Heading

Cosa sono gli errori di tipo I e II?

Di Saul McLeod, pubblicato il 04 luglio 2019

Un risultato statisticamente significativo non può provare che un’ipotesi di ricerca sia corretta (poiché ciò implica il 100% di certezza). Poiché un p-value si basa sulle probabilità, c’è sempre la possibilità di trarre una conclusione errata per quanto riguarda l’accettazione o il rifiuto dell’ipotesi nulla (H0).

Ogni volta che prendiamo una decisione usando la statistica ci sono quattro possibili risultati, con due che rappresentano decisioni corrette e due che rappresentano errori.

Le probabilità di commettere questi due tipi di errori sono inversamente proporzionali: cioè, diminuendo il tasso di errore di tipo I aumenta il tasso di errore di tipo II, e viceversa.

Un errore di tipo 1 è noto anche come falso positivo e si verifica quando un ricercatore rifiuta erroneamente una vera ipotesi nulla. Ciò significa che i vostri risultati sono significativi quando in realtà si sono verificati per caso.

La probabilità di commettere un errore di tipo I è rappresentata dal vostro livello alfa (α), che è il p-value al di sotto del quale si rifiuta l’ipotesi nulla.Un valore p di 0,05 indica che siete disposti ad accettare il 5% di possibilità di sbagliare quando rifiutate l’ipotesi nulla.

Potete ridurre il rischio di commettere un errore di tipo I usando un valore più basso per p. Per esempio, un valore p di 0,01 significherebbe che c’è l’1% di possibilità di commettere un errore di tipo I.

Tuttavia, usare un valore più basso per alfa significa che avrete meno probabilità di rilevare una vera differenza se esiste davvero (rischiando così un errore di tipo II).

Un errore di tipo II è noto anche come falso negativo e si verifica quando un ricercatore non riesce a rifiutare un’ipotesi nulla che è realmente falsa. Qui un ricercatore conclude che non c’è un effetto significativo, quando in realtà c’è.

La probabilità di commettere un errore di tipo II si chiama Beta (β), ed è legata alla potenza del test statistico (potenza = 1- β). Puoi diminuire il rischio di commettere un errore di tipo II assicurandoti che il tuo test abbia sufficiente potenza.

Lo puoi fare assicurandoti che la dimensione del campione sia abbastanza grande da rilevare una differenza pratica quando esiste veramente.

Le conseguenze di un errore di tipo I significano che vengono fatti cambiamenti o interventi non necessari, e quindi si sprecano tempo, risorse, ecc.

Gli errori di tipo II tipicamente portano al mantenimento dello status quo (cioè gli interventi rimangono gli stessi) quando il cambiamento è necessario.