ผลบวกเท็จ ( false positive)คือความผิดพลาดในการจำแนกแบบไบนารีซึ่งผลการทดสอบบ่งชี้ว่ามีภาวะ (เช่น โรค) อยู่โดยไม่ถูกต้อง ทั้งที่โรคนั้นไม่มีอยู่จริง ในขณะที่ ผลลบเท็จ (false negative ) คือความผิดพลาดตรงกันข้าม ซึ่งผลการทดสอบบ่งชี้ว่าไม่มีภาวะ ทั้งที่ภาวะนั้นมีอยู่จริง นี่คือความผิดพลาดสองประเภทในการทดสอบแบบไบนารีซึ่งแตกต่างจากผลลัพธ์ที่ถูกต้องสองประเภท (ก)ผลบวกจริงและผลลบที่แท้จริง ) ในทางการแพทย์เรียกอีกอย่างว่าการวินิจฉัยผลบวกเท็จ(หรือผลลบเท็จ)และในการจำแนกทางสถิติเรียกว่าข้อผิดพลาดผลบวกเท็จ(หรือผลลบเท็จ) ^{[ 1 ]}

ในการทดสอบสมมติฐานทางสถิติแนวคิดที่คล้ายคลึงกันนี้เรียกว่าข้อผิดพลาดประเภทที่ 1 และประเภทที่ 2โดยผลลัพธ์ที่เป็นบวกหมายถึงการปฏิเสธสมมติฐานว่างและผลลัพธ์ที่เป็นลบหมายถึงการไม่ปฏิเสธสมมติฐานว่าง คำศัพท์เหล่านี้มักใช้แทนกันได้ แต่มีความแตกต่างกันในรายละเอียดและการตีความเนื่องจากความแตกต่างระหว่างการทดสอบทางการแพทย์และการทดสอบสมมติฐานทางสถิติ

ความผิดพลาดแบบผลบวกเท็จหรือผลบวกเท็จคือผลลัพธ์ที่บ่งชี้ว่ามีสภาวะบางอย่างเกิดขึ้น ทั้งที่ในความเป็นจริงแล้วไม่มี ตัวอย่างเช่น การทดสอบการตั้งครรภ์ที่ระบุว่าผู้หญิงคนหนึ่งตั้งครรภ์ทั้งที่ไม่ได้ตั้งครรภ์ หรือการตัดสินลงโทษบุคคลผู้บริสุทธิ์

ข้อผิดพลาดผลบวกเท็จเป็นข้อผิดพลาดประเภทที่ 1ซึ่งการทดสอบตรวจสอบเงื่อนไขเดียวและให้ผลการตัดสินใจยืนยัน (บวก) อย่างผิดพลาด อย่างไรก็ตาม สิ่งสำคัญคือต้องแยกแยะระหว่างอัตราข้อผิดพลาดประเภทที่ 1 และความน่าจะเป็นที่ผลลัพธ์ที่เป็นบวกจะเป็นเท็จ ซึ่งอย่างหลังเรียกว่าความเสี่ยงผลบวกเท็จ (ดูความกำกวมในคำจำกัดความของอัตราผลบวกเท็จด้านล่าง ) ^{[ 2 ]}

ผลลบเท็จหรือ ผลการทดสอบ ที่บ่งชี้ผิดพลาดคือผลการทดสอบที่แสดงข้อเท็จจริงผิดพลาดว่าเงื่อนไขนั้นไม่เป็นจริง ตัวอย่างเช่น เมื่อการทดสอบการตั้งครรภ์ระบุว่าผู้หญิงคนนั้นไม่ตั้งครรภ์ แต่ความจริงแล้วเธอตั้งครรภ์ หรือเมื่อบุคคลที่กระทำความผิดถูกตัดสินว่าไม่มีความผิด นี่คือผลลบเท็จ เงื่อนไขที่ว่า "ผู้หญิงคนนั้นตั้งครรภ์" หรือ "บุคคลนั้นมีความผิด" เป็นจริง แต่การทดสอบ (การทดสอบการตั้งครรภ์หรือการพิจารณาคดีในศาล) ไม่สามารถตรวจสอบเงื่อนไขนี้ได้ และตัดสินผิดพลาดว่าบุคคลนั้นไม่ตั้งครรภ์หรือไม่มีความผิด

ข้อผิดพลาดเชิงลบเท็จเป็นข้อผิดพลาดประเภท IIที่เกิดขึ้นในการทดสอบที่ตรวจสอบเงื่อนไขเดียว และผลการทดสอบผิดพลาด กล่าวคือเงื่อนไขนั้นไม่มีอยู่^{[ 3 ]}

อัตราผลบวกเท็จ (FPR) คือสัดส่วนของผลลบทั้งหมดที่ยังคงให้ผลการทดสอบเป็นบวก กล่าวคือความน่าจะเป็นแบบมีเงื่อนไขของผลการทดสอบเป็นบวกเมื่อเหตุการณ์นั้นไม่ได้เกิดขึ้นจริง

อัตราผลบวกเท็จเท่ากับระดับนัยสำคัญความจำเพาะของการทดสอบเท่ากับ1ลบด้วยอัตราผลบวกเท็จ

