Tasa de falsos positivos
5 falsas alarmas entre 100 casos realmente negativos dan una tasa de falsos positivos de 0,05: 5 falsos positivos divididos entre 5 más 95 verdaderos negativos. Útil para cribados médicos, filtros de spam o el eje horizontal de una curva ROC. Gratis en su navegador.
- Gratis
- Funciona en su navegador
- Sin registro
- Sus datos no salen de su equipo
Ejecutar — gratis
Ejemplo resuelto
- Falsos positivos
- 5
- Verdaderos negativos
- 95
- Negativos de la condición
- 100
- Tasa de falsos positivos
- 0,05
La tasa de falsos positivos, también llamada fall-out o tasa de error de tipo I de un clasificador binario, es la fracción de negativos reales que se marcaron por error como positivos. Usted introduce dos conteos no negativos —falsos positivos y verdaderos negativos— y esta calculadora devuelve la tasa en decimal: FPR es igual a FP dividido por FP más TN. Un FPR de 0.05 significa que el cinco por ciento de los casos verdaderamente negativos fueron alarmas falsas. Si ambos conteos son cero no hay casos negativos de condición y la tasa no está definida, de modo que la llamada falla de forma limpia.
Qué mide la tasa de falsos positivos y cómo se combinan los dos conteos
La tasa de falsos positivos de un clasificador binario es la fracción de negativos reales que el sistema etiquetó por error como positivos. En el lenguaje de una matriz de confusión de dos por dos, esos negativos reales se parten en dos celdas: los falsos positivos, las alarmas infundadas, y los verdaderos negativos, los casos que el sistema dejó correctamente en paz.
Su suma es el número de casos negativos de condición, y la tasa de falsos positivos es los falsos positivos divididos por esa suma: FPR es igual a FP entre FP más TN. La misma magnitud se llama fall-out en los artículos de recuperación de información y es uno menos la especificidad, porque la especificidad es TN entre FP más TN. Un FPR de cero significa que el clasificador no levantó ninguna alarma falsa entre los negativos conocidos.
Un FPR de uno significa que se marcó cada negativo real. La definición es solo un cociente de dos conteos, así que no depende de cuántos verdaderos positivos o falsos negativos se observaron: esas celdas pertenecen a la sensibilidad, la precisión y otras puntuaciones derivadas. Por eso esta capacidad pide únicamente los dos conteos que aparecen en el denominador del FPR.
No inventa intervalos de confianza, puntos ROC ni valores p.
Dónde importa la tasa de falsos positivos
Los scripts de evaluación de aprendizaje automático necesitan una calculadora determinista de tasa de falsos positivos que nunca devuelva Infinity en silencio cuando un conjunto de reserva no tiene negativos reales. Los tutoriales médicos y de cribado usan el FPR para explicar el coste de una prueba sensible: cada falso positivo es una persona sana enviada a seguimiento, y la tasa es esas personas divididas por todos los verdaderamente sanos que se examinaron.
Las colas de correo no deseado, fraude y moderación vigilan este número porque cada alarma falsa consume un turno de revisión humana, y quieren el decimal, no una cadena de porcentaje, para trazarlo junto a un presupuesto. La validación fallida no consume saldo. Mantenga los dos conteos no negativos, rechace una celda negativa de verdaderos negativos, y obtendrá un FPR reproducible para deberes, CI e informes de producción sin levantar una pila estadística propia.
Qué puede hacer con ella
Evaluación de clasificadores y notas ROC
Convierta un par de reserva de conteos FP y TN en la tasa decimal de falsos positivos que se usa como eje x de una curva ROC.
Cribado y enseñanza de pruebas médicas
Muestre a cuántas personas sanas enviaría una prueba a seguimiento al dividir los falsos positivos entre todos los negativos reales.
Deberes y calificación automática en LMS
Califique ítems de FPR con un oráculo determinista que rechaza un conteo negativo de verdaderos negativos y nunca inventa Infinity.
Preguntas frecuentes
¿Qué ocurre si el conteo de verdaderos negativos es negativo?
Un conteo negativo de verdaderos negativos no es una celda válida de una matriz de confusión, así que no se inventa ninguna tasa. Esos fallos no se facturan.
¿El resultado es un porcentaje o un decimal?
Un decimal en el intervalo unitario. Cinco falsos positivos y noventa y cinco verdaderos negativos devuelven 0.05, no 5. Multiplique por 100 solo si necesita un tanto por ciento para mostrar.
¿Qué relación hay entre la tasa de falsos positivos y la especificidad?
Suman uno. La especificidad es la proporción de verdaderos negativos sobre todos los negativos reales, así que la tasa de falsos positivos es uno menos la especificidad. Una tasa de 0,05 significa que el 95 % de los negativos se clasificó bien.
¿Por qué no hacen falta los verdaderos positivos ni los falsos negativos?
Porque la tasa de falsos positivos solo mira los casos realmente negativos. Los verdaderos positivos y los falsos negativos pertenecen a otras medidas, como la sensibilidad o la precisión, y no cambian esta tasa.
¿Qué ocurre si los dos recuentos son cero?
