模板:Diagnostic testing diagram

		预测条件		来源:
	总体人群 = P + N	预测阳性 (PP)	预测阴性 (PN)	信息度, 博彩信息度 (BM) = TPR + TNR − 1	Prevalence threshold (PT) =[math]\mathsf\tfrac{\sqrt{\text{TPR}\times\text{FPR}}-\text{FPR}}{\text{TPR}-\text{FPR}}[/math]
实际条件	阳性 (P)	True positive (TP), 命中	False negative (FN), type II error, 错失, 低估	True positive rate (TPR), 召回率, 敏感性 (SEN), 检测概率, 命中率, 功效 = TP/P = 1 − FNR	False negative rate (FNR), 错失率 = FN/P = 1 − TPR
	阴性 (N)	False positive (FP), type I error, 虚警, 高估	True negative (TN), 正确拒绝	False positive rate (FPR), 虚警概率, 降雨量 = FP/N = 1 − TNR	True negative rate (TNR), 特异性 (SPC), 选择性 = TN/N = 1 − FPR
	患病率 = P/P + N	阳性预测值 (PPV), 精确度 = TP/PP = 1 − FDR	漏报率 (FOR) = FN/PN = 1 − NPV	阳性似然比 (LR+) = TPR/FPR	阴性似然比 (LR−) = FNR/TNR
	准确度 (ACC) = TP + TN/P + N	假发现率 (FDR) = FP/PP = 1 − PPV	阴性预测值 (NPV) = TN/PN = 1 − FOR	标记度 (MK), deltaP (Δp) = PPV + NPV − 1	诊断比值比 (DOR) = LR+/LR−
	平衡准确度 (BA) = TPR + TNR/2	F1 分数 = 2 PPV × TPR/PPV + TPR = 2 TP/2 TP + FP + FN	Fowlkes–Mallows 指数 (FM) = [math]\scriptstyle\mathsf\sqrt{\text{PPV}\times\text{TPR}}[/math]	马修斯相关系数 (MCC) =[math]\scriptstyle\mathsf\sqrt{\text{TPR}\times\text{TNR}\times\text{PPV}\times\text{NPV}}[/math][math]\scriptstyle-\mathsf\sqrt{\text{FNR}\times\text{FPR}\times\text{FOR}\times\text{FDR}}[/math]	威胁分数 (TS), 关键成功指数 (CSI), Jaccard 指数 = TP/TP + FN + FP