I ტიპის შეცდომა და II ტიპის შეცდომა: რა არის ისინი და რას მიუთითებენ სტატისტიკაში?
როდესაც ჩვენ ვატარებთ კვლევას ფსიქოლოგიაში, დასკვნის სტატისტიკის ფარგლებში ვხვდებით ორ მნიშვნელოვან ცნებას: I ტიპის შეცდომა და II ტიპის შეცდომა.. ეს წარმოიქმნება მაშინ, როდესაც ჩვენ ვასრულებთ ჰიპოთეზის ტესტებს ნულოვანი ჰიპოთეზის და ალტერნატიული ჰიპოთეზის გამოყენებით.
ამ სტატიაში ჩვენ ვნახავთ, რა არის ისინი, როდის ვასრულებთ მათ, როგორ გამოვთვალოთ ისინი და როგორ შევამციროთ ისინი.
- დაკავშირებული სტატია: "ფსიქომეტრია: ადამიანის გონების შესწავლა მონაცემების საშუალებით"
პარამეტრის შეფასების მეთოდები
დასკვნის სტატისტიკა პასუხისმგებელია პოპულაციისგან დასკვნების გამოტანაზე ან ექსტრაპოლაციაზე, ნიმუშის ინფორმაციის საფუძველზე. ანუ ის საშუალებას გვაძლევს აღვწეროთ გარკვეული ცვლადები, რომელთა შესწავლა გვინდა, პოპულაციის დონეზე.
მის შიგნით ვპოულობთ პარამეტრების შეფასების მეთოდები, რომლის მიზანია ისეთი მეთოდების მიწოდება, რომლებიც საშუალებას მოგცემთ განსაზღვროთ (გარკვეული სიზუსტით) მნიშვნელობა პარამეტრები, რომლებიც გვინდა გავაანალიზოთ, იმ მოსახლეობის შემთხვევითი ნიმუშიდან, რომელიც ჩვენ ვართ სწავლა.
პარამეტრის შეფასება შეიძლება იყოს ორი ტიპის: პუნქტუალური (როდესაც შეფასებულია პარამეტრის ერთი მნიშვნელობა უცნობი) და ინტერვალებით (როდესაც დადგენილია ნდობის ინტერვალი, სადაც პარამეტრი "დაეცემა" უცნობი). სწორედ ამ მეორე ტიპის ფარგლებში, შეფასება ინტერვალებით, ვპოულობთ ცნებებს, რომლებსაც დღეს ვაანალიზებთ: I ტიპის შეცდომა და II ტიპის შეცდომა.
I ტიპის შეცდომა და II ტიპის შეცდომა: რა არის ისინი?
I ტიპის შეცდომა და II ტიპის შეცდომაა შეცდომების ტიპები, რომლებიც შეგვიძლია დავუშვათ, როდესაც გამოძიებაში ვართ სტატისტიკური ჰიპოთეზის ჩამოყალიბებამდე (როგორიცაა ნულოვანი ჰიპოთეზა ან H0 და ალტერნატიული ჰიპოთეზა ან H1). ანუ, როდესაც ჩვენ ვახორციელებთ ჰიპოთეზის ტესტებს. მაგრამ ამ ცნებების გასაგებად, ჩვენ პირველ რიგში უნდა გავაანალიზოთ მათი გამოყენება ინტერვალის შეფასებაში.
როგორც ვნახეთ, შეფასება ინტერვალებით ეფუძნება კრიტიკულ რეგიონს პარამეტრიდან ნულოვანი ჰიპოთეზა (H0), რომელსაც ჩვენ ვთავაზობთ, ისევე როგორც ნდობის ინტერვალის შემფასებელიდან ნიმუში.
ანუ მიზანი არის დაადგინეთ მათემატიკური ინტერვალი, სადაც დაეცემა პარამეტრი, რომლის შესწავლა გვინდა. ამისათვის უნდა განხორციელდეს მთელი რიგი ნაბიჯები.
1. ჰიპოთეზის ფორმულირება
პირველი ნაბიჯი არის ნულოვანი ჰიპოთეზის და ალტერნატიული ჰიპოთეზის ჩამოყალიბება, რომელიც, როგორც დავინახავთ, მიგვიყვანს I ტიპის შეცდომის და II ტიპის შეცდომის ცნებებამდე.
1.1. ნულოვანი ჰიპოთეზა (H0)
ნულოვანი ჰიპოთეზა (H0) არის ჰიპოთეზა, რომელსაც მკვლევარი გვთავაზობს და რომელსაც იგი დროებით აღიარებს როგორც ჭეშმარიტს.. თქვენ შეგიძლიათ უარყოთ იგი მხოლოდ გაყალბების ან უარყოფის პროცესით.
