Σφάλμα τύπου I και σφάλμα τύπου II: τι είναι και τι υποδεικνύουν στα στατιστικά στοιχεία;

Όταν κάνουμε έρευνα στην ψυχολογία, Στις στατιστικές συμπερασμάτων βρίσκουμε δύο σημαντικές έννοιες: σφάλμα τύπου I και σφάλμα τύπου II.. Αυτά προκύπτουν όταν εκτελούμε δοκιμές υποθέσεων με μηδενική υπόθεση και εναλλακτική υπόθεση.

Σε αυτό το άρθρο θα δούμε τι ακριβώς είναι, πότε τα δεσμεύουμε, πώς τα υπολογίζουμε και πώς μπορούμε να τα μειώσουμε.

• Σχετικό άρθρο: "Ψυχομετρία: μελέτη του ανθρώπινου νου μέσω δεδομένων"

Μέθοδοι εκτίμησης παραμέτρων

Η στατιστική συμπερασμάτων είναι υπεύθυνη για την εξαγωγή ή την παρέκταση συμπερασμάτων από έναν πληθυσμό, με βάση πληροφορίες από ένα δείγμα. Δηλαδή, μας επιτρέπει να περιγράψουμε ορισμένες μεταβλητές που θέλουμε να μελετήσουμε, σε επίπεδο πληθυσμού.

Μέσα σε αυτό βρίσκουμε μέθοδοι εκτίμησης παραμέτρων, στόχος του οποίου είναι να παρέχει μεθόδους που επιτρέπουν τον προσδιορισμό (με κάποια ακρίβεια) της τιμής του τις παραμέτρους που θέλουμε να αναλύσουμε, από ένα τυχαίο δείγμα του πληθυσμού που είμαστε μελετώντας.

Η εκτίμηση παραμέτρων μπορεί να είναι δύο τύπων: ακριβής (όταν εκτιμάται μια μεμονωμένη τιμή της παραμέτρου άγνωστο) και κατά διαστήματα (όταν καθοριστεί ένα διάστημα εμπιστοσύνης όπου η παράμετρος θα «έπεφτε» ένας ξένος). Είναι μέσα σε αυτόν τον δεύτερο τύπο, την εκτίμηση κατά διαστήματα, όπου βρίσκουμε τις έννοιες που αναλύουμε σήμερα: σφάλμα τύπου Ι και σφάλμα τύπου II.

Σφάλμα τύπου Ι και σφάλμα τύπου ΙΙ: ποια είναι αυτά;

Το σφάλμα τύπου Ι και το σφάλμα τύπου II είναι είδη λαθών που μπορούμε να διαπράξουμε όταν σε μια έρευνα βρισκόμαστε πριν από τη διατύπωση στατιστικών υποθέσεων (όπως η μηδενική υπόθεση ή H0 και η εναλλακτική υπόθεση ή H1). Δηλαδή, όταν πραγματοποιούμε δοκιμές υποθέσεων. Αλλά για να κατανοήσουμε αυτές τις έννοιες, πρέπει πρώτα να προσεγγίσουμε τη χρήση τους στην εκτίμηση διαστήματος.

Όπως είδαμε, η εκτίμηση κατά διαστήματα βασίζεται σε μια κρίσιμη περιοχή από την παράμετρο του μηδενική υπόθεση (H0) που προτείνουμε, καθώς και στο διάστημα εμπιστοσύνης από τον εκτιμητή του δείγμα.

Δηλαδή ο στόχος είναι ορίστε ένα μαθηματικό διάστημα όπου θα έπεφτε η παράμετρος που θέλουμε να μελετήσουμε. Για να γίνει αυτό, πρέπει να πραγματοποιηθεί μια σειρά βημάτων.

1. Διατύπωση υπόθεσης

Το πρώτο βήμα είναι η διατύπωση της μηδενικής υπόθεσης και της εναλλακτικής υπόθεσης, η οποία, όπως θα δούμε, θα μας οδηγήσει στις έννοιες του σφάλματος τύπου Ι και του σφάλματος τύπου II.

1.1. Μηδενική υπόθεση (H0)

Η μηδενική υπόθεση (H0) είναι η υπόθεση που προτείνει ο ερευνητής και την οποία αποδέχεται προσωρινά ως αληθινή.. Μπορείτε να το απορρίψετε μόνο μέσω μιας διαδικασίας παραποίησης ή αντίκρουσης.

Κανονικά, αυτό που γίνεται είναι να δηλώσουμε την απουσία αποτελέσματος ή την απουσία διαφορών (για παράδειγμα, θα ήταν αναφέρουν ότι: «Δεν υπάρχουν διαφορές μεταξύ γνωσιακής θεραπείας και θεραπείας συμπεριφοράς στη θεραπεία της ανησυχία").

