{"id":5180,"date":"2026-10-14T20:12:43","date_gmt":"2026-10-14T17:12:43","guid":{"rendered":"https:\/\/wpcalc.com\/es\/estadistica\/calculadora-matriz-de-confusion\/"},"modified":"2026-10-14T20:12:43","modified_gmt":"2026-10-14T17:12:43","slug":"calculadora-matriz-de-confusion","status":"publish","type":"post","link":"https:\/\/wpcalc.com\/es\/estadistica\/calculadora-matriz-de-confusion\/","title":{"rendered":"Calculadora de matriz de confusi\u00f3n"},"content":{"rendered":"<section class=\"not-prose calculator-box\" aria-labelledby=\"calculator-title\"><div class=\"flex items-baseline sm:items-center justify-between gap-2 sm:gap-3\"><div class=\"flex flex-col sm:flex-row sm:items-center gap-2\"><span class=\"icon icon-calculator text-primary-700! text-base! dark:text-primary-300!\" aria-hidden=\"true\"><\/span><h2 id=\"calculator-title\" class=\"text-lg font-display font-bold\">Exactitud, precisi\u00f3n, exhaustividad y F1 a partir de una matriz de confusi\u00f3n<\/h2><\/div><div class=\"calcdash-favorite group\">\n  <button type=\"button\" class=\"favorite\" id=\"favorite\" data-favorite-id=\"5180\" data-favorite-title=\"Matriz de confusi\u00f3n\" data-favorite-url=\"https:\/\/wpcalc.com\/es\/estadistica\/calculadora-matriz-de-confusion\/\" data-favorite-excerpt=\"Introduce los cuatro recuentos de una matriz de confusi\u00f3n (TP, FP, FN, TN) y obt\u00e9n al instante exactitud, precisi\u00f3n, exhaustividad, especificidad y puntuaci\u00f3n F1, en proporciones o porcentajes.\" aria-label=\"A\u00f1adir a favoritos\" data-favorite-icon=\"icon icon-wpcalc-bell-curve\">\n    <span class=\"icon icon-shape-star-empty\" aria-hidden=\"true\"><\/span>\n  <\/button>\n  <div class=\"calcdash-favorite__tip\" aria-hidden=\"true\">\n   <span class=\"favorite-tooltip\" id=\"favorite-tooltip\"><\/span>\n  <\/div>\n  <span class=\"sr-only\" role=\"status\" id=\"favorite-status\"><\/span>\n<\/div><\/div><form action=\"https:\/\/wpcalc.com\/es\/estadistica\/calculadora-matriz-de-confusion\/\" method=\"POST\" class=\"calculator\" id=\"calculator-5180\" data-post=\"5180\"><fieldset class=\"fieldset-input is-1\"><legend class=\"sr-only\">Campos de entrada<\/legend><div class=\"is-single field\" id=\"input-1\"><span class=\"font-semibold\">Recuentos de la matriz de confusi\u00f3n<\/span><\/div><div class=\"field has-term\" id=\"input-2\"><label for=\"field-2\">Verdaderos positivos<\/label><div class=\"term\">TP<\/div>  <div class=\"absolute bottom-0 left-16 top-8 w-2 h-0.5 bg-blue-500\"><\/div><input type=\"text\" name=\"verdaderos_positivos\" id=\"field-2\" aria-describedby=\"calc-info-2\" data-number inputmode=\"decimal\" autocomplete=\"off\" spellcheck=\"false\" placeholder=\"e.g. 45\" min=\"0\" value=\"45\"\/><small id=\"calc-info-2\">Casos positivos clasificados correctamente como positivos.