Contenidos
Que es un falso positivo
Estadísticas de falsos positivos
Un falso positivo es un error de clasificación binaria en el que el resultado de una prueba indica incorrectamente la presencia de una condición (como una enfermedad cuando ésta no está presente), mientras que un falso negativo es el error opuesto, en el que el resultado de la prueba indica incorrectamente la ausencia de una condición cuando ésta está realmente presente. Estos son los dos tipos de errores en una prueba binaria, en contraste con los dos tipos de resultado correcto (un verdadero positivo y un verdadero negativo). También se conocen en medicina como diagnóstico falso positivo (o falso negativo), y en la clasificación estadística como error falso positivo (o falso negativo)[1].
En las pruebas de hipótesis estadísticas, los conceptos análogos se conocen como errores de tipo I y de tipo II, en los que un resultado positivo corresponde a rechazar la hipótesis nula, y un resultado negativo corresponde a no rechazar la hipótesis nula. Los términos suelen utilizarse indistintamente, pero existen diferencias de detalle e interpretación debido a las diferencias entre las pruebas médicas y las pruebas de hipótesis estadísticas.
¿qué significa falso negativo?
Un falso positivo es cuando un archivo es detectado incorrectamente como dañino, normalmente porque su código o comportamiento se asemeja a programas dañinos conocidos. Un Falso Positivo suele ser corregido en una actualización posterior de la base de datos sin que sea necesaria ninguna acción por su parte. Si lo desea, también puede hacerlo:
Detalles Técnicos Los falsos positivos a veces ocurren si un programa o archivo contiene código o comportamiento que es similar a programas dañinos conocidos. Esto es especialmente probable si el programa o archivo utiliza técnicas de compresión o protección, o se propaga utilizando un método de distribución, que son comúnmente utilizados por los programas dañinos.
Prueba de falsos negativos
Los científicos a veces pueden cometer errores o malinterpretar los datos. Un error que pueden cometer los científicos es concluir que algo es verdadero cuando en realidad es falso o concluir que algo es falso cuando en realidad es verdadero. Un falso positivo es cuando un científico determina que algo es verdadero cuando en realidad es falso (también llamado error de tipo I). Un falso positivo es una “falsa alarma”. Un falso negativo es decir que algo es falso cuando en realidad es verdadero (también llamado error de tipo II). Un falso negativo significa que no se ha detectado algo que está ahí; se ha pasado algo por alto.
Por ejemplo, un profesor pone un tarro lleno de caramelos y pide a cada alumno que formule una hipótesis sobre cuántos caramelos hay en el tarro. Juan plantea la hipótesis de que hay 42 caramelos. Juan cuenta el número de caramelos que hay en el tarro. Hay 42 caramelos: ¡John tiene razón! Sin embargo, Juan no se dio cuenta de que accidentalmente se le escaparon algunos caramelos que cayeron al suelo mientras los contaba. En realidad hay 46 caramelos. En este ejemplo, Juan ha cometido el error de un falso positivo. Ha dicho que algo es cierto (que su hipótesis de 42 caramelos en el tarro es correcta) cuando en realidad es falso (en realidad hay 46 caramelos en el tarro). En otras palabras, aceptó su hipótesis cuando en realidad era falsa.
Falsos positivos frente a falsos negativos
La tasa de falsos positivos (FPR) es una medida de la precisión de una prueba: ya sea una prueba de diagnóstico médico, un modelo de aprendizaje automático o cualquier otra cosa. En términos técnicos, la tasa de falsos positivos se define como la probabilidad de rechazar falsamente la hipótesis nula.
Imagine que tiene una prueba de detección de anomalías de algún tipo. Quizá sea una prueba médica que comprueba la presencia o ausencia de una enfermedad; quizá sea un algoritmo de aprendizaje automático basado en la clasificación. En cualquier caso, hay dos posibles verdades en la vida real: o bien lo que se está comprobando es cierto, o no lo es. La persona está enferma, o no lo está; la imagen es un perro, o no lo es. Por ello, también hay dos posibles resultados de la prueba: un resultado positivo (la prueba predice que la persona está enferma o que la imagen es un perro) y un resultado negativo (la prueba predice que la persona no está enferma o que la imagen no es un perro).
La tasa de falsos positivos se calcula como FP/FP+TN, donde FP es el número de falsos positivos y TN es el número de verdaderos negativos (FP+TN es el número total de negativos). Es la probabilidad de que se produzca una falsa alarma: que se dé un resultado positivo cuando el valor verdadero es negativo.
Periodista del GRUPO BNLIMITED N.W. Cubriendo todo tipo de noticias para diariovelez.com en España. Si deseas comunicarme una noticia de última hora, un suceso o alguna información que crees que es relevante, puedes hacerlo en [email protected]
