Różnica między błędami typu I i typu II

2019

Występują przede wszystkim dwa typy błędów, podczas których przeprowadza się testowanie hipotezy, tj. Albo badacz odrzuca H ₀, gdy H ₀ jest prawdziwe, albo przyjmuje H _0, gdy w rzeczywistości H ₀ jest fałszywe. Tak więc pierwszy z nich reprezentuje błąd typu I, a drugi jest wskaźnikiem błędu typu II .

Testowanie hipotezy jest powszechną procedurą; ten badacz używa do udowodnienia ważności, która określa, czy określona hipoteza jest poprawna, czy też nie. Wynik testu jest podstawą do przyjęcia lub odrzucenia hipotezy zerowej (H ₀ ). Hipoteza zerowa jest propozycją; to nie oczekuje żadnej różnicy lub efektu. Alternatywna hipoteza (H ₁ ) jest przesłanką, która oczekuje pewnej różnicy lub efektu.

Istnieją niewielkie i subtelne różnice między błędami typu I i typu II, które omówimy w tym artykule.

Wykres porównania

Podstawa do porównania	Błąd typu I.	Błąd typu II
Znaczenie	Błąd typu I odnosi się do nieakceptowania hipotezy, którą należy przyjąć.	Błąd typu II to akceptacja hipotezy, którą należy odrzucić.
Równoważny	Fałszywy pozytyw	Fałszywy negatyw
Co to jest?	Jest to nieprawidłowe odrzucenie prawdziwej hipotezy zerowej.	Jest to błędna akceptacja fałszywej zerowej hipotezy.
Reprezentuje	Fałszywe uderzenie	Tęsknię
Prawdopodobieństwo popełnienia błędu	Odpowiada poziomowi istotności.	Odpowiada mocy testu.
Wskazany przez	Grecka litera "α"	Grecka litera "β"

Definicja błędu typu I.

W statystyce błąd typu I definiuje się jako błąd występujący, gdy wyniki próbki powodują odrzucenie hipotezy zerowej, pomimo faktu, że jest ona prawdziwa. W prostych słowach błąd polegający na zgodzeniu się na alternatywną hipotezę, kiedy wyniki można przypisać przypadkowi.

Znany również jako błąd alfa, prowadzi badacza do stwierdzenia, że istnieje różnica między dwoma obrzędami, gdy są one identyczne. Prawdopodobieństwo błędu typu I jest równe poziomowi istotności, który badacz określa dla swojego testu. Tutaj poziom istotności odnosi się do szans na popełnienie błędu typu I.

Np. Załóżmy, że na podstawie danych zespół badawczy firmy stwierdził, że ponad 50% wszystkich klientów, takich jak nowa usługa uruchomiona przez firmę, jest w rzeczywistości mniejsza niż 50%.

Definicja błędu typu II

Kiedy na podstawie danych przyjmuje się hipotezę zerową, gdy jest ona faktycznie fałszywa, wówczas ten rodzaj błędu nazywany jest błędem typu II. Powstaje, gdy badacz nie zaprzecza fałszywej hipotezie zerowej. Jest oznaczony grecką literą "beta (β)" i często nazywany błędem beta.

Błąd typu II polega na tym, że naukowiec nie zgodził się na alternatywną hipotezę, chociaż jest to prawda. Potwierdza propozycję; to powinno zostać odrzucone. Naukowiec dochodzi do wniosku, że te dwa observances są identyczne, podczas gdy w rzeczywistości nie są.

Prawdopodobieństwo wystąpienia takiego błędu jest analogiczne do mocy testu. Tutaj moc testu odnosi się do prawdopodobieństwa odrzucenia hipotezy zerowej, która jest fałszywa i musi zostać odrzucona. Wraz ze wzrostem wielkości próby wzrasta również siła testu, co powoduje zmniejszenie ryzyka popełnienia błędu typu II.

Np. Załóżmy, że na podstawie przykładowych wyników zespół badawczy organizacji twierdzi, że mniej niż 50% wszystkich klientów, takich jak nowa usługa rozpoczęta przez firmę, która w rzeczywistości jest większa niż 50%.

Kluczowe różnice między błędem typu I i typu II

Poniższe punkty są istotne pod względem różnic między błędami typu I i typu II:

Błąd typu I jest błędem, który ma miejsce, gdy wynikiem jest odrzucenie hipotezy zerowej, która w rzeczywistości jest prawdziwa. Błąd typu II pojawia się, gdy próbka powoduje akceptację hipotezy zerowej, która w rzeczywistości jest fałszywa.
Błąd typu I lub inaczej znany jako fałszywie pozytywny, w istocie wynik dodatni jest równoważny z odmową hipotezy zerowej. Natomiast błąd typu II jest również znany jako fałszywe negatywy, tj. Wynik ujemny, prowadzi do akceptacji hipotezy zerowej.
Kiedy hipoteza zerowa jest prawdziwa, ale błędnie odrzucona, jest to błąd typu I. W związku z tym, gdy hipoteza zerowa jest fałszywa, ale błędnie przyjęta, jest to błąd typu II.
Błąd typu I ma tendencję do potwierdzania czegoś, co nie jest naprawdę obecne, tj. Jest fałszywym trafieniem. Wręcz przeciwnie, błąd typu II nie udaje się zidentyfikować czegoś, co jest obecne, tj. Jest brakiem.
Prawdopodobieństwo popełnienia błędu typu I jest próbką jako poziomem istotności. Odwrotnie, prawdopodobieństwo popełnienia błędu typu II jest takie samo jak moc testu.
Grecka litera "α" oznacza błąd typu I. W przeciwieństwie do błędu typu II, oznaczonego grecką literą "β".

Możliwe rezultaty

Wniosek

Ogólnie rzecz biorąc, błąd typu I pojawia się, gdy badacz zauważy jakąś różnicę, podczas gdy w rzeczywistości nie ma go wcale, podczas gdy błąd typu II powstaje, gdy badacz nie odkrywa żadnej różnicy, gdy takowa rzeczywiście istnieje. Występowanie dwóch rodzajów błędów jest bardzo powszechne, ponieważ są one częścią procesu testowania. Tych dwóch błędów nie można całkowicie usunąć, ale można je zmniejszyć do pewnego poziomu.