<\/small><\/div><div class=\"field has-term\" id=\"input-3\"><label for=\"field-3\">Falsos positivos<\/label><div class=\"term\">FP<\/div>  <div class=\"absolute bottom-0 left-16 top-8 w-2 h-0.5 bg-blue-500\"><\/div><input type=\"text\" name=\"falsos_positivos\" id=\"field-3\" aria-describedby=\"calc-info-3\" data-number inputmode=\"decimal\" autocomplete=\"off\" spellcheck=\"false\" placeholder=\"e.g. 10\" min=\"0\" value=\"10\"\/><small id=\"calc-info-3\">Casos negativos clasificados incorrectamente como positivos (errores de tipo I).<\/small><\/div><div class=\"field has-term\" id=\"input-4\"><label for=\"field-4\">Falsos negativos<\/label><div class=\"term\">FN<\/div>  <div class=\"absolute bottom-0 left-16 top-8 w-2 h-0.5 bg-blue-500\"><\/div><input type=\"text\" name=\"falsos_negativos\" id=\"field-4\" aria-describedby=\"calc-info-4\" data-number inputmode=\"decimal\" autocomplete=\"off\" spellcheck=\"false\" placeholder=\"e.g. 15\" min=\"0\" value=\"15\"\/><small id=\"calc-info-4\">Casos positivos clasificados incorrectamente como negativos (errores de tipo II).<\/small><\/div><div class=\"field has-term\" id=\"input-5\"><label for=\"field-5\">Verdaderos negativos<\/label><div class=\"term\">TN<\/div>  <div class=\"absolute bottom-0 left-16 top-8 w-2 h-0.5 bg-blue-500\"><\/div><input type=\"text\" name=\"verdaderos_negativos\" id=\"field-5\" aria-describedby=\"calc-info-5\" data-number inputmode=\"decimal\" autocomplete=\"off\" spellcheck=\"false\" placeholder=\"e.g. 80\" min=\"0\" value=\"80\"\/><small id=\"calc-info-5\">Casos negativos clasificados correctamente como negativos.<\/small><\/div><div class=\"is-single field\" id=\"input-6\"><span class=\"font-semibold\">Opciones de resultados<\/span><\/div><div class=\"field\" id=\"input-7\"><label for=\"field-7\">Mostrar las m\u00e9tricas como<\/label><div class=\"grid grid-cols-1\"><select id=\"field-7\" name=\"mostrar_las_mtricas_como\"><option value=\"prop\">Proporciones (0\u20131)<\/option><option value=\"pct\" selected>Porcentajes (0\u2013100 %)<\/option><\/select><svg class=\"pointer-events-none col-start-1 row-start-1 mr-2 size-5 self-center justify-self-end text-gray-500 sm:size-4\" viewBox=\"0 0 16 16\" fill=\"currentColor\" aria-hidden=\"true\" data-slot=\"icon\">\n              <path fill-rule=\"evenodd\" d=\"M4.22 6.22a.75.75 0 0 1 1.06 0L8 8.94l2.72-2.72a.75.75 0 1 1 1.06 1.06l-3.25 3.25a.75.75 0 0 1-1.06 0L4.22 7.28a.75.75 0 0 1 0-1.06Z\" clip-rule=\"evenodd\" \/>\n            <\/svg><\/div><\/div><\/fieldset><div class=\"buttons\"><button type=\"submit\" data-text=\"Recalcular\" id=\"calculate-button\" data-post=\"5180\">Calcular<\/button><button type=\"reset\">Restablecer<\/button><\/div><div class=\"field is-checkbox hidden!\" id=\"field-auto-calc\"><input type=\"checkbox\" id=\"auto-calc\"><label for=\"auto-calc\">Calcular autom\u00e1ticamente<\/label><small>Si est\u00e1 activado, el resultado se actualizar\u00e1 autom\u00e1ticamente al cambiar cualquier valor.