Różnica między błędami typu I i typu II
Share
Istnieją przede wszystkim dwa rodzaje błędów, które występują podczas testowania hipotez, tzn. Albo badacz odrzuca H.0, kiedy H0 jest prawdziwe lub akceptuje H0 kiedy w rzeczywistości H0 to fałsz. Tak więc ten pierwszy reprezentuje błąd typu I. a ten ostatni jest wskaźnikiem błąd typu II.
Testowanie hipotezy jest powszechną procedurą; ten badacz używa do udowodnienia ważności, która określa, czy konkretna hipoteza jest poprawna, czy nie. Wynik testu jest podstawą do przyjęcia lub odrzucenia hipotezy zerowej (H0). Hipoteza zerowa jest twierdzeniem; nie oczekuje żadnej różnicy ani efektu. Alternatywna hipoteza (H1) 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.
Treść: Błąd typu I i błąd typu II
- Wykres porównania
- Definicja
- Kluczowe różnice
- Możliwe rezultaty
- Wniosek
Wykres porównania
| Podstawa do porównania | Błąd typu I. | Błąd typu II |
|---|---|---|
| Znaczenie | Błąd typu I odnosi się do nieakceptacji hipotezy, którą należy zaakceptować. | Błąd typu II to akceptacja hipotezy, którą należy odrzucić. |
| Równoważny | Fałszywie pozytywne | Fałszywie negatywny |
| Co to jest? | Jest to nieprawidłowe odrzucenie prawdziwej hipotezy zerowej. | To nieprawidłowa akceptacja fałszywej hipotezy zerowej. |
| Reprezentuje | Fałszywy traf | Panna |
| Prawdopodobieństwo popełnienia błędu | Równa się poziomowi istotności. | Równa się sile testu. |
| Wskazany przez | Grecka litera „α” | Grecka litera „β” |
Definicja błędu typu I.
W statystykach błąd typu I jest definiowany jako błąd, który występuje, gdy wyniki próby powodują odrzucenie hipotezy zerowej, pomimo faktu, że jest to prawda. Mówiąc prościej, błąd w zgodzie się z alternatywną hipotezą, gdy wyniki można przypisać przypadkowi.
Znany również jako błąd alfa, prowadzi badacza do wniosku, że istnieje różnica między dwoma obserwacjami, gdy są one identyczne. Prawdopodobieństwo błędu typu I jest równe poziomowi istotności, jaki badacz ustala dla swojego testu. Tutaj poziom istotności odnosi się do szans na popełnienie błędu typu I..
Na przykład. Załóżmy na podstawie danych, że zespół badawczy firmy stwierdził, że ponad 50% wszystkich klientów lubi nową usługę uruchomioną przez firmę, co w rzeczywistości stanowi mniej niż 50%.
Definicja błędu typu II
Gdy na podstawie danych przyjmuje się hipotezę zerową, gdy jest ona rzeczywiście fałszywa, wówczas tego rodzaju błąd jest znany jako błąd typu II. Powstaje, gdy badaczowi nie udaje się zaprzeczyć fałszywej hipotezie zerowej. Jest oznaczony grecką literą „beta (β)” i często znany jako błąd beta.
Błąd typu II to brak akceptacji przez badacza alternatywnej hipotezy, chociaż jest to prawda. Zatwierdza propozycję; należy odmówić. Badacz dochodzi do wniosku, że dwa obserwacje są identyczne, podczas gdy w rzeczywistości nie są.
Prawdopodobieństwo popełnienia takiego błędu jest analogiczne do siły testu. Tutaj siła testu nawiązuje do prawdopodobieństwa odrzucenia hipotezy zerowej, która jest fałszywa i musi zostać odrzucona. Wraz ze wzrostem wielkości próbki rośnie również moc testu, co zmniejsza ryzyko popełnienia błędu typu II.
Na przykład. Załóżmy na podstawie przykładowych wyników, że zespół badawczy organizacji twierdzi, że mniej niż 50% wszystkich klientów lubi nową usługę uruchomioną przez firmę, która w rzeczywistości jest większa niż 50%.
Kluczowe różnice między błędami typu I i typu II
Punkty podane poniżej są istotne, jeśli chodzi o różnice między błędem typu I a błędem typu II:
- Błąd typu I to błąd, który ma miejsce, gdy wynikiem jest odrzucenie hipotezy zerowej, co w rzeczywistości jest prawdą. Błąd typu II występuje, gdy próbka skutkuje przyjęciem hipotezy zerowej, która w rzeczywistości jest fałszywa.
- Błąd typu I lub inaczej znany jako fałszywie dodatni, w istocie pozytywny wynik jest równoważny odrzuceniu hipotezy zerowej. Natomiast błąd typu II jest również znany jako fałszywe negatywy, tj. Wynik ujemny, prowadzi do akceptacji hipotezy zerowej.
- Gdy hipoteza zerowa jest prawdziwa, ale błędnie odrzucona, jest to błąd typu I. Przeciwnie, gdy hipoteza zerowa jest fałszywa, ale błędnie przyjęta, jest to błąd typu II.
- Błąd typu I ma tendencję do stwierdzania czegoś, co tak naprawdę nie jest obecne, tj. Jest to fałszywe trafienie. Przeciwnie, błąd typu II nie identyfikuje czegoś, co jest obecne, tj. Jest to brak.
- Prawdopodobieństwo popełnienia błędu typu I to próbka jako poziom istotności. I 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, podczas gdy błąd typu II powstaje, gdy badacz nie odkryje żadnej różnicy, gdy tak naprawdę jest. Występowanie dwóch rodzajów błędów jest bardzo częste, ponieważ są one częścią procesu testowania. Te dwa błędy nie mogą być całkowicie usunięte, ale można je zredukować do pewnego poziomu.
