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
  2. 身体健康,但却被错误诊断为感染者

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:

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) \tiny \mathbf{\frac{TP}{TP+FN}=\frac{9}{9+1}}
健康人员 89人(False Positve, FP) 901人(True Negative, TN)
准确率 \tiny \mathbf{\frac{TP}{TP+FP}=\frac{9}{89+9}}

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
  • 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
  • 准确率表示的是在预测结果中,有多少是真正的阳性
  • 召回率表示的是在所有的阳性样本中,你究竟找回来几个?猜对了多少?

结束!

你可能感兴趣的