Z2.03.1Asymmetric costs of misses and false alarms设计研究
两类错误的代价通常不对称
别名: 误报与漏报 · Type I / Type II error · false positive / false negative
概念解释
任何检测系统犯两类错误：误报（false positive，没有事件却报了）与漏报（false negative，有事件却没报）。同一个阈值下，压低一类必然抬高另一类——这是数学关系，没有两头都低的调法。设计的关键认识是：两类的代价几乎从不对称。安防漏报 = 入侵未被察觉，误报 = 走过去看一眼；烟雾报警漏报 = 火灾，误报 = 吵一场。设计检测功能的第一件事不是调参数，而是回答：哪一类错误更贵。
把「检出率最大化」当目标函数，等于隐式宣布漏报无穷贵、误报免费——两个都站不住。
机制
不对称的三个来源：
- 后果量级不同：漏掉的常是安全与机会（入侵、跌倒、泄漏），误报的多是便利（一次多余的查看）——但也存在反向场景（误报的社交尴尬、深夜吵醒全家）。
- 后果承担者不同：漏报的代价多由用户承担，误报的代价常由系统形象承担（「这东西老乱响」）——产品决策因此系统性偏向压误报，即使用户利益方向相反。
- 可修复性不同：误报当场可澄清（「没事，误触」），漏报的事错过就错过，事后无从补救——时间不可逆把漏报的单次代价放大。
用户适应会放大初始的不对称：重复误报训练用户忽略告警——狼来了效应，护理与航空领域的警报疲劳（alarm fatigue）文献充分记录了这个过程。此时名义上的检测系统实际保护力趋零：阈值压误报压过头，最终买到的是系统性漏报。
怎么研究
- 信号检测论：把检测性能拆为敏感度（d′，真本事）与反应偏向（β/准则，工作点选择）两个独立参数——标准框架（Green 与 Swets 的经典工作奠定）。它证明了一件对设计最重要的事：阈值调的是 β 不是 d′，抱怨「不准」与抱怨「太敏感」要分开诊断。
- ROC 分析：画出全阈值范围的两类错误率曲线，选工作点前先看曲线形状——曲线下的面积告诉你这个传感器值得调到多细。
- 警报疲劳研究：医疗警报管理文献量化了告警量与响应率的关系（响应率随告警量上升单调下降），为「误报的真实代价包括未来的漏报」提供了证据。
方法论注意点：漏报在自然使用中不可观察（没报的事件用户不知道发生过），实测必须靠注入事件或事后标注；只统计误报的评估会系统性高估系统表现。
边界
- 代价比随场景与时间漂移。 白天误报便宜（人在家），深夜贵（吵醒人）；「平均误报代价」掩盖了这个分布，分时定价的分时阈值才是对的颗粒度。
- 主观抱怨不是代价的无偏估计。 误报被高估——它被体验到、被记住；漏报被低估——它沉默无感。把用户抱怨直接当代价比，会系统性偏向压误报。
- 对「两类都致命」的场景无解可调。 这种系统的问题不在阈值在敏感度——换模态、加融合，ROC 曲线本身要动。
怎么落地
- 为每个检测功能写两行代价说明：「漏报时发生什么 / 误报时发生什么」，各写具体后果，据此定阈值方向——这是产品决策不是调参。
- 监控上线后两类错误的实际比率与用户的告警忽略率，忽略率上升是警报疲劳的前兆。
- 代价随时段变化的场景用分时阈值：深夜偏向不扰民，但安全类（烟火、跌倒）反向——深夜正是漏报最贵的时候。
- 验证办法：分别统计两类错误的事后比率（误报靠用户反馈，漏报靠注入事件回测），与设计时的代价假设比对；两个数都要看，只看误报率等于默认漏报免费。