Taxa de falsos positivos
5 alarmes falsos entre 100 casos realmente negativos dão uma taxa de falsos positivos de 0,05: 5 falsos positivos divididos por 5 mais 95 verdadeiros negativos. Útil para triagens médicas, filtros de spam ou o eixo horizontal de uma curva ROC. Grátis no seu navegador.
- Grátis
- Funciona no seu navegador
- Sem cadastro
- Seus dados não saem do seu aparelho
Executar grátis
Exemplo resolvido
- Falsos positivos
- 5
- Verdadeiros negativos
- 95
- Negativos da condição
- 100
- Taxa de falsos positivos
- 0,05
A taxa de falsos positivos, também chamada de fall-out ou taxa de erro do tipo I de um classificador binário, é a fração de negativos reais que foram marcados por engano como positivos. Você informa duas contagens não negativas —falsos positivos e verdadeiros negativos— e esta calculadora devolve a taxa em decimal: FPR é igual a FP dividido por FP mais TN. Um FPR de 0.05 significa que cinco por cento dos casos verdadeiramente negativos foram alarmes falsos. Quando as duas contagens são zero não há casos negativos de condição e a taxa fica indefinida, então a chamada falha de forma limpa.
O que a taxa de falsos positivos mede e como as duas contagens se combinam
A taxa de falsos positivos de um classificador binário é a fração de negativos reais que o sistema rotulou por engano como positivos. Na linguagem de uma matriz de confusão dois por dois, esses negativos reais se dividem em duas células: os falsos positivos, os alarmes infundados, e os verdadeiros negativos, os casos que o sistema deixou corretamente em paz.
A soma é o número de casos negativos de condição, e a taxa de falsos positivos é os falsos positivos divididos por essa soma: FPR é igual a FP sobre FP mais TN. A mesma grandeza se chama fall-out nos artigos de recuperação de informação e é um menos a especificidade, porque a especificidade é TN sobre FP mais TN. Um FPR de zero significa que o classificador não disparou nenhum alarme falso entre os negativos conhecidos.
Um FPR de um significa que cada negativo real foi marcado. A definição é só um quociente de duas contagens, então não depende de quantos verdadeiros positivos ou falsos negativos você observou: essas células pertencem à sensibilidade, à precisão e a outras pontuações derivadas. Por isso esta capacidade pede apenas as duas contagens que aparecem no denominador do FPR.
Ela não inventa intervalos de confiança, pontos ROC nem valores p.
Onde a taxa de falsos positivos importa
Scripts de avaliação de aprendizado de máquina precisam de uma calculadora determinística de taxa de falsos positivos que nunca devolva Infinity em silêncio quando um conjunto de reserva não tem negativos reais. Tutoriais médicos e de triagem usam o FPR para explicar o custo de um exame sensível: cada falso positivo é uma pessoa saudável enviada para acompanhamento, e a taxa é essas pessoas divididas por todos os verdadeiramente saudáveis que foram examinados.
Filas de spam, fraude e moderação vigiam esse número porque cada alarme falso consome um turno de revisão humana, e querem o decimal, não uma string de percentual, para traçá-lo ao lado de um orçamento. Validação falha não consome saldo. Mantenha as duas contagens não negativas, recuse uma célula negativa de verdadeiros negativos, e você obtém um FPR reproduzível para lição de casa, CI e relatórios de produção sem levantar uma pilha estatística própria.
Casos de uso
Avaliação de classificadores e notas ROC
Transforme um par de reserva de contagens FP e TN na taxa decimal de falsos positivos usada como eixo x de uma curva ROC.
Triagem e ensino de exames médicos
Mostre a quantas pessoas saudáveis um exame enviaria para acompanhamento ao dividir os falsos positivos por todos os negativos reais.
Lição de casa e correção automática em LMS
Corrija itens de FPR com um oráculo determinístico que rejeita uma contagem negativa de verdadeiros negativos e nunca inventa Infinity.