1.2. Εναλλακτική υπόθεση (Η1)

Η εναλλακτική υπόθεση (Η1), από την άλλη πλευρά, είναι η υποψήφια να αντικαταστήσει ή να αντικαταστήσει τη μηδενική υπόθεση. Αυτό συνήθως δηλώνει ότι υπάρχουν διαφορές ή αποτελέσματα (για παράδειγμα, "Υπάρχουν διαφορές μεταξύ γνωσιακής θεραπείας και θεραπείας συμπεριφοράς στη θεραπεία του άγχους").

• Μπορεί να σας ενδιαφέρει: "Άλφα του Cronbach (α): τι είναι και πώς χρησιμοποιείται στη στατιστική"

2. Προσδιορισμός του επιπέδου σημαντικότητας ή άλφα (α)

Το δεύτερο βήμα στην εκτίμηση διαστήματος είναι προσδιορίστε το επίπεδο σημαντικότητας ή το επίπεδο άλφα (α).. Αυτό ορίζεται από τον ερευνητή στην αρχή της διαδικασίας. είναι η μέγιστη πιθανότητα σφάλματος που δεχόμαστε να διαπράξουμε όταν απορρίπτουμε τη μηδενική υπόθεση.

Συνήθως παίρνει μικρές τιμές, όπως 0,001, 0,01 ή 0,05. Με άλλα λόγια, θα ήταν το μέγιστο «καπάκι» ή το σφάλμα που είμαστε διατεθειμένοι να κάνουμε ως ερευνητές. Όταν το επίπεδο σημαντικότητας αξίζει 0,05 (5%), για παράδειγμα, το επίπεδο εμπιστοσύνης είναι 0,95 (95%) και τα δύο αθροίζονται σε 1 (100%).

Μόλις καθορίσουμε το επίπεδο σημασίας, μπορούν να προκύψουν τέσσερις καταστάσεις: ότι δύο τύποι λάθη (και εδώ εμφανίζεται το σφάλμα τύπου I και το σφάλμα τύπου II) ή ότι παράγονται δύο τύποι αποφάσεων σωστός. Δηλαδή, οι τέσσερις πιθανότητες είναι:

2.1. Σωστή απόφαση (1-α)

Συνίσταται στην αποδοχή ότι η μηδενική υπόθεση (H0) είναι αυτή η αλήθεια. Δηλαδή, δεν το απορρίπτουμε, το διατηρούμε, γιατί είναι αλήθεια. Μαθηματικά θα υπολογιστεί ως εξής: 1-α (όπου α είναι το σφάλμα τύπου Ι ή το επίπεδο σημαντικότητας).

2.2. Σωστή απόφαση (1-β)

Σε αυτήν την περίπτωση, παίρνουμε επίσης μια σωστή απόφαση. Συνίσταται στην απόρριψη της μηδενικής υπόθεσης (H0) που είναι ψευδής. Ονομάζεται επίσης δύναμη δοκιμής. Υπολογίζεται: 1-β (όπου β είναι το σφάλμα τύπου II).

23. Σφάλμα τύπου Ι (α)

Το σφάλμα τύπου Ι, που ονομάζεται επίσης άλφα (α), δεσμεύεται με την απόρριψη της μηδενικής υπόθεσης (H0) που είναι αληθής. Έτσι, η πιθανότητα να γίνει ένα σφάλμα τύπου Ι είναι α, το οποίο είναι το επίπεδο σημαντικότητας που έχουμε καθορίσει για τον έλεγχο της υπόθεσής μας.

Εάν, για παράδειγμα, το α που είχαμε καθορίσει είναι 0,05, αυτό θα έδειχνε ότι είμαστε πρόθυμοι να δεχτούμε μια πιθανότητα 5% να κάνουμε λάθος όταν απορρίπτουμε τη μηδενική υπόθεση.

2.4. Σφάλμα τύπου II (β)

Το σφάλμα τύπου II ή βήτα (β) γίνεται κατά την αποδοχή της μηδενικής υπόθεσης (H0) όταν είναι ψευδής.. Δηλαδή, η πιθανότητα να γίνει σφάλμα τύπου II είναι βήτα (β), και εξαρτάται από την ισχύ του τεστ (1-β).

Για να μειώσουμε τον κίνδυνο σφάλματος τύπου II, μπορούμε να επιλέξουμε να διασφαλίσουμε ότι η δοκιμή είναι επαρκώς τροφοδοτημένη. Για να γίνει αυτό, πρέπει να διασφαλίσουμε ότι το μέγεθος του δείγματος είναι αρκετά μεγάλο ώστε να ανιχνεύσει μια διαφορά όταν υπάρχει στην πραγματικότητα.