<\/small><\/div><div class=\"fieldset-result is-hidden\" aria-labelledby=\"result-title\" aria-live=\"polite\" role=\"region\"> <h3 class=\"result-title bg-gradient-to-r from-primary-50 to-gray-50 dark:from-primary-900 dark:to-gray-800\" id=\"result-title\"><span class=\"icon icon-s-pulse\" aria-hidden=\"true\"><\/span> M\u00e9tricas de rendimiento de la clasificaci\u00f3n<\/h3><div class=\"result-box\"><div class=\"field-result\" id=\"output-1\"><span class=\"field-title\"><span>Predicciones totales<\/span><span class=\"result-term\">n<\/span><\/span><span class=\"field-value\" id=\"result-1\"><\/span><button type=\"button\" class=\"copy-result\" data-tooltip=\"Copiar resultado\" aria-label=\"Copiar resultado\"><span class=\"copy-icon icon icon-document-copy\" aria-hidden=\"true\"><\/span><\/button><\/div><div class=\"field-result\" id=\"output-2\"><span class=\"field-title\"><span>Exactitud<\/span><span class=\"result-term\">ACC<\/span><\/span><span class=\"field-value\" id=\"result-2\"><\/span><button type=\"button\" class=\"copy-result\" data-tooltip=\"Copiar resultado\" aria-label=\"Copiar resultado\"><span class=\"copy-icon icon icon-document-copy\" aria-hidden=\"true\"><\/span><\/button><\/div><div class=\"field-result\" id=\"output-3\"><span class=\"field-title\"><span>Precisi\u00f3n (valor predictivo positivo)<\/span><span class=\"result-term\">PPV<\/span><\/span><span class=\"field-value\" id=\"result-3\"><\/span><button type=\"button\" class=\"copy-result\" data-tooltip=\"Copiar resultado\" aria-label=\"Copiar resultado\"><span class=\"copy-icon icon icon-document-copy\" aria-hidden=\"true\"><\/span><\/button><\/div><div class=\"field-result\" id=\"output-4\"><span class=\"field-title\"><span>Exhaustividad (sensibilidad, tasa de verdaderos positivos)<\/span><span class=\"result-term\">TPR<\/span><\/span><span class=\"field-value\" id=\"result-4\"><\/span><button type=\"button\" class=\"copy-result\" data-tooltip=\"Copiar resultado\" aria-label=\"Copiar resultado\"><span class=\"copy-icon icon icon-document-copy\" aria-hidden=\"true\"><\/span><\/button><\/div><div class=\"field-result\" id=\"output-5\"><span class=\"field-title\"><span>Especificidad (tasa de verdaderos negativos)<\/span><span class=\"result-term\">TNR<\/span><\/span><span class=\"field-value\" id=\"result-5\"><\/span><button type=\"button\" class=\"copy-result\" data-tooltip=\"Copiar resultado\" aria-label=\"Copiar resultado\"><span class=\"copy-icon icon icon-document-copy\" aria-hidden=\"true\"><\/span><\/button><\/div><div class=\"field-result\" id=\"output-6\"><span class=\"field-title\"><span>Puntuaci\u00f3n F1<\/span><span class=\"result-term\">F\u2081<\/span><\/span><span class=\"field-value\" id=\"result-6\"><\/span><button type=\"button\" class=\"copy-result\" data-tooltip=\"Copiar resultado\" aria-label=\"Copiar resultado\"><span class=\"copy-icon icon icon-document-copy\" aria-hidden=\"true\"><\/span><\/button><\/div><div class=\"field-result is-column\" id=\"output-7\"><span class=\"field-title\"><span>C\u00f3mo se calculan las m\u00e9tricas y c\u00f3mo interpretarlas<\/span><\/span><span class=\"field-value\" id=\"result-7\"><\/span><button type=\"button\" class=\"copy-result\" data-tooltip=\"Copiar resultado\" aria-label=\"Copiar resultado\"><span class=\"copy-icon icon icon-document-copy\" aria-hidden=\"true\"><\/span><\/button><\/div><\/div><div