Różnica między błędami typu I i typu II
- 4264
- 1195
- Spirydion Kruk
Istnieją przede wszystkim dwa rodzaje błędów, które występują, podczas gdy przeprowadza się testowanie hipotez, i.mi. Albo badacz odrzuca h0, Kiedy h0 jest prawda, albo on/ona akceptuje h0 Kiedy w rzeczywistości h0 to fałsz. Tak więc pierwsza 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 testowania jest kamieniem węgielnym do akceptowania lub odrzucania hipotezy zerowej (h (h0). Hipoteza zerowa jest propozycją; To 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 vs Błąd typu II
- Wykres porównania
- Definicja
- Kluczowe różnice
- Możliwe rezultaty
- Wniosek
Wykres porównania
| Podstawa do porównania | Błąd typu I | Błąd typu II |
|---|---|---|
| Oznaczający | Błąd typu I odnosi się do braku akceptacji hipotezy, która należy zaakceptować. | Błąd typu II to akceptacja hipotezy, która powinna zostać odrzucona. |
| Równoważny | Fałszywie dodatni | Fałszywie negatywny |
| Co to jest? | Jest to nieprawidłowe odrzucenie prawdziwej hipotezy zerowej. | Jest to nieprawidłowa akceptacja fałszywej hipotezy zerowej. |
| Reprezentuje | Fałszywy hit | Miss |
| Prawdopodobieństwo popełnienia błędu | Równa się poziomowi istotności. | Równa się mocy testu. |
| Wskazany przez | Grecki litera „α” | Grecki litera „β” |
Definicja błędu typu I
W statystykach błąd typu I jest zdefiniowany jako błąd, który występuje, gdy wyniki próbki powodują odrzucenie hipotezy zerowej, pomimo faktu, że to prawda. Mówiąc prosto, błąd zgadzania się na alternatywną hipotezę, gdy wyniki można przypisać przypadkowi.
Znany również jako błąd alfa, prowadzi badacz do wnioskowania, że istnieje zmienność między dwoma obserwacjami, gdy są one identyczne. Prawdopodobieństwo błędu typu I jest równe poziomowi istotności, który badacz ustawia na swój test. Tutaj poziom istotności odnosi się do szans na popełnienie błędu typu I.
mi.G. Załóżmy, że na podstawie danych zespół badawczy firmy stwierdził, że ponad 50% wszystkich klientów, takich jak nowa usługa założona przez firmę, która w rzeczywistości jest mniejsza niż 50%.
Definicja błędu typu II
Na podstawie danych hipoteza zerowa jest akceptowana, gdy jest to faktycznie fałszywe, wówczas ten rodzaj błędu jest znany jako błąd typu II. Powstaje, gdy badacz nie zaprzecza fałszywej hipotezy zerowej. Jest oznaczony grecką literą „beta (β)” i często znany jako błąd beta.
Błąd typu II jest niepowodzeniem badacza w zgodzie na alternatywną hipotezę, chociaż to prawda. Sprawdza propozycję; należy to odmówić. Badacz stwierdza, że dwie przestrzegania są identyczne, gdy w rzeczywistości nie są.
Prawdopodobieństwo popełnienia takiego błędu jest analogiczne do mocy testu. Tutaj moc testu nawiązuje do prawdopodobieństwa odrzucenia hipotezy zerowej, która jest fałszywa i należy ją odrzucić. Wraz ze wzrostem wielkości próby zwiększa się również moc testu, co powoduje zmniejszenie ryzyka popełnienia błędu typu II.
mi.G. Załóżmy, że na podstawie wyników przykładowych, zespół badawczy organizacji twierdzi, że mniej niż 50% wszystkich klientów, takich jak nowa usługa założona przez firmę, która w rzeczywistości jest większa niż 50%.
Kluczowe różnice między błędem typu I i typu II
Punkty podane poniżej są znaczne, jeśli chodzi o różnice między błędem typu I i typu II:
- Błąd typu I jest błędem, który ma miejsce, gdy wynik jest odrzuceniem hipotezy zerowej, która w rzeczywistości jest prawdziwa. Błąd typu II występuje, gdy próbka powoduje przyjęcie hipotezy zerowej, która jest w rzeczywistości fałszywa.
- Błąd typu I lub inaczej znany jako fałszywie pozytywny, w istocie wynik dodatni jest równoważny odmowie hipotezy zerowej. Natomiast błąd typu II jest również znany jako fałszywe negatywy, i.mi. negatywny wynik, prowadzi do akceptacji hipotezy zerowej.
- Kiedy hipoteza zerowa jest prawdziwa, ale błędnie odrzucona, jest to błąd typu I. Wbrew temu, gdy hipoteza zerowa jest fałszywa, ale błędnie zaakceptowana, jest to błąd typu II.
- Błąd typu I ma tendencję do potwierdzania czegoś, co tak naprawdę nie jest obecne, ja.mi. To fałszywy hit. Przeciwnie, błąd typu II nie ulega identyfikacji czegoś, czyli, i.mi. To panna.
- Prawdopodobieństwo popełnienia błędu typu I jest próbką jako poziom istotności. I odwrotnie, prawdopodobieństwo popełnienia błędu typu II jest takie samo, jak moc testu.
- Grecka litera „α” wskazuje błąd typu I. W przeciwieństwie do błędu typu II, który jest oznaczony grecką literą „β”.
Możliwe rezultaty
Wniosek
Ogólnie rzecz biorąc, błąd typu I pojawia się, gdy badacz zauważa pewną różnicę, podczas gdy w rzeczywistości nie ma, podczas gdy błąd typu II pojawia się, gdy badacz nie odkryje żadnej różnicy, gdy tak naprawdę istnieje. Występowanie dwóch rodzajów błędów jest bardzo powszechne, ponieważ są one częścią procesu testowania. Tych dwóch błędów nie można całkowicie usunąć, ale można je sprowadzić do określonego poziomu.