Tôi có các giá trị cho True Positive (TP)và False Negative (FN)như sau:
TP = 0.25
FN = 0.75
Từ những giá trị đó, chúng ta có thể tính toán False Positive (FP)và True Negative (TN)?
Tôi có các giá trị cho True Positive (TP)và False Negative (FN)như sau:
TP = 0.25
FN = 0.75
Từ những giá trị đó, chúng ta có thể tính toán False Positive (FP)và True Negative (TN)?
Câu trả lời:
Có khá nhiều nhầm lẫn về thuật ngữ trong lĩnh vực này. Cá nhân, tôi luôn thấy hữu ích khi quay lại ma trận nhầm lẫn để suy nghĩ về điều này. Trong bài kiểm tra phân loại / sàng lọc, bạn có thể có bốn tình huống khác nhau:
Condition: A Not A
Test says “A” True positive | False positive
----------------------------------
Test says “Not A” False negative | True negative
Trong bảng này, tiếng Nhật thật sự tích cực, tiếng Anh âm tính, tiếng gõ tích cực và sự thật âm tính là sự kiện (hoặc xác suất của họ). Do đó, những gì bạn có có lẽ là tỷ lệ dương thực sự và tỷ lệ âm tính giả . Sự khác biệt quan trọng bởi vì nó nhấn mạnh rằng cả hai số đều có tử số và mẫu số.
Trường hợp mọi thứ trở nên hơi khó hiểu là bạn có thể tìm thấy một số định nghĩa về tỷ lệ dương sai của Hồi giáo và tỷ lệ âm sai giả định, với các mẫu số khác nhau.
Ví dụ: Wikipedia cung cấp các định nghĩa sau (chúng có vẻ khá chuẩn):
Trong mọi trường hợp, mẫu số là tổng số cột . Điều này cũng đưa ra một gợi ý cho cách giải thích của họ: Tỷ lệ dương thực sự là xác suất mà bài kiểm tra nói có nghĩa là A A khi giá trị thực sự là A (nghĩa là đó là một xác suất có điều kiện, dựa trên A là đúng). Điều này không cho bạn biết khả năng của bạn là chính xác như thế nào khi gọi điện thoại cho A A (tức là xác suất dương tính thật, dựa trên kết quả kiểm tra là một lượt A).
Giả sử tỷ lệ âm tính giả được xác định theo cùng một cách, sau đó chúng tôi có (lưu ý rằng các số của bạn phù hợp với điều này). Tuy nhiên, chúng tôi không thể trực tiếp rút ra tỷ lệ dương tính giả từ tỷ lệ âm tính thật hoặc giả vì chúng không cung cấp thông tin về tính đặc hiệu, nghĩa là cách kiểm tra hành xử khi không phải là câu trả lời đúng. Do đó, câu trả lời cho câu hỏi của bạn sẽ là không, vì không thể có được vì bạn không có thông tin về cột bên phải của ma trận nhầm lẫn.
Tuy nhiên, có những định nghĩa khác trong tài liệu. Ví dụ: Fleiss ( Phương pháp thống kê tỷ lệ và tỷ lệ ) cung cấp các thông tin sau:
(Ông cũng thừa nhận các định nghĩa trước đây nhưng coi chúng lãng phí về thuật ngữ quý giá, chính xác bởi vì chúng có mối quan hệ đơn giản với độ nhạy và độ đặc hiệu.)
Đề cập đến ma trận nhầm lẫn, có nghĩa là và nên mẫu số là tổng số hàng . Điều quan trọng, theo các định nghĩa này, tỷ lệ âm tính giả và âm tính giả không thể trực tiếp xuất phát từ độ nhạy và độ đặc hiệu của xét nghiệm. Bạn cũng cần biết mức độ phổ biến (nghĩa là tần suất A trong dân số quan tâm).F N R = F N / ( T N + F N )
Fleiss không sử dụng hoặc định nghĩa các cụm từ, tỷ lệ âm tính thực tế, hay tỷ lệ dương thực sự, nhưng nếu chúng tôi cho rằng đó cũng là những xác suất có điều kiện đưa ra một kết quả / phân loại thử nghiệm cụ thể, thì câu trả lời @ guill11aume là câu trả lời đúng.
Trong mọi trường hợp, bạn cần cẩn thận với các định nghĩa vì không có câu trả lời không thể chối cãi cho câu hỏi của bạn.
EDIT: xem câu trả lời của Gaël Laurans, chính xác hơn.
Nếu tỷ lệ dương thực sự của bạn là 0,25 thì có nghĩa là mỗi lần bạn gọi dương, bạn có xác suất 0,75 là sai. Đây là tỷ lệ dương tính giả của bạn. Tương tự, mỗi khi bạn gọi một số âm, bạn có xác suất 0,25 là đúng, đó là tỷ lệ âm thực sự của bạn.
Không có gì nếu điều này có ý nghĩa nếu "tích cực" và "tiêu cực" không có ý nghĩa đối với vấn đề hiện tại. Tôi thấy nhiều vấn đề trong đó "tích cực" và "tiêu cực" là các lựa chọn bắt buộc tùy ý trên một biến số thứ tự hoặc liên tục. FP, TP, Sens, spec chỉ hữu ích cho các hiện tượng tất cả hoặc không có gì.
http://www.statsdirect.com/help/default.htmlm#clinical_epidemiology/screening_test.htmlm
1) True + ve và false -ve make 100% 2) false + ve và true -ve make 100% 3) Không có mối quan hệ nào giữa dương tính thật và dương tính giả.