class=\"result-actions\"><button type=\"button\" class=\"copy-link\"><svg viewBox=\"0 0 20 20\" fill=\"currentColor\" aria-hidden=\"true\"><path d=\"M12.232 4.232a2.5 2.5 0 0 1 3.536 3.536l-1.225 1.224a.75.75 0 0 0 1.061 1.06l1.224-1.224a4 4 0 0 0-5.656-5.656l-3 3a4 4 0 0 0 .225 5.865.75.75 0 0 0 .977-1.138 2.5 2.5 0 0 1-.142-3.667l3-3Z\"\/><path d=\"M11.603 7.963a.75.75 0 0 0-.977 1.138 2.5 2.5 0 0 1 .142 3.667l-3 3a2.5 2.5 0 0 1-3.536-3.536l1.225-1.224a.75.75 0 0 0-1.061-1.06l-1.224 1.224a4 4 0 1 0 5.656 5.656l3-3a4 4 0 0 0-.225-5.865Z\"\/><\/svg><span class=\"copy-link__text\">Copiar enlace a este c\u00e1lculo<\/span><\/button><span class=\"sr-only\" role=\"status\" id=\"copy-link-status\"><\/span><\/div><\/div><a href=\"#respond\" class=\"hidden transition-opacity duration-300 opacity-0 w-50 text-sm justify-center items-center gap-2 px-4 py-2 rounded bg-gray-200 text-gray-700 hover:bg-gray-300\" id=\"leave-comment\"><span class=\"icon icon-comments\" aria-hidden=\"true\"><\/span>Dejar un comentario<\/a><\/form><\/section><section id=\"calc-reactions\" class=\"not-prose hidden my-12 bg-gradient-to-r from-primary-50 to-gray-50 border border-indigo-100 rounded-xl px-6 py-4 shadow-sm\" data-post=\"5180\" aria-live=\"polite\" aria-labelledby=\"calc-reactions-title\"><p id=\"calc-reactions-title\" class=\"text-sm text-gray-500 text-center mb-2\">\u00bfQu\u00e9 te ha parecido este resultado?<\/p><div role=\"group\" aria-labelledby=\"calc-reactions-title\" class=\"grid grid-cols-3 sm:flex sm:flex-row sm:justify-around gap-4 sm:items-center sm:flex-wrap\"><button type=\"button\" aria-pressed=\"false\" class=\"reaction-btn flex flex-col items-center gap-1 text-sm text-gray-700 hover:text-primary-600 cursor-pointer transition-transform hover:scale-105\" data-reaction=\"like\"><span class=\"reaction-count\" data-reaction-count=\"like\">0<\/span><span class=\"reaction text-3xl\" aria-hidden=\"true\">\ud83d\ude00 <\/span><span class=\"reaction-description font-medium\">Me gusta <\/span><\/button><button type=\"button\" aria-pressed=\"false\" class=\"reaction-btn flex flex-col items-center gap-1 text-sm text-gray-700 hover:text-primary-600 cursor-pointer transition-transform hover:scale-105\" data-reaction=\"helpful\"><span class=\"reaction-count\" data-reaction-count=\"helpful\">0<\/span><span class=\"reaction text-3xl\" aria-hidden=\"true\">\ud83d\udca1 <\/span><span class=\"reaction-description font-medium\">\u00datil <\/span><\/button><button type=\"button\" aria-pressed=\"false\" class=\"reaction-btn flex flex-col items-center gap-1 text-sm text-gray-700 hover:text-primary-600 cursor-pointer transition-transform hover:scale-105\" data-reaction=\"confused\"><span class=\"reaction-count\" data-reaction-count=\"confused\">0<\/span><span class=\"reaction text-3xl\" aria-hidden=\"true\">\ud83d\ude15 <\/span><span class=\"reaction-description font-medium\">Confuso <\/span><\/button><button type=\"button\" aria-pressed=\"false\" class=\"reaction-btn flex flex-col items-center gap-1 text-sm text-gray-700 hover:text-primary-600 cursor-pointer