Clicked Gallery
Was sind falsch positive und falsch negative Ergebnisse?
Markiert in einem echten Lehrbuchabsatz. Erklärt von Clicked.
Im Satz verwendet
University Course Reader · STEM
The screening programme accepts a high rate of false positives because a false negative means a missed cancer.
Der Leser markierte einen Begriff — im Artikel oder im Paper-PDF. Clicked machte den Statistikbegriff „false positives“ leicht verständlich:
In drei Stufen erklärt
●○○
Overview
Ein falsch positives Ergebnis ist ein Test, der sagt, etwas sei da, obwohl es nicht da ist. Ein falsch negatives Ergebnis ist ein Test, der sagt, nichts sei da, obwohl etwas da ist. Statistiker nennen sie Fehler 1. Art und Fehler 2. Art. Jeder Test, der aus unvollkommenen Belegen entscheidet, macht beide, und die beiden stehen im Tausch zueinander. Stell einen Test so ein, dass er mehr echte Fälle erwischt, und er löst mehr Fehlalarme aus; stell ihn andersherum ein, und er verpasst mehr echte Fälle. Welcher Fehler mehr zählt, hängt davon ab, was jeder kostet.
●●○
Detail
Ein falsch positives Ergebnis ist ein Testergebnis, das Ja sagt, wenn die wahre Antwort Nein ist: Der Alarm geht ohne Feuer los, der Scan zeigt einen Tumor an, der nicht da ist. Ein falsch negatives Ergebnis ist das Umgekehrte: Die Antwort ist Ja, und der Test sagt Nein. In der Statistik sind das Fehler 1. Art und Fehler 2. Art. In der Sprache der Nullhypothese verwirft ein falsch positives Ergebnis eine Null, die wahr war, und ein falsch negatives behält eine, die falsch war. Keines bedeutet, dass der Test schlecht gemacht wurde. Jeder Test, der aus Belegen unterhalb von Gewissheit entscheidet, macht beide, und die nützliche Frage ist, wie oft. Die beiden Fehler ziehen gegeneinander. Jeder Test setzt eine Schwelle, einen Punkt, an dem der Beleg als ausreichend gilt, und diese Schwelle zu verschieben senkt den einen Fehler, indem sie den anderen anhebt. Stell einen Vorsorgetest so ein, dass er alles auch nur leicht Verdächtige meldet, und er erwischt fast jeden echten Fall, um den Preis, dass viele Gesunde zu weiteren Untersuchungen geschickt werden. Stell ihn so ein, dass er nur das Offensichtliche meldet, und er erspart diesen Leuten das, um den Preis, frühe Krankheit zu übersehen. Also wird die Schwelle gesetzt, indem man fragt, was jeder Fehler kostet. Ein übersehener Krebs kostet mehr als eine unnötige Nachuntersuchung, also neigt die Vorsorge zu falsch positiven Ergebnissen. Eine Fehlverurteilung kostet mehr als ein Freispruch, also neigen Strafgerichte in die andere Richtung.
●●●
Analogy
Ein Rauchmelder macht beide Fehler, und sein Empfindlichkeitsregler bestimmt die Mischung. Dreh ihn hoch, und verbrannter Toast löst ihn aus: ein falsch positives Ergebnis, ein Alarm ohne Feuer dahinter. Dreh ihn runter, und ein langsames Schwelen im Nebenzimmer löst ihn nie aus: ein falsch negatives Ergebnis, ein Feuer, das der Melder nie gemeldet hat. Keine Einstellung beseitigt beide. Jede Raste weg von einem Fehler ist eine Raste hin zum anderen. Hersteller stellen den Regler absichtlich Richtung falsch positiv. Ein Haushalt, der gelegentlich den Toast-Alarm hört, verliert eine Minute. Ein Haushalt, der ein Feuer verschläft, verliert alles.
