Podczas rozumienia hipotezy dwa błędy mogą być dość mylące. Te dwa błędy to błąd fałszywie ujemny i błąd fałszywie dodatni. Błąd fałszywie ujemny można również określić jako błąd II rodzaju, a błąd fałszywie dodatni jako błąd I rodzaju. Podczas nauki można pomyśleć, że te błędy są bezużyteczne i tylko marnują czas poświęcony na naukę pojęć.

Jednak rozważenie realnych korzyści płynących z tych błędów zmieni Twój sposób myślenia o nich. Odkryjesz, że błędy te są interesujące i ekscytujące.

W wielu przypadkach badacze danych podczas ich zbierania popełniają błędy lub źle interpretują sytuacje. Jeśli nie masz dokładnych danych, Twoje wnioski nie będą prawdziwe. Jeden błąd może sprawić, że prawdziwe wyniki staną się fałszywe. Dlatego tak ważne jest zrozumienie, w jaki sposób precyzyjna interpretacja danych może zapewnić dokładność badań.

Dziś omówimy kwestię wyników fałszywie ujemnych i fałszywie dodatnich oraz ich wpływ na wyniki badań. Wynik można określić jako fałszywie pozytywny, gdy wyniki fałszywe uznamy za prawdziwe. Innymi słowy, jest to fałszywy alarm.

Termin techniczny określający takie fałszywe stwierdzenie to błąd typu I. Błąd typu II odnosi się do sytuacji, w której wynik jest prawdziwy, ale użytkownik uznaje go za fałszywy. Innymi słowy, wynik fałszywie ujemny to brak pewnych ważnych danych lub model nie był w stanie ich rozpoznać. Poniżej szczegółowo omówimy oba te pojęcia:

Fałszywy wynik pozytywny

Fałszywie pozytywny stan hipotezy oznacza, że po przeprowadzeniu testu otrzymujemy pozytywny wynik, ale w rzeczywistości powinien on być negatywny. Oprócz fałszywego wyniku pozytywnego lub fałszywego alarmu, stan ten można również określić mianem błędu fałszywie dodatniego. Ten stan jest powszechny w służbie zdrowia. Termin ten można również stosować w odniesieniu do procesu testowania w innych branżach, np. w testowaniu oprogramowania.

Poniżej podajemy kilka przykładów:

• Otrzymujesz pozytywny wynik testu ciążowego, ale nie jesteś w ciąży.
• Wynik testu prenatalnego na zespół Downa jest pozytywny, ale w rzeczywistości nie masz tego zaburzenia.
• Nie masz raka, ale badania sugerują, że cierpisz na tę chorobę.
• Złośliwe oprogramowanie czasami traktuje nieszkodliwe oprogramowanie jako zagrożenie.

Otrzymanie fałszywie dodatniego wyniku testów medycznych może być kłopotliwe. Dlatego naukowcy konsekwentnie pracują nad ograniczeniem błędów fałszywie dodatnich. W tym celu wdrażają nowe metody identyfikacji przyczyny błędu oraz sposoby na stworzenie bardziej czułego procesu testowania.

Z kolei błąd fałszywie ujemny to pojęcie przeciwne. W tym przypadku wynik jest negatywny, podczas gdy powinien być pozytywny. Na przykład, jeśli jesteś w ciąży, ale Twój test ciążowy daje wynik negatywny.

Fałszywy wynik negatywny

Fałszywie ujemny wynik testu sugeruje, że stan taki jak zaburzenie nie występuje, ale w rzeczywistości tak jest. Na przykład, jeśli kobieta w ciąży wykonała test ciążowy, a wynik wskazuje, że nie jest w ciąży. Fałszywy wynik negatywny może spowodować wiele zamieszania. Jeśli kobieta uzna, że wynik testu ciążowego jest negatywny, nie będzie w stanie się nim zająć. Może to prowadzić do różnych problemów zdrowotnych.

Koncepcję fałszywych wyników negatywnych można również zrozumieć, rozważając obecną sytuację pandemii. Na przykład osoba wykazująca objawy COVID poddała się testowi, a jego wynik był negatywny, mimo że był pozytywny. Ze względu na ten fałszywy wynik testu osoba ta nie odizoluje się i nie rozprzestrzeni wirusa na innych. Dlatego tak ważne jest wykonanie kilku testów i porównanie ich wyników. Mówiąc prościej, błąd typu II lub błąd fałszywie ujemny jest wynikiem niekompletnego testu. Nie jest on dokładny, ponieważ nie występują w nim pewne czynniki wpływające na wynik.

Wnioski

Podsumowując, można powiedzieć, że wynik fałszywie ujemny występuje wtedy, gdy pacjent nie cierpi na żadną chorobę lub schorzenie. Ale wynik testu wskazuje na to, że jest pozytywny. Dzieje się tak, gdy metoda zbierania danych nie jest dokładna.

Ponieważ w teście nie uwzględniono wszystkich czynników wpływających na wynik, rezultat będzie fałszywy. Wyniki fałszywie ujemne mogą mieć wpływ na wiele testów medycznych. Na przykład mogą mieć wpływ na testy ciążowe, testy na boreliozę lub gruźlicę, testy Covid-19 i testy na obecność narkotyków.
Aby zapewnić dokładność systemu testowego, wielu naukowców pracujących z danymi pracuje nad algorytmem, który będzie w stanie wskazać błędy w testach. Będą oni musieli najpierw zidentyfikować faktyczną przyczynę niedokładnego zachowania systemu. Kiedy już to zrobią, będą mogli znaleźć rozwiązanie i sprawić, że proces testowania będzie bardziej efektywny.

Oba te rodzaje błędów testowych, błędy typu I i typu II, są poważne. Błąd fałszywie dodatni lub błąd typu I powstaje w wyniku odrzucenia prawdziwej hipotezy zerowej. Natomiast błąd fałszywie negatywny lub błąd typu II powstaje w wyniku przyjęcia hipotezy zerowej jako fałszywej. Według wielu naukowców zajmujących się danymi fałszywy wynik pozytywny jest stanem krytycznym. My jednak uważamy, że oba te błędy są kłopotliwe i należy się nimi zająć.