El cálculo se rechaza. Sin falsos positivos ni verdaderos negativos no hay ningún caso realmente negativo, así que la tasa queda sin definir en lugar de valer cero.
Herramientas relacionadas
Para desarrolladores — acceso por API
Todo lo de esta página está disponible por programación. Esta sección es para equipos que quieren integrarlo en sus sistemas; el resto puede usar la herramienta de arriba sin más.
Endpoint de API
¿Prefiere automatizarlo? Un POST autenticado crea la tarea; el resultado llega por webhook o enlace firmado. La misma capacidad también se ejecuta aquí en la web, por email y desde Telegram — y pronto también desde nuestra app.
Llámela desde su stack
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)Ejemplo de solicitud
{
"false_positives": 5,
"true_negatives": 95
}Ejemplo de respuesta
{
"task_id": "tsk_a1b2c3d4e5f6a1b2c3d4e5f6",
"type": "stat.false_positive",
"status": "queued",
"_links": {
"result": "/tasks/tsk_…/result"
}
}La API es asíncrona: la llamada devuelve un task_id al instante y el resultado llega por webhook. El polling está limitado a 1 req/s por tarea.
Precio
Precio publicado — sin tokens ni créditos inventados. Una tarea fallida no se cobra.
Errores
| HTTP | Código | Significado |
|---|---|---|
401 | unauthorized | API key ausente o inválida. |
402 | insufficient_balance | El saldo no cubre el precio de la tarea. |
404 | unknown_type | El tipo de tarea no existe. |
429 | rate_limited | Demasiadas peticiones. Use el webhook en vez de sondear. |
Notas técnicas
Si el conteo de verdaderos negativos es negativo, la tarea falla con invalid_input en lugar de inventar una tasa a partir de un conteo imposible. Las llamadas API correctas cuestan $0.002; la entrada inválida no se factura.
Qué mide la tasa de falsos positivos y cómo se combinan los dos conteos
Un FPR de 0.05 significa que cinco de cada cien casos verdaderamente negativos fueron falsos positivos, que es la forma decimal habitual que este endpoint devuelve en lugar de un porcentaje. Si el conteo de verdaderos negativos es negativo, la aritmética describiría una tabla imposible, de modo que la tarea falla con invalid_input. Si ambos conteos son cero no hay población negativa de condición y el cociente no está definido, así que la llamada falla en lugar de devolver NaN o Infinity que romperían clientes JSON.
Contrato de entrada, forma de la respuesta y conducta ante errores
Ambos conteos deben ser mayores o iguales que cero. El contrato publicado es explícito: un conteo negativo de verdaderos negativos se rechaza, porque una celda negativa no es un conteo y invertiría el sentido de la tasa. Un conteo negativo de falsos positivos se rechaza por la misma razón. Envíe por POST un cuerpo JSON con dos números finitos obligatorios: false_positives, el número de negativos reales predichos como positivos, y true_negatives, el número de negativos reales predichos como negativos. Se aceptan los alias fp y FP para el primer campo; tn y TN para el segundo, de modo que cuadernos y formularios tipados reutilicen los nombres que ya tienen. Cada campo puede llegar como número JSON o como cadena numérica; valores no finitos, campos ausentes, cadenas vacías y tipos no numéricos fallan con invalid_input nombrando el campo. La suma de los dos conteos debe ser estrictamente mayor que cero: una tabla sin negativos reales deja el FPR indefinido, y el mensaje de error lo indica para que calificadores y clientes API distingan una clase negativa vacía de otra entrada incorrecta. En caso de éxito el cuerpo repite ambos conteos, devuelve condition_negatives como su suma, devuelve false_positive_rate como un decimal limpio e incluye una cadena de fórmula breve que reafirma FPR igual a FP entre FP más TN. Ejemplo: cinco falsos positivos y noventa y cinco verdaderos negativos dan condition_negatives de cien y un false_positive_rate de 0.05. La validación fallida no consume saldo prepago. Combine este endpoint con su propio software para curvas ROC o intervalos de Wilson si necesita inferencia más allá de la estimación puntual; esta capacidad es a propósito un FPR analítico puro a partir de dos conteos.
Dónde aporta valor una API de tasa de falsos positivos
Los tableros de producto que ya guardan conteos de confusión pueden llamar a la API desde un pipeline y almacenar solo la tasa decimal, barata de seguir en el tiempo.
Preguntas técnicas
¿Cómo se calcula la tasa de falsos positivos a partir de conteos?
Envíe false_positives (FP) y true_negatives (TN). La API devuelve false_positive_rate = FP / (FP + TN) como decimal, más el total de negativos de condición FP + TN.
¿Qué ocurre si ambos conteos son cero?
La tasa de falsos positivos no está definida cuando no hay negativos reales (FP + TN = 0). La calculadora devuelve invalid_input en lugar de Infinity o NaN.
¿Cuánto cuesta la calculadora de tasa de falsos positivos?
La herramienta del navegador es gratuita. Las solicitudes API usan saldo prepago de KIT a $0.002 por llamada correcta; la entrada inválida no se factura.