Jutīgums un specifiskums ir bināra klasifikācijas testa veiktspējas statistiskie rādītāji, ko statistikā dēvē arī par klasifikācijas funkciju. Jutīgums (dažās jomās to sauc arī par patieso pozitīvo rezultātu īpatsvaru vai atsaukšanas rādītāju) mēra to faktisko pozitīvo rezultātu īpatsvaru, kas ir pareizi identificēti kā tādi (piemēram, to slimo cilvēku īpatsvars, kuri ir pareizi identificēti kā slimnieki), un tas ir papildinājums viltus negatīvo rezultātu īpatsvaram. Specifiskums (dažreiz to sauc par patieso negatīvo rādītāju) mēra to negatīvo gadījumu īpatsvaru, kas ir pareizi identificēti kā tādi (piemēram, veselu cilvēku īpatsvars, kuri ir pareizi identificēti kā cilvēki, kuriem nav slimības), un tas papildina viltus pozitīvo rezultātu īpatsvaru. Perfektu prognozētāju varētu raksturot kā 100% jutīgu (piemēram, visi slimie tiek identificēti kā slimie) un 100% specifisku (piemēram, visi veselie netiek identificēti kā slimie); tomēr teorētiski jebkuram prognozētājam būs minimālā kļūdas robeža, ko sauc par Bejas kļūdas koeficientu. Jebkuram testam parasti pastāv kompromiss starp mērījumiem. Piemēram, lidostu drošības apstākļos, kad tiek pārbaudīti potenciālie draudi drošībai, skenerus var iestatīt tā, lai tie iedarbotos uz tādiem zema riska priekšmetiem kā jostu sprādzes un atslēgas (zems specifiskums), lai samazinātu risku, ka tiks palaisti garām priekšmeti, kas rada draudus lidmašīnai un tajā esošajām personām (augsts jutīgums). Šo kompromisu var attēlot grafiski kā uztvērēja darbības raksturlīkni.