Chyba typu I a chyba typu II: co to je a co indikují ve statistikách?

Když děláme výzkum v psychologii, V rámci inferenční statistiky najdeme dva důležité pojmy: chybu I. typu a chybu II.. Ty vznikají, když provádíme testy hypotéz s nulovou hypotézou a alternativní hypotézou.

V tomto článku uvidíme, jaké přesně to jsou, kdy se jich dopustíme, jak je vypočítáme a jak je můžeme snížit.

• Související článek: "Psychometrie: studium lidské mysli prostřednictvím dat"

Metody odhadu parametrů

Inferenční statistika je zodpovědná za vyvozování nebo extrapolaci závěrů z populace na základě informací ze vzorku. To znamená, že nám umožňuje popsat určité proměnné, které chceme studovat, na úrovni populace.

Uvnitř najdeme metody odhadu parametrů, jejímž cílem je poskytnout metody, které umožňují určit (s určitou přesností) hodnotu parametry, které chceme analyzovat, z náhodného vzorku populace, kterou jsme studovat.

Odhad parametru může být dvou typů: dočasný (když se odhaduje jedna hodnota parametru neznámý) a podle intervalů (když je stanoven interval spolehlivosti, kde by parametr „klesl“ cizinec). Právě v rámci tohoto druhého typu, odhadu podle intervalů, najdeme pojmy, které dnes analyzujeme: chyba I. typu a chyba II.

Chyba typu I a chyba typu II: co to je?

Chyba typu I a chyba typu II jsou typy chyb, kterých se můžeme dopustit, když jsme ve vyšetřování před formulací statistických hypotéz (jako je nulová hypotéza nebo H0 a alternativní hypotéza nebo H1). Tedy když provádíme testy hypotéz. Abychom však těmto pojmům porozuměli, musíme nejprve uvést do kontextu jejich použití v intervalovém odhadu.

Jak jsme viděli, odhad po intervalech je založen na kritické oblasti z parametru the nulovou hypotézu (H0), kterou navrhujeme, a také v intervalu spolehlivosti z odhadu vzorek.

To znamená, že cílem je stanovit matematický interval, kam by spadal parametr, který chceme studovat. K tomu je třeba provést řadu kroků.

1. Formulace hypotézy

Prvním krokem je formulace nulové hypotézy a alternativní hypotézy, které nás, jak uvidíme, dovedou ke konceptům chyby I. typu a chyby II.

1.1. Nulová hypotéza (H0)

Nulová hypotéza (H0) je hypotéza, kterou výzkumník navrhuje a kterou prozatímně přijímá jako pravdivou.. Můžete jej odmítnout pouze prostřednictvím procesu falšování nebo vyvracení.

Normálně se uvede nepřítomnost účinku nebo nepřítomnost rozdílů (např uvádějí, že: „Neexistují žádné rozdíly mezi kognitivní terapií a behaviorální terapií v léčbě úzkost").

1.2. Alternativní hypotéza (H1)

Alternativní hypotéza (H1) je na druhé straně kandidátem na nahrazení nebo nahrazení nulové hypotézy. To obvykle uvádí, že existují rozdíly nebo účinek (například „Existují rozdíly mezi kognitivní terapií a behaviorální terapií v léčbě úzkosti“).

• Mohlo by vás zajímat: "Cronbachova alfa (α): co to je a jak se používá ve statistice"

2. Určení hladiny významnosti neboli alfa (α)

Druhým krokem v intervalovém odhadu je určit hladinu významnosti nebo hladinu alfa (α).. Tu nastaví výzkumník na začátku procesu; je to maximální pravděpodobnost chyby, kterou akceptujeme, že se dopustíme při zamítnutí nulové hypotézy.

Obvykle nabývá malých hodnot, například 0,001, 0,01 nebo 0,05. Jinými slovy, byla by to maximální „strop“ neboli chyba, které jsme jako výzkumníci ochotni udělat. Když má hladina významnosti například hodnotu 0,05 (5 %), hladina spolehlivosti je 0,95 (95 %) a součet těchto dvou hodnot je 1 (100 %).

Jakmile stanovíme hladinu významnosti, mohou nastat čtyři situace: dva typy chyby (a zde přichází na řadu chyba typu I a chyba typu II), nebo že jsou vytvářeny dva typy rozhodnutí opravit. To znamená, že čtyři možnosti jsou:

2.1. Správné rozhodnutí (1-α)

Spočívá v přijetí nulové hypotézy (H0), která je pravdivá. To znamená, že to neodmítáme, my to udržujeme, protože je to pravda. Matematicky by se vypočítal následovně: 1-α (kde α je chyba typu I nebo hladina významnosti).

2.2. Správné rozhodnutí (1-β)

V tomto případě se také rozhodujeme správně; Spočívá v odmítnutí nulové hypotézy (H0), která je nepravdivá. Také se nazývá síla testu. Vypočítá se: 1-β (kde β je chyba typu II).

23. Chyba typu I (α)

Chyba typu I, nazývaná také alfa (α), je spáchán odmítnutím nulové hypotézy (H0), která je pravdivá. Pravděpodobnost chyby typu I je tedy α, což je hladina významnosti, kterou jsme stanovili pro náš test hypotézy.

Pokud je například α, které jsme stanovili, 0,05, znamenalo by to, že jsme ochotni přijmout 5% pravděpodobnost, že se při zamítnutí nulové hypotézy mýlíme.

2.4. Chyba typu II (β)

Chyba typu II nebo beta (β) se provede při přijetí nulové hypotézy (H0), pokud je nepravdivá.. To znamená, že pravděpodobnost spáchání chyby typu II je beta (β) a závisí na síle testu (1-β).

Abychom snížili riziko chyby typu II, můžeme se rozhodnout zajistit, aby byl test dostatečně výkonný. Abychom toho dosáhli, musíme zajistit, aby velikost vzorku byla dostatečně velká, aby detekovala rozdíl, když skutečně existuje.