ในการทดสอบสมมติฐานทางสถิติเศษส่วนนี้จะใช้ตัวอักษรกรีกαและ 1 −  αถูกกำหนดให้เป็นค่าความจำเพาะของการทดสอบ การเพิ่มค่าความจำเพาะของการทดสอบจะลดโอกาสเกิดข้อผิดพลาดประเภทที่ 1 แต่อาจเพิ่มโอกาสเกิดข้อผิดพลาดประเภทที่ 2 (ผลลบเท็จที่ปฏิเสธสมมติฐานทางเลือกเมื่อสมมติฐานนั้นเป็นจริง) ^{[ a ]}

ในทางกลับกันอัตราผลลบเท็จ (FNR) คือสัดส่วนของผลบวกที่ให้ผลการทดสอบเป็นลบ กล่าวคือ ความน่าจะเป็นแบบมีเงื่อนไขของผลการทดสอบเป็นลบ โดยมีเงื่อนไขว่ามีอาการที่ต้องการตรวจหาอยู่

ใน การ ทดสอบ สมมติฐานทางสถิติเศษส่วนนี้จะใช้สัญลักษณ์β " กำลัง " (หรือ " ความไว ") ของการทดสอบจะเท่ากับ 1 −  β

คำว่าอัตราการค้นพบที่ผิดพลาด (FDR) ถูกใช้โดย Colquhoun (2014) ^{[ 4 ]}เพื่อหมายถึงความน่าจะเป็นที่ผลลัพธ์ที่ "มีนัยสำคัญ" เป็นผลบวกเท็จ ต่อมา Colquhoun (2017) ^{[ 2 ]}ได้ใช้คำว่าความเสี่ยงผลบวกเท็จ (FPR) สำหรับปริมาณเดียวกัน เพื่อหลีกเลี่ยงความสับสนกับคำว่า FDR ที่ใช้โดยผู้ที่ทำงานเกี่ยวกับการเปรียบเทียบหลายรายการการแก้ไขสำหรับการเปรียบเทียบหลายรายการมีจุดมุ่งหมายเพื่อแก้ไขอัตราความผิดพลาดประเภทที่ 1 เท่านั้น ดังนั้นผลลัพธ์จึงเป็นค่าp (ที่แก้ไขแล้ว) ดังนั้นจึงมีความเสี่ยงต่อการตีความผิดเช่นเดียวกับค่า pอื่นๆ ความเสี่ยงผลบวกเท็จมักจะสูงกว่า ค่าpเสมอ บ่อยครั้งที่สูงกว่ามาก^{[ 4 ] [ 2 ]}

ความสับสนของแนวคิดทั้งสองนี้ข้อผิดพลาดของเงื่อนไขที่สลับตำแหน่งกัน ได้ก่อให้เกิดความเสียหายมากมาย^{[ 5 ]}เนื่องจากความกำกวมของสัญลักษณ์ในสาขานี้ จึงจำเป็นต้องพิจารณาคำจำกัดความในทุกเอกสาร อันตรายของการพึ่งพา ค่า pได้รับการเน้นย้ำใน Colquhoun (2017) ^{[ 2 ]}โดยชี้ให้เห็นว่าแม้การสังเกตp = 0.001 ก็ไม่จำเป็นต้องเป็นหลักฐานที่แข็งแกร่งต่อต้านสมมติฐานว่าง แม้ว่าอัตราส่วนความน่าจะเป็นที่สนับสนุนสมมติฐานทางเลือกเหนือสมมติฐานว่างจะใกล้เคียงกับ 100 ก็ตาม หากสมมติฐานนั้นไม่น่าเป็นไปได้ โดยมีความน่าจะเป็นก่อนหน้าของผลกระทบที่แท้จริงเป็น 0.1 แม้การสังเกตp = 0.001 ก็จะมีอัตราการเกิดผลบวกเท็จ 8 เปอร์เซ็นต์ ซึ่งจะไม่ถึงระดับ 5 เปอร์เซ็นต์ด้วยซ้ำ ด้วยเหตุนี้ จึงมีการแนะนำ^{[ 2 ] [ 6 ]} ว่าค่า pทุกค่าควรมาพร้อมกับความน่าจะเป็นล่วงหน้าของการมีผลกระทบที่แท้จริงซึ่งจำเป็นต้องสมมติขึ้นเพื่อให้ได้ความเสี่ยงของผลบวกเท็จที่ 5% ตัวอย่างเช่น หากเราสังเกตเห็นp = 0.05 ในการทดลองเดียว เราจะต้องมั่นใจ 87% ว่ามีผลกระทบที่แท้จริงก่อนการทดลองเพื่อให้ได้ความเสี่ยงของผลบวกเท็จที่ 5%

บทความเรื่อง " ลักษณะการทำงานของตัวรับ " กล่าวถึงพารามิเตอร์ในการประมวลผลสัญญาณทางสถิติโดยอิงจากอัตราส่วนของข้อผิดพลาดประเภทต่างๆ

• เด็กชายผู้ร้องตะโกนว่าหมาป่า
• ความเข้าใจผิดเกี่ยวกับอัตราพื้นฐาน
• อัตราส่วนของแบล็กสโตน
• อัตราผลบวกเท็จ
• ค่าการทำนายเชิงบวกและเชิงลบ
• เหตุใดผลการวิจัยที่ตีพิมพ์ส่วนใหญ่จึงเป็นเท็จ