transition-transform hover:scale-105\" data-reaction=\"disappointed\"><span class=\"reaction-count\" data-reaction-count=\"disappointed\">0<\/span><span class=\"reaction text-3xl\" aria-hidden=\"true\">\ud83d\ude1e <\/span><span class=\"reaction-description font-medium\">Decepcionado <\/span><\/button><button type=\"button\" aria-pressed=\"false\" class=\"reaction-btn flex flex-col items-center gap-1 text-sm text-gray-700 hover:text-primary-600 cursor-pointer transition-transform hover:scale-105\" data-reaction=\"inaccurate\"><span class=\"reaction-count\" data-reaction-count=\"inaccurate\">0<\/span><span class=\"reaction text-3xl\" aria-hidden=\"true\">\u274c <\/span><span class=\"reaction-description font-medium\">Inexacto <\/span><\/button><\/div><div id=\"reaction-message\" class=\"hidden mt-8 rounded-md border border-primary-100 bg-white\/50 backdrop-blur-sm px-4 py-2 text-sm text-center shadow-sm\"><\/div><\/section><div class=\"calcdash-ad not-prose calcdash-ad--calc_result calcdash-ad--in-article\"><ins class=\"adsbygoogle\" style=\"display:block\" data-ad-client=\"ca-pub-1721569815777345\" data-ad-slot=\"6317458308\" data-ad-layout=\"in-article\" data-ad-format=\"fluid\"><\/ins><script>(adsbygoogle = window.adsbygoogle || []).push({});<\/script><\/div>\n<style id=\"wpcoderpro-inline-1\">.formula-box {\r\n\tborder-bottom: none !important;\r\n}<\/style><section class=\"formula-box\" aria-labelledby=\"formula-title\">\r\n\t<div id=\"formula-title\" class=\"not-prose font-display mb-4\"><span class=\"icon icon-formula\" aria-hidden=\"true\"><\/span><h2>Matriz de confusi\u00f3n<\/h2><\/div>\r\n\t<figure class=\"not-prose formula\">\r\n\t\t<figcaption class=\"formula-title\">F\u00f3rmula<\/figcaption>\r\n\t\t<div class=\"text-base text-gray-800\" id=\"formula\">\n\\[ n = TP + FP + FN + TN \\\\ \\text{Exactitud} = \\frac{TP + TN}{n} \\\\ \\text{Precisi\u00f3n} = \\frac{TP}{TP + FP} \\\\ \\text{Exhaustividad} = \\frac{TP}{TP + FN} \\\\ \\text{Especificidad} = \\frac{TN}{TN + FP} \\\\ F_1 = \\frac{2TP}{2TP + FP + FN} = \\frac{2 \\cdot \\text{Precisi\u00f3n} \\cdot \\text{Exhaustividad}}{\\text{Precisi\u00f3n} + \\text{Exhaustividad}} \\]\n<\/div>\r\n\t<\/figure>\r\n\t<\/p>\n<p><strong>Donde:<\/strong><\/p>\n<ul>\n<li>\\(TP\\) \u2014 verdaderos positivos: casos positivos clasificados correctamente como positivos<\/li>\n<li>\\(FP\\) \u2014 falsos positivos: casos negativos clasificados err\u00f3neamente como positivos (errores de tipo I)<\/li>\n<li>\\(FN\\) \u2014 falsos negativos: casos positivos clasificados err\u00f3neamente como negativos (errores de tipo II)<\/li>\n<li>\\(TN\\) \u2014 verdaderos negativos: casos negativos clasificados correctamente como negativos<\/li>\n<li>\\(n\\) \u2014 n\u00famero total de casos clasificados<\/li>\n<\/ul>\n<p>Las cinco m\u00e9tricas se mueven entre 0 (el peor resultado) y 1 (el resultado perfecto) y resumen aspectos distintos del rendimiento de un clasificador binario. Cuando un denominador es cero, la m\u00e9trica correspondiente queda sin definir y la calculadora muestra \u00ab\u2014\u00bb.