Perguntas frequentes
O que acontece se a contagem de verdadeiros negativos for negativa?
Uma contagem negativa de verdadeiros negativos não é uma célula válida de uma matriz de confusão, então nenhuma taxa é inventada. Essas falhas não são cobradas.
O resultado é um percentual ou um decimal?
Um decimal no intervalo unitário. Cinco falsos positivos e noventa e cinco verdadeiros negativos devolvem 0.05, não 5. Multiplique por 100 só se precisar de um percentual para exibir.
Qual a relação entre a taxa de falsos positivos e a especificidade?
As duas somam um. A especificidade é a proporção de verdadeiros negativos entre todos os negativos reais, então a taxa de falsos positivos é um menos a especificidade. Uma taxa de 0,05 significa que 95 % dos negativos foram classificados corretamente.
Por que não preciso dos verdadeiros positivos nem dos falsos negativos?
Porque a taxa de falsos positivos só olha os casos realmente negativos. Verdadeiros positivos e falsos negativos pertencem a outras medidas, como sensibilidade e precisão, e não mudam essa taxa.
O que acontece se as duas contagens forem zero?
O cálculo é recusado. Sem falsos positivos e sem verdadeiros negativos não existe nenhum caso realmente negativo, então a taxa fica indefinida em vez de valer zero.
Ferramentas relacionadas
Para desenvolvedores — acesso via API
Tudo nesta página está disponível via API. Esta seção é para equipes que querem integrar a ferramenta aos próprios sistemas; quem não precisa disso pode simplesmente usar a ferramenta acima.
Endpoint
Autenticação por token Bearer. Um único POST coloca a tarefa na fila; o resultado chega por webhook ou link assinado.
Chame do seu código
curl -X POST https://api.kit.forhosting.com/stat/false-positive \
-H "Authorization: Bearer $KIT_KEY" \
-H "Content-Type: application/json" \
-d '{"false_positives":5,"true_negatives":95}'const res = await fetch("https://api.kit.forhosting.com/stat/false-positive", {
method: "POST",
headers: {
"Authorization": `Bearer ${process.env.KIT_KEY}`,
"Content-Type": "application/json"
},
body: JSON.stringify({
"false_positives": 5,
"true_negatives": 95
})
});
const { task_id } = await res.json();import os, requests
res = requests.post(
"https://api.kit.forhosting.com/stat/false-positive",
headers={"Authorization": f"Bearer {os.environ['KIT_KEY']}"},
json={
"false_positives": 5,
"true_negatives": 95
},
)
task_id = res.json()["task_id"]<?php
$res = file_get_contents("https://api.kit.forhosting.com/stat/false-positive", false, stream_context_create([
"http" => [
"method" => "POST",
"header" => "Authorization: Bearer " . getenv("KIT_KEY") . "\r\nContent-Type: application/json",
"content" => '{"false_positives":5,"true_negatives":95}',
],
]));
$task = json_decode($res, true);body := bytes.NewBufferString(`{"false_positives":5,"true_negatives":95}`)
req, _ := http.NewRequest("POST", "https://api.kit.forhosting.com/stat/false-positive", body)
req.Header.Set("Authorization", "Bearer "+os.Getenv("KIT_KEY"))
req.Header.Set("Content-Type", "application/json")
res, _ := http.DefaultClient.Do(req)Exemplo de requisição
{
"false_positives": 5,
"true_negatives": 95
}Exemplo de resposta
{
"task_id": "tsk_a1b2c3d4e5f6a1b2c3d4e5f6",
"type": "stat.false_positive",
"status": "queued",
"_links": {
"result": "/tasks/tsk_…/result"
}
}A API é assíncrona: cada chamada devolve um task_id na hora. Se preferir polling, consulte o status a até 1 requisição por segundo.
Preço
Preço publicado, sem tokens nem créditos escondidos. Tarefa que falha não é cobrada.
