Falsch positiv
Das Ergebnis eines statistischen Tests ist falsch positiv, wenn fälschlicherweise angezeigt wird, das gesuchte Ergebnis sei gefunden. Jede Art von Algorithmus, der etwas nachweisen soll, hat eine Tendenz solche Fehlalarme zu produzieren. Ein falsch positives Ergebnis wird auch als Fehler 1. Art bezeichnet. Sehr verbreitet ist auch die englische Bezeichnung false positive.
Beispiel
Eine Krankheit hat den Grundanteil 100 von 10000, das heißt im Schnitt sind 100 von 10000 Personen erkrankt. Ein medizinischer Test soll das Vorhandensein der Krankheit feststellen (positives Testergebnis), kommt aber in einem Prozent der Fälle zum falschen Schluss. Diese Situation kann mittels des folgenden Entscheidungsbaums dargestellt werden:
10000
^
/ \
/ \
krank 100 9900 gesund
^ ^
/ \ / \
/ \ / \
99 1 99 9801
+ - + -
Der falsch positive Test ist hier rot hervorgehoben. Es bedeutet, dass durch die Fehlerrate von 1% 99 der 9900 gesunden Testpersonen fälschlicherweise als krank erkannt werden.
Da der Anteil tatsächlich erkrankter Personen nur gering ist, ergibt sich, dass durch den Test 198 von 10 000, als krank bezeichnet werden, aber die Hälfte davon tatsächlich gesund ist. Obwohl der Test also eine Sensitivität von 99% hat, hat die Diagnose krank lediglich eine Sicherheit von 50% (die Relevanz des Tests).
Siehe auch
Beurteilung eines Klassifikators