Сензитивност и специфичност

Сензитивност и специфичност су статистичке мере учинка бинарног класификационог теста. Овај термин је познат у статистици и под називом класификациона функција:

Сенситивност (такође позната као истински позитивна стопа, опозив, или вероватноћа детекције^[1] у неким пољима) изражава пропорцију позитивних исхода који су корекно идентификовани као такви (е.г., проценат болесника који су коректно идентификовани да су оболели).
Специфичност (такође позната као истински негативна стопа) је мера пропорције негативних исхода који су коректно идентификовани као такви (е.г., проценат здравих људи који су коректно идентификовани као они који нису оболели).

Сензитивност квантификује избегавање лажно негативних, док специфичност чини исто за лажно позитивне. При тестирању, обично постоји компромис између ових мера. На пример, у случају обезбеђења аеродрома, где се тестирају потенцијална угрожавања безбедности, сканери могу да буду подешени тако да се активирају на ставке ниског ризика, као што су каишне копче и кључеви (ниска специфичност), да би се умањио ризик од пропуштања објеката који представљају опасност за авион и путнике (висока сензитивност). Стога се компромис може графички приказати као РОЦ крива. Перфектан предсказивач одређује са 100% сензитивности (е.г., сви болесни су идентификовани као болесни) и 100% специфичности (е.г., ниједна здрава особа није идентификована као болесна); међутим, практично сваки предсказивач производи известан минимални ниво грешака познат као Бајесова стопа грешке.