KI-Erklärungen können Fehler enthalten · Keine professionelle Beratung
Gleiche Fakten, anderer Vibe — Slang-Modus 😎
●○○
Overview
Ein falsch positives Ergebnis ist der Test, der „Wolf!“ ruft: Er sagt Ja, und die Antwort war Nein. Ein falsch negatives Ergebnis ist der Test, der einnickt: Er sagt Nein, und die Antwort war Ja. Lehrbücher nennen sie Fehler 1. Art und 2. Art, was passiert, wenn man Statistiker bittet, Dingen Namen zu geben. Jeder Test, der mit Hinweisen arbeitet, macht beide. Treib ihn an, mehr zu erwischen, und er ruft öfter „Wolf!“; treib ihn an, seltener zu rufen, und er nickt öfter ein. Du darfst dir dein Gift aussuchen, und du musst dir eins aussuchen. 😎
●●○
Detail
Ein falsch positives Ergebnis ist der Test, der Ja zu etwas sagt, das nicht da ist; ein falsch negatives ist der Test, der Nein zu etwas sagt, das da ist. Fehler 1. und 2. Art, wenn du klingen willst wie der Freund, der beim Abendessen jeden korrigiert. Beide sind in jeden Test eingebaut, der aus Hinweisen statt aus Gewissheit entscheidet, und das tut jeder Test. Die Frage ist also nie, ob er Fehler macht, sondern welche Art er häufiger macht. Die beiden sitzen auf einer Wippe. Ein Schwangerschaftstest, der so empfindlich ist, dass er nie eine Schwangerschaft verpasst, wird auch bei jemandem anschlagen, der nicht schwanger ist. Mach ihn streng genug, dass er nie fälschlich anschlägt, und er wird jemanden übersehen, der es ist. Es gibt keinen Gratiszug auf der Wippe, also lautet die ehrliche Frage, welche Seite mehr wehtut. Etwas Gefährliches zu übersehen kostet meist mehr als ein Schreck, der sich als harmlos entpuppt. Deshalb werden medizinische Vorsorgetests nervös eingestellt und dann mit einem langsameren, besseren Test bestätigt. Einen Unschuldigen zu verurteilen kostet mehr, als einen Schuldigen laufen zu lassen, und deshalb sitzen Gerichte auf der anderen Seite. Und es gibt einen dritten Preis. Eine Autoalarmanlage, die bei Wind losgeht, ist eine Falsch-positiv-Maschine, die alle zu ignorieren gelernt haben: Löse genug Fehlalarme aus, und niemand kommt zum echten. 😎
●●●
Analogy
Ein Türsteher vor einem Club macht bei jedem einen einzigen Test: Bist du alt genug? Weis jemanden mit 24 ab, weil das Foto auf dem Ausweis ihm überhaupt nicht ähnelt, und das ist ein falsch positives Ergebnis: als minderjährig markiert, war es nicht. Wink einen 17-Jährigen mit einer guten Fälschung durch, und das ist ein falsch negatives Ergebnis: war minderjährig, nicht markiert. Ein Türsteher, der null Fälschungen drinnen will, weist ein paar verärgerte Erwachsene ab. Ein Türsteher, der nie einen Erwachsenen abweist, lässt ein paar Fälschungen durch. Der Club setzt die Strenge danach, wovor er mehr Angst hat, einer Strafe oder einem leeren Raum, und in welche Richtung er auch neigt, einer der beiden Fehler steigt. 😎
KI-Erklärungen können Fehler enthalten · Keine professionelle Beratung
Formale Definition — Derselbe Begriff, wie er sonst erklärt wird
Ein falsch positives Ergebnis (Fehler 1. Art) tritt auf, wenn ein Test oder ein Hypothesenverfahren das Vorliegen eines Zustands oder Effekts anzeigt, der tatsächlich nicht vorliegt; im Nullhypothesentest ist es das Verwerfen einer wahren Nullhypothese, und seine langfristige Rate ist das Signifikanzniveau (α). Ein falsch negatives Ergebnis (Fehler 2. Art) tritt auf, wenn das Verfahren einen vorliegenden Zustand oder Effekt nicht anzeigt; es ist das Beibehalten einer falschen Nullhypothese, mit Rate β, und 1 − β ist die statistische Power des Tests. Bei festem Test und fester Stichprobe erhöht das Senken der einen Fehlerrate die andere, sodass die Entscheidungsschwelle nach den relativen Kosten jedes Fehlers im jeweiligen Kontext gewählt wird.
Soll Clicked Begriffe wie „false positives“ direkt in deinem Browser erklären – auch in PDFs?
Zu Chrome hinzufügen — Kostenlos50 kostenlose Erklärungen · Keine Kreditkarte nötig
Mehr aus der Galerie
Was ist die Nullhypothese?
Die „Hier passiert nichts“-Behauptung, die jede Studie schlagen muss, und warum sie zu schlagen weniger beweist, als du denkst.
Was ist ein p-Wert?
Wie leicht der Zufall ein Ergebnis vortäuschen könnte — und was 0,05 wirklich bedeutet.
Was bedeutet statistisch signifikant?
Es heißt wahrscheinlich kein Zufall. Es heißt nicht groß, nützlich oder wahr.
Was ist die Stichprobengröße?
Wie viele wirklich gemessen wurden, warum kleine Zahlen täuschen und warum große nicht genügen.
Was ist ein Konfidenzintervall?
Die Spanne, die eine Studie um ihr Ergebnis angibt, und warum eine breite heißt, dass es niemand weiß.
Was ist die Effektstärke?
Wie groß ein Unterschied wirklich ist, unabhängig davon, ob er echt ist. Die Zahl, die Nachrichten weglassen.