Pri testovaní hypotéz sa vyskytujú predovšetkým dva typy chýb, t. J. Výskumník buď H odmieta0, keď H0 je pravda, alebo prijíma H0 keď v skutočnosti H0 je nepravdivé. Takže prvý z nich predstavuje chyba typu I. a posledne uvedená indikácia je chyba typu II.
Testovanie hypotézy je bežný postup; tento vedec používa na preukázanie platnosti, ktorá určuje, či je konkrétna hypotéza správna alebo nie. Výsledok testovania je základným kameňom pre prijatie alebo zamietnutie nulovej hypotézy (H0). Nulová hypotéza je tvrdenie; to neočakáva žiadny rozdiel alebo účinok. Alternatívna hypotéza (H1) je predpoklad, ktorý očakáva určité rozdiely alebo účinky.
Medzi chybami typu I a typu II sú malé a jemné rozdiely, o ktorých budeme diskutovať v tomto článku.
Základ pre porovnanie | Chyba typu I | Chyba typu II |
---|---|---|
zmysel | Chyba typu I sa týka neakceptovania hypotézy, ktorá by sa mala akceptovať. | Chyba typu II je akceptácia hypotézy, ktorá by sa mala zamietnuť. |
Ekvivalent k | Falošne pozitívne | Falošne negatívny |
Čo je to? | Je to nesprávne odmietnutie skutočnej nulovej hypotézy. | Je to nesprávne akceptovanie nepravdivých nulových hypotéz. |
zastupuje | Falošný zásah | Slečna |
Pravdepodobnosť chyby | Rovná sa úrovni významnosti. | Rovnaký ako výkon skúšky. |
Označené | Grécke písmeno „α“ | Grécke písmeno „β“ |
V štatistike je chyba typu I definovaná ako chyba, ktorá nastane, keď výsledky vzorky spôsobia odmietnutie nulovej hypotézy napriek skutočnosti, že je to pravda. Jednoducho povedané, chyba súhlasu s alternatívnou hypotézou, keď výsledky možno pripísať náhode.
Známy tiež ako alfa chyba vedie výskumníka k záveru, že medzi dvoma pozorovaniami existuje rozdiel, keď sú totožné. Pravdepodobnosť chyby typu I sa rovná úrovni významnosti, ktorú výskumník nastaví na svoj test. Úroveň významnosti sa tu vzťahuje na pravdepodobnosť vzniku chyby typu I..
napr. Predpokladajme, že na základe údajov výskumný tím spoločnosti dospel k záveru, že viac ako 50% z celkových zákazníkov, ako je nová služba, ktorú spoločnosť začala, čo je v skutočnosti menej ako 50%.
Ak sa na základe údajov akceptuje nulová hypotéza, keď je skutočne nepravdivá, potom sa tento druh chyby nazýva chyba typu II. Vzniká, keď výskumník nezamietne falošnú nulovú hypotézu. Označuje sa gréckym písmenom „beta (β)“ a často sa nazýva chyba beta.
Chyba typu II je neúspech výskumného pracovníka v tom, že súhlasí s alternatívnou hypotézou, hoci je to pravda. Potvrdzuje ponuku; to by malo byť odmietnuté. Výskumník dospel k záveru, že tieto dve pozorovania sú totožné, aj keď v skutočnosti nie sú.
Pravdepodobnosť takejto chyby je analogická sile testu. Tu sa sila testu odvoláva na pravdepodobnosť odmietnutia nulovej hypotézy, ktorá je nepravdivá a musí byť zamietnutá. S rastúcou veľkosťou vzorky sa zvyšuje aj výkonnosť skúšky, čo vedie k zníženiu rizika vzniku chyby typu II.
napr. Predpokladajme, na základe výsledkov vzorky, výskumný tím organizácie tvrdí, že menej ako 50% z celkového počtu zákazníkov, ako je nová služba spustená spoločnosťou, ktorá je v skutočnosti vyššia ako 50%.
Nasledujúce body sú podstatné, pokiaľ ide o rozdiely medzi chybami typu I a typu II:
Celkovo sa chyba typu I objaví, keď si výskumný pracovník všimne nejaký rozdiel, zatiaľ čo v skutočnosti neexistuje, zatiaľ čo chyba typu II sa objaví, keď výskumník nezistí žiadny rozdiel, keď v skutočnosti existuje. Výskyt týchto dvoch druhov chýb je veľmi častý, pretože sú súčasťou procesu testovania. Tieto dve chyby sa nedajú úplne odstrániť, ale môžu sa znížiť na určitú úroveň.