A sensibilidade e a especificidade são medidas estatísticas do desempenho de um teste de classificação binária, também conhecido em estatística como função de classificação. A sensibilidade (também designada por taxa de verdadeiros positivos, ou taxa de rechamada em alguns domínios) mede a proporção de verdadeiros positivos que são corretamente identificados como tal (por exemplo, a percentagem de pessoas doentes que são corretamente identificadas como tendo a doença) e é complementar à taxa de falsos negativos. A especificidade (por vezes designada por taxa de verdadeiros negativos) mede a proporção de negativos que são corretamente identificados como tal (por exemplo, a percentagem de pessoas saudáveis que são corretamente identificadas como não tendo a doença) e é complementar à taxa de falsos positivos. Um preditor perfeito seria descrito como 100% sensível (p. ex., todos os doentes são identificados como doentes) e 100% específico (p. ex., todos os saudáveis não são identificados como doentes); no entanto, teoricamente, qualquer preditor terá um limite mínimo de erro conhecido como taxa de erro de Bayes. Para qualquer teste, existe normalmente um compromisso entre as medidas. Por exemplo, num contexto de segurança aeroportuária, em que se está a testar potenciais ameaças à segurança, os scanners podem ser configurados para disparar sobre objectos de baixo risco, como fivelas de cintos e chaves (baixa especificidade), a fim de reduzir o risco de perder objectos que representem uma ameaça para o avião e para as pessoas a bordo (alta sensibilidade). Este compromisso pode ser representado graficamente como uma curva caraterística de funcionamento do recetor.