<\/p>\n<p>\r\n<\/section>\n<style id=\"wpcoderpro-inline-2\">.calculation-box {\r\n\tborder-bottom: none !important;\r\n}<\/style><section id=\"calculation\" class=\"calculation-box\" aria-labelledby=\"calculation-title\">\r\n\t<div id=\"calculation-title\" class=\"not-prose font-display\"><span class=\"icon icon-unordered-list\" aria-hidden=\"true\"><\/span><h2>Matriz de confusi\u00f3n \u2013 Ejemplo de c\u00e1lculo<\/h2><\/div>\r\n\r\n<\/p>\n<p><strong>Ejemplo:<\/strong> un modelo evalu\u00f3 150 casos. Marc\u00f3 correctamente 45 casos positivos (TP) y dej\u00f3 escapar 15 (FN), mientras que dio por buenos 80 casos negativos (TN) y lanz\u00f3 10 falsas alarmas (FP).<\/p>\n<p>\\[ n = 45 + 10 + 15 + 80 = 150 \\]<\/p>\n<p>\\[ \\text{Exactitud} = \\frac{45 + 80}{150} = 0.8333 \\quad (83.33\\%) \\]<\/p>\n<p>\\[ \\text{Precisi\u00f3n} = \\frac{45}{45 + 10} = 0.8182 \\quad (81.82\\%) \\]<\/p>\n<p>\\[ \\text{Exhaustividad} = \\frac{45}{45 + 15} = 0.75 \\quad (75\\%) \\]<\/p>\n<p>\\[ \\text{Especificidad} = \\frac{80}{80 + 10} = 0.8889 \\quad (88.89\\%) \\]<\/p>\n<p>\\[ F_1 = \\frac{2 \\times 45}{2 \\times 45 + 10 + 15} = \\frac{90}{115} = 0.7826 \\quad (78.26\\%) \\]<\/p>\n<p><strong>Resultado:<\/strong> exactitud 83,33%, precisi\u00f3n 81,82%, exhaustividad 75%, especificidad 88,89% y puntuaci\u00f3n F1 78,26% (con la salida configurada en porcentajes).<\/p>\n<p>\n\r\n<\/section>\n<h2>C\u00f3mo usar la calculadora<\/h2>\n<ol>\n<li>Cuenta cu\u00e1ntos casos caen en cada celda de tu matriz de confusi\u00f3n e introd\u00facelos en <strong>Verdaderos positivos<\/strong>, <strong>Falsos positivos<\/strong>, <strong>Falsos negativos<\/strong> y <strong>Verdaderos negativos<\/strong>. Los cuatro valores deben ser n\u00fameros enteros \\(\\ge 0\\).<\/li>\n<li>Elige <strong>Mostrar m\u00e9tricas como<\/strong>: \u00abProporciones (0\u20131)\u00bb para valores decimales o \u00abPorcentajes (0\u2013100%)\u00bb para valores en porcentaje.<\/li>\n<li>Lee los resultados: <strong>Predicciones totales<\/strong>, <strong>Exactitud<\/strong>, <strong>Precisi\u00f3n (valor predictivo positivo)<\/strong>, <strong>Exhaustividad (sensibilidad, tasa de verdaderos positivos)<\/strong>, <strong>Especificidad (tasa de verdaderos negativos)<\/strong> y <strong>Puntuaci\u00f3n F1<\/strong>, seguidos de un resumen de c\u00f3mo se calcularon las m\u00e9tricas y de c\u00f3mo interpretarlas.<\/li>\n<li>Si una m\u00e9trica aparece como \u00ab\u2014\u00bb, su denominador era cero; por ejemplo, la precisi\u00f3n queda sin definir cuando el modelo nunca predice un caso positivo (\\(TP + FP = 0\\)).<\/li>\n<\/ol>\n<h2>\u00bfQu\u00e9 es una matriz de confusi\u00f3n?<\/h2>\n<p>La matriz de confusi\u00f3n es el informe de evaluaci\u00f3n b\u00e1sico de un clasificador binario. Es una tabla de 2\u00d72 que cruza la clase real de cada caso (positiva o negativa) con la clase que predijo el modelo. Las cuatro celdas \u2014 verdaderos positivos, falsos positivos, falsos negativos y verdaderos negativos \u2014 cubren todos los resultados posibles, de modo que su suma \\(n\\) es el n\u00famero total de casos clasificados. A partir de esos cuatro n\u00fameros se pueden derivar todas las medidas est\u00e1ndar de calidad de la clasificaci\u00f3n.