Kesalahan tipe I dan kesalahan tipe II: apakah itu dan apa yang ditunjukkannya dalam statistik?

Ketika kita melakukan penelitian di bidang psikologi, Dalam statistik inferensial kami menemukan dua konsep penting: kesalahan tipe I dan kesalahan tipe II.. Ini muncul ketika kita melakukan pengujian hipotesis dengan hipotesis nol dan hipotesis alternatif.

Pada artikel ini kita akan melihat apa sebenarnya itu, kapan kita mengkomitnya, bagaimana kita menghitungnya dan bagaimana kita bisa menguranginya.

• Artikel terkait: "Psikometri: mempelajari pikiran manusia melalui data"

Metode estimasi parameter

Statistik inferensial bertanggung jawab untuk menarik atau mengekstrapolasi kesimpulan dari suatu populasi, berdasarkan informasi dari sampel. Artinya, memungkinkan kita untuk mendeskripsikan variabel-variabel tertentu yang ingin kita pelajari, pada tingkat populasi.

Di dalamnya kita temukan metode estimasi parameter, yang tujuannya adalah menyediakan metode yang memungkinkan untuk menentukan (dengan presisi tertentu) nilai dari parameter yang ingin kita analisis, dari sampel acak dari populasi kita mempelajari.

Estimasi parameter dapat terdiri dari dua jenis: tepat waktu (ketika satu nilai parameter diestimasi tidak diketahui) dan dengan interval (ketika interval kepercayaan ditetapkan di mana parameter akan "jatuh" orang asing). Di dalam tipe kedua ini, estimasi dengan interval, di mana kita menemukan konsep yang kita analisis hari ini: kesalahan tipe I dan kesalahan tipe II.

Kesalahan tipe I dan kesalahan tipe II: apakah itu?

Kesalahan tipe I dan kesalahan tipe II adalah jenis kesalahan yang dapat kita lakukan ketika dalam penyelidikan kita sebelum perumusan hipotesis statistik (seperti hipotesis nol atau H0 dan hipotesis alternatif atau H1). Artinya, saat kita sedang melakukan uji hipotesis. Tetapi untuk memahami konsep-konsep ini, pertama-tama kita harus mengontekstualisasikan penggunaannya dalam estimasi interval.

Seperti yang telah kita lihat, estimasi interval didasarkan pada wilayah kritis dari parameter hipotesis nol (H0) yang kami usulkan, serta dalam selang kepercayaan dari estimator tersebut Sampel.

Artinya, tujuannya adalah buat interval matematis di mana parameter yang ingin kita pelajari akan jatuh. Untuk melakukan ini, serangkaian langkah harus dilakukan.

1. Perumusan hipotesis

Langkah pertama adalah merumuskan hipotesis nol dan hipotesis alternatif, yang, seperti yang akan kita lihat, akan membawa kita pada konsep kesalahan tipe I dan kesalahan tipe II.

1.1. Hipotesis nol (H0)

Hipotesis nol (H0) adalah hipotesis yang diajukan peneliti, dan yang untuk sementara ia terima sebagai kebenaran.. Anda hanya bisa menolaknya melalui proses pemalsuan atau bantahan.

Biasanya, yang dilakukan adalah menyatakan tidak adanya efek atau tidak adanya perbedaan (misalnya menyatakan bahwa: “Tidak ada perbedaan antara terapi kognitif dan terapi perilaku dalam pengobatan kecemasan").

1.2. Hipotesis alternatif (H1)

Hipotesis alternatif (H1), di sisi lain, adalah kandidat untuk menggantikan atau mengganti hipotesis nol. Ini biasanya menyatakan bahwa ada perbedaan atau efek (misalnya, "Ada perbedaan antara terapi kognitif dan terapi perilaku dalam pengobatan kecemasan").

• Anda mungkin tertarik pada: "Alpha Cronbach (α): apa itu dan bagaimana itu digunakan dalam statistik"

2. Penentuan tingkat signifikansi atau alpha (α)

Langkah kedua dalam estimasi interval adalah menentukan tingkat signifikansi atau tingkat alpha (α).. Ini diatur oleh peneliti di awal proses; itu adalah probabilitas kesalahan maksimum yang kami terima untuk dilakukan ketika menolak hipotesis nol.

Biasanya dibutuhkan nilai kecil, seperti 0,001, 0,01, atau 0,05. Dengan kata lain, itu akan menjadi "batas" atau kesalahan maksimum yang ingin kami buat sebagai peneliti. Ketika tingkat signifikansi bernilai 0,05 (5%), misalnya tingkat kepercayaan adalah 0,95 (95%), dan keduanya dijumlahkan menjadi 1 (100%).

Begitu kita menetapkan tingkat signifikansi, empat situasi dapat terjadi: dua jenis itu kesalahan (dan di sinilah kesalahan tipe I dan kesalahan tipe II masuk), atau dua jenis keputusan dihasilkan benar. Artinya, keempat kemungkinan itu adalah:

2.1. Keputusan yang benar (1-α)

Ini terdiri dari menerima hipotesis nol (H0) menjadi ini benar. Artinya, kami tidak menolaknya, kami mempertahankannya, karena itu benar. Secara matematis akan dihitung sebagai berikut: 1-α (di mana α adalah kesalahan tipe I atau tingkat signifikansi).

2.2. Keputusan yang benar (1-β)

Dalam hal ini, kami juga membuat keputusan yang tepat; Ini terdiri dari menolak hipotesis nol (H0) menjadi salah. Juga disebut kekuatan uji. Dihitung: 1-β (di mana β adalah kesalahan tipe II).

23. Kesalahan tipe I (α)

Kesalahan tipe I, juga disebut alpha (α), dilakukan dengan menolak hipotesis nol (H0) menjadi ini benar. Dengan demikian, probabilitas membuat kesalahan tipe I adalah α, yang merupakan tingkat signifikansi yang telah kami tetapkan untuk uji hipotesis kami.

Jika, misalnya, α yang telah kami tetapkan adalah 0,05, ini akan menunjukkan bahwa kami bersedia menerima probabilitas 5% untuk salah ketika menolak hipotesis nol.

2.4. Kesalahan tipe II (β)

Kesalahan tipe II atau beta (β) dibuat saat menerima hipotesis nol (H0) padahal itu salah.. Artinya, kemungkinan melakukan kesalahan tipe II adalah beta (β), dan itu tergantung pada kekuatan tes (1-β).

Untuk mengurangi risiko membuat kesalahan tipe II, kami dapat memilih untuk memastikan bahwa pengujian memiliki daya yang memadai. Untuk melakukannya, kita harus memastikan bahwa ukuran sampel cukup besar untuk mendeteksi perbedaan yang sebenarnya ada.