Ve statistikách chyba typu II , nazývaná také falešně negativní nebo miss, existuje tehdy, když test nesprávně hlásí, že výsledek nebyl detekován, když byl skutečně přítomen.
Detekční algoritmy všeho druhu často vytvářejí minely. Pokud například radar nezachytí nepřátelské letadlo, když se nepřátelské letadlo nachází v oblasti skenované radarem, je to falešný negativ.
Podíl falešně negativních je podíl pozitivních případů, které byly chybně označeny jako negativní. Je roven 1 minus citlivost testu.
Při testování statistických hypotéz je tomuto zlomku dán symbol β a je definován jako síla testu. Zvýšení citlivosti testu snižuje pravděpodobnost chyb typu II, ale zvyšuje pravděpodobnost chyb typu I (falešná pozitiva, která odmítají nulovou hypotézu, když je pravdivá).
Při vývoji detekčních algoritmů nebo testů musí být zvolena rovnováha mezi riziky falešně negativních a falešně pozitivních výsledků. Obvykle existuje práh, jak blízká shoda s daným vzorkem musí být dosažena, než algoritmus ohlásí shodu. Čím vyšší je tento práh, tím více falešně negativních a méně falešně pozitivních výsledků.
Falešné negativy jsou významným problémem v lékařských testech. V některých případech existují dva nebo více (často mnoho) testů, které by mohly být použity, z nichž jeden je jednodušší a levnější, ale méně přesný než druhý. Například nejjednodušší testy na HIV a hepatitidu v krvi mají významnou míru falešných pozitiv. Tyto testy se používají k vyšetření možných dárců krve, ale dražší a přesnější testy se používají v lékařské praxi, aby se zjistilo, zda je člověk skutečně nakažen těmito nemocemi.
Falešné negativy v lékařských testech poskytují falešné, nesprávné ujištění jak pacientům, tak lékařům, že pacienti jsou bez onemocnění, které je skutečně přítomno. To zase vede k tomu, že se lidem dostává nevhodného pochopení a nedostatku lepších rad a léčby k lepší ochraně jejich zájmů. Běžným příkladem je spoléhání se na srdeční zátěžové testy k odhalení koronární aterosklerózy, i když srdeční zátěžové testy jsou známé tím, že odhalují pouze omezení průtoku krve koronárními tepnami v důsledku pokročilé stenózy.
Falešné negativy vyvolávají vážné a neintuitivní problémy, zejména pokud je hledaný stav běžný. Pokud se test s falešnou negativní mírou pouze 10% použije k testování populace se skutečnou mírou výskytu 70%, mnoho „negativů“ zjištěných testem bude falešně nesprávných. (Viz Bayesova věta níže.)
Falešné negativy jsou také problémem při biometrických skenech, jako jsou skeny sítnice nebo rozpoznávání obličeje, kdy skener nesprávně identifikuje někoho, kdo neodpovídá známé osobě, zatímco ve skutečnosti se jedná o stejnou osobu, jejíž sken byl v systému.
Pravděpodobnost, že pozorovaný negativní výsledek je falešně negativní versus pravdivě negativní, může být vypočítána (a problém falešně negativních prokázán) pomocí Bayesovy věty. Klíčovým konceptem Bayesovy věty je, že skutečná míra falešně pozitivních a falešně negativních není funkcí samotné přesnosti testu, ale také skutečné míry v rámci populace. Mnohdy silnější otázkou jsou skutečné míry stavu v rámci testovaného vzorku.
Falešné negativy a antispam
Termín False negative se používá také v případě, že Spam email není detekován jako takový, ale je spíše klasifikován jako dobrý email. Nízký počet falešných negativů je ukazatelem účinnosti metod filtrování spamu.