaatste persoonlijke e-mails zijn een kleine prijs te betalen.

Trivia:

meer dan 95% van de vriendschapsverzoeken die u op Facebook verstuurt, worden geaccepteerd, omdat u meestal contact opneemt met mensen die u kent. Dit geldt niet voor SPAMACCOUNTS en dit is een van de manieren waarop Facebook ze detecteert. Echter, onlangs bots aangenomen een strategie waar ze doen alsof ze aantrekkelijk vrouwen en zich richten op mannelijke gebruikers als hun slachtoffers. Omdat mannelijke gebruikers gemiddeld deze vriendenuitnodigingen accepteren, duurt het veel langer om de bots te detecteren.

dit zijn enkele veel voorkomende voorbeelden van wanneer u false positieven en false negatieven kunt hebben. Zoals u kunt zien, hangt de fout die de voorkeur heeft echt af van de situatie zelf, uw persoonlijke voorkeur of hoe de studie is ontworpen (en dat je gewoon de hypothese kunt veranderen indien nodig). Dus, ik hoop dat je niet de algemene veronderstelling dat valse positieven leiden tot grotere problemen te volgen en zijn nu beter uitgerust om solide voorbeelden te produceren om het te back-up.

nu, ik wed dat uw interesse in valse positieven en valse negatieven heeft gekregen van 0% tot 100% na het lezen van dit artikel. Als u wat wetenschap op dat wilt, kunt u onze video type I fout vs type II fout te controleren.

prettige dag!