Heading

Co to są błędy typu I i typu II?

By Saul McLeod, published July 04, 2019

Statystycznie istotny wynik nie może dowodzić, że hipoteza badawcza jest poprawna (ponieważ implikuje to 100% pewność). Ponieważ wartość p-value opiera się na prawdopodobieństwie, zawsze istnieje szansa na wyciągnięcie błędnego wniosku dotyczącego przyjęcia lub odrzucenia hipotezy zerowej (H0).

Za każdym razem, gdy podejmujemy decyzję z wykorzystaniem statystyki, istnieją cztery możliwe wyniki, z których dwa reprezentują prawidłowe decyzje, a dwa – błędy.

Szanse popełnienia tych dwóch rodzajów błędów są odwrotnie proporcjonalne: to znaczy, że zmniejszanie się współczynnika błędu typu I zwiększa współczynnik błędu typu II i odwrotnie.

Błąd typu 1 jest również znany jako fałszywie pozytywny i występuje, gdy badacz nieprawidłowo odrzuca prawdziwą hipotezę zerową. Oznacza to, że raportujesz, że twoje wyniki są znaczące, podczas gdy w rzeczywistości pojawiły się one przypadkowo.

Prawdopodobieństwo popełnienia błędu typu I jest reprezentowane przez twój poziom alfa (α), który jest wartością p, poniżej której odrzucasz hipotezę zerową.Wartość p równa 0,05 wskazuje, że jesteś skłonny zaakceptować 5% szansy, że jesteś w błędzie, gdy odrzucasz hipotezę zerową.

Możesz zmniejszyć ryzyko popełnienia błędu typu I, używając niższej wartości dla p. Na przykład, wartość p równa 0,01 oznaczałaby, że istnieje 1% szans na popełnienie błędu typu I.

Jednakże użycie niższej wartości alfa oznacza, że prawdopodobieństwo wykrycia prawdziwej różnicy będzie mniejsze, jeśli takowa rzeczywiście istnieje (ryzykując tym samym błąd typu II).

Błąd typu II jest również znany jako fałszywy negatyw i występuje wtedy, gdy badaczowi nie udaje się odrzucić hipotezy zerowej, która w rzeczywistości jest fałszywa. W tym przypadku badacz stwierdza, że nie ma znaczącego efektu, podczas gdy w rzeczywistości jest.

Prawdopodobieństwo popełnienia błędu typu II nazywa się Beta (β) i jest ono związane z mocą testu statystycznego (moc = 1- β). Możesz zmniejszyć ryzyko popełnienia błędu typu II, upewniając się, że Twój test ma wystarczającą moc.

Możesz to zrobić, upewniając się, że wielkość próby jest wystarczająco duża, aby wykryć praktyczną różnicę, gdy taka naprawdę istnieje.

Konsekwencje popełnienia błędu typu I oznaczają, że wprowadzane są zmiany lub interwencje, które są niepotrzebne, a zatem marnuje się czas, zasoby itp.

Błędy typu II zazwyczaj prowadzą do zachowania status quo (tj. interwencje pozostają takie same), gdy zmiana jest konieczna.