Erros
| HTTP | Código | O que significa |
|---|---|---|
401 | unauthorized | Token ausente ou inválido. Confira o header Authorization. |
402 | insufficient_balance | Saldo insuficiente para esta tarefa. Faça uma recarga e tente de novo. |
404 | unknown_type | Esse tipo de tarefa não existe. Confira o campo type no catálogo. |
429 | rate_limited | Muitas requisições em pouco tempo. Espere um instante e tente de novo. |
Notas técnicas
Quando a contagem de verdadeiros negativos é negativa, a tarefa falha com invalid_input em vez de inventar uma taxa a partir de uma contagem impossível. Chamadas API bem-sucedidas custam US$ 0,002; entrada inválida não é cobrada.
O que a taxa de falsos positivos mede e como as duas contagens se combinam
Um FPR de 0.05 significa que cinco em cada cem casos verdadeiramente negativos foram falsos positivos, que é a forma decimal habitual que este endpoint devolve em vez de um percentual. Quando a contagem de verdadeiros negativos é negativa, a aritmética descreveria uma tabela impossível, então a tarefa falha com invalid_input. Quando as duas contagens são zero não há população negativa de condição e o quociente fica indefinido, então a chamada falha em vez de devolver NaN ou Infinity que quebrariam clientes JSON.
Contrato de entrada, forma da resposta e comportamento em caso de erro
As duas contagens devem ser maiores ou iguais a zero. O contrato publicado é explícito: uma contagem negativa de verdadeiros negativos é rejeitada, porque uma célula negativa não é uma contagem e inverteria o sentido da taxa. Uma contagem negativa de falsos positivos é rejeitada pelo mesmo motivo. Validação falha não consome saldo pré-pago. Envie por POST um corpo JSON com dois números finitos obrigatórios: false_positives, o número de negativos reais previstos como positivos, e true_negatives, o número de negativos reais previstos como negativos. Os aliases fp e FP são aceitos no primeiro campo; tn e TN no segundo, para que cadernos e formulários tipados reutilizem os nomes que já têm. Cada campo pode chegar como número JSON ou como string numérica; valores não finitos, campos ausentes, strings vazias e tipos não numéricos falham com invalid_input nomeando o campo. A soma das duas contagens deve ser estritamente maior que zero: uma tabela sem negativos reais deixa o FPR indefinido, e a mensagem de erro deixa isso claro para que corretores e clientes API distingam uma classe negativa vazia de outra entrada incorreta. Em caso de sucesso o corpo repete as duas contagens, devolve condition_negatives como a soma, devolve false_positive_rate como um decimal limpo e inclui uma string de fórmula curta reafirmando FPR igual a FP sobre FP mais TN. Exemplo: cinco falsos positivos e noventa e cinco verdadeiros negativos geram condition_negatives de cem e um false_positive_rate de 0.05. Combine este endpoint com o seu próprio software para curvas ROC ou intervalos de Wilson se precisar de inferência além da estimativa pontual; esta capacidade é de propósito um FPR analítico puro a partir de duas contagens.
Onde uma API de taxa de falsos positivos se justifica
Painéis de produto que já guardam contagens de confusão podem chamar a API a partir de um pipeline e armazenar só a taxa decimal, barata de acompanhar ao longo do tempo.
Perguntas técnicas
Como calcular a taxa de falsos positivos a partir de contagens?
Envie false_positives (FP) e true_negatives (TN). A API devolve false_positive_rate = FP / (FP + TN) como decimal, mais o total de negativos de condição FP + TN.
E se as duas contagens forem zero?
A taxa de falsos positivos fica indefinida quando não há negativos reais (FP + TN = 0). A calculadora devolve invalid_input em vez de Infinity ou NaN.
Quanto custa a calculadora de taxa de falsos positivos?
A ferramenta do navegador é gratuita. Pedidos API usam saldo pré-pago do KIT a US$ 0,002 por chamada bem-sucedida; entrada inválida não é cobrada.