Heading

Qu’est-ce que les erreurs de type I et de type II ?

By Saul McLeod, publié le 04 juillet 2019

Un résultat statistiquement significatif ne peut pas prouver qu’une hypothèse de recherche est correcte (car cela implique une certitude de 100 %). Comme une valeur p est basée sur des probabilités, il y a toujours une chance de tirer une conclusion incorrecte concernant l’acceptation ou le rejet de l’hypothèse nulle (H0).

Chaque fois que nous prenons une décision en utilisant des statistiques, il y a quatre résultats possibles, deux représentant des décisions correctes et deux représentant des erreurs.

Les chances de commettre ces deux types d’erreurs sont inversement proportionnelles : c’est-à-dire que la diminution du taux d’erreurs de type I augmente le taux d’erreurs de type II, et vice versa.

Une erreur de type 1 est également connue sous le nom de faux positif et se produit lorsqu’un chercheur rejette à tort une véritable hypothèse nulle. Cela signifie que vous signalez que vos résultats sont significatifs alors qu’ils sont en fait survenus par hasard.

La probabilité de commettre une erreur de type I est représentée par votre niveau alpha (α), qui est la valeur p en dessous de laquelle vous rejetez l’hypothèse nulle.Une valeur p de 0,05 indique que vous êtes prêt à accepter une probabilité de 5 % de vous tromper lorsque vous rejetez l’hypothèse nulle.

Vous pouvez réduire votre risque de commettre une erreur de type I en utilisant une valeur inférieure pour p. Par exemple, une valeur de p de 0,01 signifierait qu’il y a 1 % de chances de commettre une erreur de type I.

Cependant, l’utilisation d’une valeur plus faible pour alpha signifie que vous aurez moins de chances de détecter une vraie différence s’il en existe vraiment une (risquant ainsi une erreur de type II).

Une erreur de type II est également connue sous le nom de faux négatif et se produit lorsqu’un chercheur ne parvient pas à rejeter une hypothèse nulle qui est réellement fausse. Ici, un chercheur conclut qu’il n’y a pas d’effet significatif, alors qu’il y en a vraiment un.

La probabilité de commettre une erreur de type II est appelée Bêta (β), et elle est liée à la puissance du test statistique (puissance = 1- β). Vous pouvez diminuer votre risque de commettre une erreur de type II en vous assurant que votre test a suffisamment de puissance.

Vous pouvez le faire en vous assurant que la taille de votre échantillon est suffisamment grande pour détecter une différence pratique lorsqu’elle existe réellement.

Les conséquences d’une erreur de type I signifient que l’on procède à des changements ou à des interventions inutiles, ce qui entraîne une perte de temps, de ressources, etc.

Les erreurs de type II conduisent généralement à la préservation du statu quo (c’est-à-dire que les interventions restent les mêmes) alors que le changement est nécessaire.

.