ჩვეულებრივ, რაც კეთდება არის ეფექტის არარსებობის ან განსხვავებების არარსებობის დაფიქსირება (მაგალითად, ეს იქნებოდა აცხადებენ, რომ: „არ არსებობს განსხვავებები კოგნიტურ თერაპიასა და ქცევით თერაპიას შორის მკურნალობისას შფოთვა").
1.2. ალტერნატიული ჰიპოთეზა (H1)
მეორეს მხრივ, ალტერნატიული ჰიპოთეზა (H1) არის ნულოვანი ჰიპოთეზის ჩანაცვლების ან ჩანაცვლების კანდიდატი. ეს ჩვეულებრივ აღნიშნავს, რომ არსებობს განსხვავებები ან ეფექტი (მაგალითად, "არსებობს განსხვავებები კოგნიტურ თერაპიასა და ქცევით თერაპიას შორის შფოთვის მკურნალობისას").
- შეიძლება დაგაინტერესოთ: "კრონბახის ალფა (α): რა არის და როგორ გამოიყენება სტატისტიკაში"
2. მნიშვნელოვნების დონის განსაზღვრა ან ალფა (α)
ინტერვალის შეფასების მეორე ნაბიჯი არის განსაზღვროს მნიშვნელოვნების დონე ან ალფა (α) დონე. ამას ადგენს მკვლევარი პროცესის დასაწყისში; ეს არის შეცდომის მაქსიმალური ალბათობა, რომელსაც ვაღიარებთ ნულოვანი ჰიპოთეზის უარყოფისას.
ის ჩვეულებრივ იღებს მცირე მნიშვნელობებს, როგორიცაა 0.001, 0.01 ან 0.05. სხვა სიტყვებით რომ ვთქვათ, ეს იქნება მაქსიმალური „კაპიკი“ ან შეცდომა, რომელიც ჩვენ მზად ვართ დავუშვათ როგორც მკვლევარები. როდესაც მნიშვნელოვნების დონე არის 0.05 (5%), მაგალითად, ნდობის დონე არის 0.95 (95%) და ეს ორი ჯამდება 1-მდე (100%).
მას შემდეგ რაც დავადგინეთ მნიშვნელობის დონე, შეიძლება მოხდეს ოთხი სიტუაცია: ეს ორი ტიპი შეცდომები (და აქ მოდის I ტიპის შეცდომა და II ტიპის შეცდომა), ან ორი ტიპის გადაწყვეტილების მიღება სწორი. ანუ ოთხი ვარიანტია:
2.1. სწორი გადაწყვეტილება (1-α)
იგი შედგება ნულოვანი ჰიპოთეზის (H0) ჭეშმარიტების მიღებით. ანუ ჩვენ არ უარვყოფთ, ჩვენ ვინარჩუნებთ მას, რადგან ეს მართალია. მათემატიკურად ის გამოითვლება შემდეგნაირად: 1-α (სადაც α არის I ტიპის შეცდომა ან მნიშვნელოვნების დონე).
2.2. სწორი გადაწყვეტილება (1-β)
ამ შემთხვევაშიც სწორ გადაწყვეტილებას ვიღებთ; იგი შედგება ნულოვანი ჰიპოთეზის (H0) მცდარი ყოფნის უარყოფისგან. მას ასევე უწოდებენ ტესტის ძალას. გამოითვლება: 1-β (სადაც β არის II ტიპის შეცდომა).
23. I ტიპის შეცდომა (α)
I ტიპის შეცდომა, რომელსაც ასევე უწოდებენ ალფა (α), ჩადენილია ნულოვანი ჰიპოთეზის (H0) ჭეშმარიტების უარყოფით. ამრიგად, I ტიპის შეცდომის დაშვების ალბათობა არის α, რაც არის მნიშვნელოვნების დონე, რომელიც დავადგინეთ ჩვენი ჰიპოთეზის ტესტისთვის.
თუ, მაგალითად, α, რომელიც ჩვენ დავადგინეთ არის 0,05, ეს მიუთითებს იმაზე, რომ ჩვენ მზად ვართ მივიღოთ 5%-იანი ალბათობა იმისა, რომ ვცდებოდეთ ნულოვანი ჰიპოთეზის უარყოფისას.
2.4. II ტიპის შეცდომა (β)
II ტიპის ან ბეტა (β) შეცდომა დაშვებულია ნულოვანი ჰიპოთეზის (H0) მიღებისას, როდესაც ის მცდარია.. ანუ II ტიპის შეცდომის დაშვების ალბათობა არის ბეტა (β) და ეს დამოკიდებულია ტესტის სიმძლავრეზე (1-β).
II ტიპის შეცდომის დაშვების რისკის შესამცირებლად, ჩვენ შეგვიძლია დავრწმუნდეთ, რომ ტესტი საკმარისად იკვებება. ამისათვის ჩვენ უნდა დავრწმუნდეთ, რომ ნიმუშის ზომა არის საკმარისად დიდი, რათა აღმოაჩინოს განსხვავება, როდესაც ის რეალურად არსებობს.