<\/p>\n<p>Cada una de las cinco m\u00e9tricas que se calculan aqu\u00ed responde a una pregunta distinta. La <strong>exactitud<\/strong> pregunta: en conjunto, \u00bfqu\u00e9 fracci\u00f3n de las predicciones fue correcta? La <strong>precisi\u00f3n<\/strong> pregunta: cuando el modelo dice \u00abpositivo\u00bb, \u00bfcon qu\u00e9 frecuencia acierta? Una precisi\u00f3n baja significa muchas falsas alarmas. La <strong>exhaustividad<\/strong> (tambi\u00e9n llamada sensibilidad o tasa de verdaderos positivos) pregunta: de todos los casos que realmente son positivos, \u00bfa cu\u00e1ntos detect\u00f3 el modelo? Una exhaustividad baja significa casos que se escapan. La <strong>especificidad<\/strong> es la exhaustividad de la clase negativa: lo bien que el modelo reconoce los verdaderos negativos. El <strong>F1<\/strong> es la media arm\u00f3nica de precisi\u00f3n y exhaustividad, y equilibra las dos: solo es alto cuando ambas lo son.<\/p>\n<p>\u00bfPor qu\u00e9 no conformarse con la exactitud? Porque enga\u00f1a cuando las clases est\u00e1n desequilibradas. Si solo el 1% de los casos son positivos, un modelo trivial que etiqueta todo como negativo alcanza un 99% de exactitud sin detectar ni un solo positivo. La precisi\u00f3n, la exhaustividad y el F1 se centran en la clase positiva y destapan ese tipo de fallos de inmediato. Qu\u00e9 m\u00e9trica importa m\u00e1s depende del coste de los errores: en el cribado de c\u00e1ncer, un tumor pasado por alto (falso negativo) es mucho peor que una falsa alarma, as\u00ed que se prioriza la exhaustividad; en el filtrado de spam, un correo leg\u00edtimo perdido (falso positivo) puede ser peor, as\u00ed que la precisi\u00f3n pesa m\u00e1s.<\/p>\n<p>En los contextos m\u00e9dicos y epidemiol\u00f3gicos, estos mismos n\u00fameros reciben otros nombres: la exhaustividad es la <em>sensibilidad<\/em>, la precisi\u00f3n es el <em>valor predictivo positivo<\/em> (VPP) y la proporci\u00f3n de positivos reales \\((TP + FN)\/n\\) es la <em>prevalencia<\/em>. Si conoces la sensibilidad, la especificidad y la prevalencia de una prueba, puedes avanzar hasta los valores predictivos con el <a href=\"https:\/\/wpcalc.com\/es\/estadistica\/calculadora-teorema-de-bayes\/\">teorema de Bayes<\/a>.<\/p>\n<h2>Supuestos, limitaciones y consejos pr\u00e1cticos<\/h2>\n<ul>\n<li>La calculadora trata los cuatro recuentos como enteros exactos procedentes de una \u00fanica pasada de clasificaci\u00f3n. Supone que cada caso pertenece exactamente a una celda y que la clase \u00abpositiva\u00bb es la que te interesa detectar.<\/li>\n<li>Todas las m\u00e9tricas se calculan sobre la muestra introducida, de modo que son estimaciones sujetas a error de muestreo. Con recuentos peque\u00f1os (por ejemplo, menos de 30 positivos), informa de un intervalo de confianza \u2014 el intervalo de Wilson es una buena opci\u00f3n para proporciones \u2014 en lugar de un porcentaje suelto.