Грешка тип I и грешка тип II: какви са те и какво показват в статистиката?

Когато правим изследвания в психологията, В инференциалната статистика намираме две важни понятия: грешка от тип I и грешка от тип II.. Те възникват, когато извършваме тестове на хипотези с нулева хипотеза и алтернативна хипотеза.

В тази статия ще видим какви точно са те, кога ги ангажираме, как ги изчисляваме и как можем да ги намалим.

• Свързана статия: "Психометрия: изучаване на човешкия ум чрез данни"

Методи за оценка на параметрите

Инференциалната статистика е отговорна за извличането или екстраполирането на заключения от популация въз основа на информация от извадка. Това означава, че ни позволява да опишем определени променливи, които искаме да изследваме, на ниво популация.

Вътре в него намираме методи за оценка на параметрите, чиято цел е да предостави методи, които позволяват да се определи (с известна точност) стойността на параметрите, които искаме да анализираме, от произволна извадка от популацията, която сме изучаване.

Оценката на параметъра може да бъде от два вида: точна (когато се оценява една единствена стойност на параметъра неизвестен) и по интервали (когато е установен доверителен интервал, където параметърът би „попаднал“ странник). В рамките на този втори тип, оценката чрез интервали, намираме понятията, които анализираме днес: грешка тип I и грешка тип II.

Грешка тип I и грешка тип II: какви са те?

Грешката от тип I и грешката от тип II са видове грешки, които можем да допуснем, когато в разследване сме пред формулирането на статистически хипотези (като нулевата хипотеза или H0 и алтернативната хипотеза или H1). Тоест, когато извършваме тестове на хипотези. Но за да разберем тези концепции, първо трябва да контекстуализираме употребата им в интервалната оценка.

Както видяхме, оценката по интервали се основава на критичен регион от параметъра на нулева хипотеза (H0), която предлагаме, както и в доверителния интервал от оценителя на проба.

Тоест целта е установете математически интервал, където би попаднал параметърът, който искаме да изследваме. За да направите това, трябва да се извършат поредица от стъпки.

1. Формулиране на хипотеза

Първата стъпка е да формулираме нулевата хипотеза и алтернативната хипотеза, които, както ще видим, ще ни отведат до концепциите за грешка от тип I и грешка от тип II.

1.1. Нулева хипотеза (H0)

Нулевата хипотеза (H0) е хипотезата, която изследователят предлага и която той временно приема за вярна.. Можете да го отхвърлите само чрез процес на фалшификация или опровержение.

Обикновено това, което се прави, е да се посочи липсата на ефект или липсата на разлики (например би било заявяват, че: „Няма разлики между когнитивната терапия и поведенческата терапия при лечението на безпокойство").

1.2. Алтернативна хипотеза (H1)

Алтернативната хипотеза (H1), от друга страна, е кандидатът да измести или замени нулевата хипотеза. Това обикновено гласи, че има разлики или ефект (например „Има разлики между когнитивната терапия и поведенческата терапия при лечението на тревожност“).

• Може да се интересувате от: "Алфа на Кронбах (α): какво е това и как се използва в статистиката"

2. Определяне на нивото на значимост или алфа (α)

Втората стъпка в оценката на интервала е определяне на нивото на значимост или нивото на алфа (α).. Това се задава от изследователя в началото на процеса; това е максималната вероятност за грешка, която приемаме да извършим, когато отхвърляме нулевата хипотеза.

Обикновено приема малки стойности, като 0,001, 0,01 или 0,05. С други думи, това би било максималната „горна граница“ или грешка, която сме готови да направим като изследователи. Когато нивото на значимост е на стойност 0,05 (5%), например, нивото на доверителност е 0,95 (95%) и двете се събират до 1 (100%).

След като установим нивото на значимост, могат да възникнат четири ситуации: че два вида грешки (и тук идва грешката от тип I и грешка от тип II), или че се произвеждат два типа решения правилно. Тоест, четирите възможности са:

2.1. Правилно решение (1-α)

Състои се от приемане на нулевата хипотеза (H0), която е вярна. Тоест ние не го отхвърляме, ние го поддържаме, защото е вярно. Математически ще се изчисли, както следва: 1-α (където α е грешка от тип I или ниво на значимост).

2.2. Правилно решение (1-β)

В този случай също вземаме правилно решение; Състои се от отхвърляне на нулевата хипотеза (H0), която е невярна. Нарича се също мощност на теста. Изчислява се: 1-β (където β е грешка от тип II).

23. Грешка тип I (α)

Грешката от тип I, наричана още алфа (α), се извършва чрез отхвърляне на нулевата хипотеза (H0), която е вярна. По този начин вероятността да се направи грешка от тип I е α, което е нивото на значимост, което сме установили за нашия тест за хипотеза.

Ако, например, α, което сме установили, е 0,05, това би означавало, че сме готови да приемем 5% вероятност да грешим, когато отхвърляме нулевата хипотеза.

2.4. Грешка тип II (β)

Грешка тип II или бета (β) се прави при приемане на нулевата хипотеза (H0), когато тя е невярна.. Тоест вероятността за извършване на грешка от тип II е бета (β) и зависи от мощността на теста (1-β).

За да намалим риска от допускане на грешка тип II, можем да изберем да гарантираме, че тестът е достатъчно захранван. За да направим това, трябва да гарантираме, че размерът на извадката е достатъчно голям, за да открие разлика, когато тя действително съществува.