1.假陰性false negative和假陽性false positive
概念理解
當(dāng)你真的沒有的時候，別人卻說你有—假陽性(false positive)，屬于一類錯誤。
當(dāng)你真的有的時候，別人卻說你沒有—假陰性(false negative)，屬于二類錯誤。
下面表格列出了四種情況，另外兩張判斷正確的情況分別是：
你真的有，別人也說你有—真陽性（true positive）
你真的沒有，別人也說你沒有—真陰性(true negative)
所以，我們可以看到true和false其實(shí)是：實(shí)際情況和判斷的是否一致，如果一致的話，就是true；如果不一致的話，就是false；而positive和negative則是針對判斷的情況：如果判斷是“有”、“存在”等肯定意義的情況，則是positive；如果判斷是“沒有”、“不存在”等否定意義的情況，則是negative。
舉個例子
假設(shè)美國只有1%的人有過敏這種病，現(xiàn)在進(jìn)行國民大體檢，當(dāng)檢查一個過敏病人時，他有80%的幾率被檢測出過敏，有20%的幾率檢測不出過敏。當(dāng)檢查一個正常的人的時候，他有10%的幾率被誤診為過敏，有90%的幾率檢測不出過敏。其實(shí)就是下面的這個表：
所以
當(dāng)一個正常人被檢測成“過敏”，這就是假陽性。你沒病卻說你有病。
當(dāng)一個過敏病人被檢測成“不過敏”，這就是假陰性。你有病卻說你沒病。
=========================================================
翠花感覺身體不舒服發(fā)癢，然后她去做了檢測，她被檢測成“過敏”，但是我們已經(jīng)知道了檢測是會出現(xiàn)誤診的。所以，我們想知道，在翠花被檢測出“過敏”之后，她真的是一個過敏病人的概率是多少？
可以通過畫柱狀圖計算
把例子中提到的所有信息整理成一張圖：
最后一列，總的概率0.8%+0.2%+9.9%+89.1%=100%
兩個“有”的概率是0.8%和9.9%，0.8+9.9=10.7%
但只有0.8%是真的有，所以概率是0.8/10.7=7%。
還有一種方法是通過貝葉斯公式計算
等有時間再整理