<\/li>\n<li>Las m\u00e9tricas con denominador cero quedan sin definir y se muestran como \u00ab\u2014\u00bb: la precisi\u00f3n cuando no se predijo ning\u00fan positivo, la exhaustividad cuando no hay positivos reales, la especificidad cuando no hay negativos reales, y el F1 cuando tanto la precisi\u00f3n como la exhaustividad son cero.<\/li>\n<li>El F1 pondera por igual la precisi\u00f3n y la exhaustividad. Si una importa m\u00e1s en tu aplicaci\u00f3n, usa en su lugar la puntuaci\u00f3n \\(F_\\beta\\) (por ejemplo, \\(F_2\\) favorece la exhaustividad y \\(F_{0.5}\\) la precisi\u00f3n).<\/li>\n<li>La matriz de confusi\u00f3n no dice nada de <em>por qu\u00e9<\/em> se equivoca el modelo ni de c\u00f3mo se compara con otro modelo sobre los mismos datos. Para comprobar si dos clasificadores (o dos evaluadores) difieren de forma significativa en resultados emparejados, usa la <a href=\"https:\/\/wpcalc.com\/es\/estadistica\/calculadora-prueba-de-mcnemar\/\">prueba de McNemar<\/a>; para proporciones independientes, aplica la <a href=\"https:\/\/wpcalc.com\/en\/statistics\/two-proportion-z-test-calculator\/\">prueba Z de dos proporciones<\/a> o la <a href=\"https:\/\/wpcalc.com\/es\/estadistica\/calculadora-prueba-exacta-de-fisher\/\">prueba exacta de Fisher<\/a>.<\/li>\n<li>Una matriz de confusi\u00f3n exige decisiones categ\u00f3ricas (binarias). Si tu modelo devuelve probabilidades, los recuentos \u2014 y por tanto todas las m\u00e9tricas \u2014 dependen del umbral que elijas para convertir las puntuaciones en etiquetas, as\u00ed que informa siempre del umbral junto con las m\u00e9tricas.<\/li>\n<\/ul>\n","protected":false},"excerpt":{"rendered":"<p>Introduce los cuatro recuentos de una matriz de confusi\u00f3n (TP, FP, FN, TN) y obt\u00e9n al instante exactitud, precisi\u00f3n, exhaustividad, especificidad y puntuaci\u00f3n F1, en proporciones o porcentajes.<\/p>\n","protected":false},"author":3168,"featured_media":0,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[29],"tags":[67],"class_list":["post-5180","post","type-post","status-publish","format-standard","hentry","category-estadistica","tag-estadistica-descriptiva"],"acf":[],"_links":{"self":[{"href":"https:\/\/wpcalc.com\/es\/wp-json\/wp\/v2\/posts\/5180","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/wpcalc.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/wpcalc.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/wpcalc.com\/es\/wp-json\/wp\/v2\/users\/3168"}],"replies":[{"embeddable":true,"href":"https:\/\/wpcalc.com\/es\/wp-json\/wp\/v2\/comments?post=5180"}],"version-history":[{"count":0,"href":"https:\/\/wpcalc.com\/es\/wp-json\/wp\/v2\/posts\/5180\/revisions"}],"wp:attachment":[{"href":"https:\/\/wpcalc.com\/es\/wp-json\/wp\/v2\/media?parent=5180"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/wpcalc.com\/es\/wp-json\/wp\/v2\/categories?post=5180"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/wpcalc.com\/es\/wp-json\/wp\/v2\/tags?post=5180"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}