什麼是偽陽性率？
偽陽性率（False Positive Rate，FPR），又稱誤報率（fall-out），用來衡量分類器或診斷測試把實際為陰性的案例「錯誤地」判定為陽性的頻率。它是機器學習、醫學檢驗與統計學中的核心指標，同時也是 ROC 曲線的橫軸。
如何使用這個計算機
請輸入偽陽性數（FP）——也就是被誤判為陽性的陰性案例；以及真陰性數（TN）——也就是被正確辨識出來的陰性案例。計算機會同時以比例與百分比的形式顯示 FPR，並附上對應的特異度（specificity）。
公式解析
偽陽性率的計算方式為：
FPR = ((FP) ÷ (FP + TN))
分母 FP + TN 代表所有實際為陰性的案例總數。由於特異度（即真陰性率）等於 ((TN) ÷ (FP + TN))，因此 FPR 正好是它的互補值：
FPR = 1 - 特異度
FPR 越低，代表這項測試越少出現誤報。
實際範例
假設某項篩檢測試產生了 10 個偽陽性與 90 個真陰性，則
FPR = ((10) ÷ (10 + 90)) = ((10) ÷ (100)) = 0.10
也就是 10%。對應的特異度為 1 - 0.10 = 0.90，即 90%。這代表這項測試能正確排除 90% 的健康者，但對其中 10% 的人發出了錯誤警報。
使用注意事項與精準校對原則（6 大核心守則）
📐 1. 嚴格對齊輸入量綱與單位
輸入各項數值時請務必確認量綱（例如小時、天數、金額、百分比），避免單位不匹配引發推算偏差。
🔒 2. 純前端本機毫秒級隱私保障
所有計算邏輯 100% 在您的終端瀏覽器內完成，資料絕不上傳伺服器，嚴格守護商業與個人隱私。
📊 3. 符合公認學術與產業計算模型
演算法嚴格遵循國際通用數學公式與標準計算模型，經多重情境交叉核對，數值嚴密精確。
📋 4. 一鍵複製與免登入 PDF 匯出
支援一鍵複製推算結果字串至剪貼簿，亦可直接點擊列印按鈕輸出純淨 PDF 工作報表。
🔄 5. 多情景敏感度動態對比
建議針對極端值與多組預期情景分別試算，觀察輸出數據的波動區間，輔助做出更穩健的決策。
🛡️ 6. 專業諮詢與日常參考免責聲明
本工具運算結果供日常排程、學業研習與事前參考之用，如涉及重大法規或投資決策請諮詢持證專家。
常見問題 (FAQ)
偽陽性率多少才算好？
越低越好。理想的 FPR 為 0，代表沒有任何陰性案例被誤判；不過在實務上，測試往往得在 FPR 與靈敏度（sensitivity）之間做取捨。
FPR 和精確率（precision）有什麼不同？
FPR 的分母是「所有實際為陰性」的案例數，而精確率則聚焦在「被預測為陽性」的案例 \(\left( \frac{\text{TP}}{\text{TP} + \text{FP}} \right)\)。
FPR 有可能大於 1 嗎？
不可能。因為 FP 不會超過 FP + TN，所以 FPR 永遠介於 0 到 1 之間（即 0% 到 100%）。