Type I feil og type II feil: hva er de og hva indikerer de i statistikk?

Når vi forsker i psykologi, Innenfor inferensiell statistikk finner vi to viktige begreper: type I feil og type II feil.. Disse oppstår når vi utfører hypotesetester med en nullhypotese og en alternativ hypotese.

I denne artikkelen vil vi se nøyaktig hva de er, når vi forplikter dem, hvordan vi beregner dem og hvordan vi kan redusere dem.

• Relatert artikkel: "Psykometri: studere det menneskelige sinnet gjennom data"

Metoder for parameterestimering

Inferensiell statistikk er ansvarlig for å trekke eller ekstrapolere konklusjoner fra en populasjon, basert på informasjon fra et utvalg. Det vil si at det lar oss beskrive visse variabler som vi ønsker å studere, på populasjonsnivå.

Inne i den finner vi parameterestimeringsmetoder, hvis mål er å gi metoder som gjør det mulig å bestemme (med en viss presisjon) verdien av parametrene som vi ønsker å analysere, fra et tilfeldig utvalg av populasjonen vi er studerer.

Parameterestimering kan være av to typer: punktlig (når en enkelt verdi av parameteren estimeres ukjent) og etter intervaller (når et konfidensintervall er etablert der parameteren ville "falle" en fremmed). Det er innenfor denne andre typen, estimeringen etter intervaller, vi finner begrepene vi analyserer i dag: type I feil og type II feil.

Type I feil og type II feil: hva er de?

Type I feil og type II feil er typer feil som vi kan begå når vi i en undersøkelse er foran formuleringen av statistiske hypoteser (som nullhypotesen eller H0 og den alternative hypotesen eller H1). Det vil si når vi gjennomfører hypotesetester. Men for å forstå disse begrepene, må vi først kontekstualisere bruken deres i intervallestimering.

Som vi har sett, er estimeringen av intervaller basert på et kritisk område fra parameteren til nullhypotesen (H0) som vi foreslår, så vel som i konfidensintervallet fra estimatoren til prøve.

Det vil si at målet er etablere et matematisk intervall hvor parameteren vi ønsker å studere ville falle. For å gjøre dette, må en rekke trinn utføres.

1. Hypoteseformulering

Det første trinnet er å formulere nullhypotesen og den alternative hypotesen, som, som vi vil se, vil lede oss til begrepene type I feil og type II feil.

1.1. Nullhypotese (H0)

Nullhypotesen (H0) er hypotesen som forskeren foreslår, og som han foreløpig aksepterer som sann.. Du kan bare avvise det gjennom en prosess med forfalskning eller motbevisning.

Normalt er det som gjøres å angi fravær av effekt eller fravær av forskjeller (det vil for eksempel være uttale at: «Det er ingen forskjeller mellom kognitiv terapi og atferdsterapi i behandlingen av angst").

1.2. Alternativ hypotese (H1)

Den alternative hypotesen (H1) er derimot kandidaten til å erstatte eller erstatte nullhypotesen. Denne sier vanligvis at det er forskjeller eller effekt (for eksempel "Det er forskjeller mellom kognitiv terapi og atferdsterapi i behandlingen av angst").

• Du kan være interessert i: "Cronbachs alfa (α): hva det er og hvordan det brukes i statistikk"

2. Bestemmelse av signifikansnivå eller alfa (α)

Det andre trinnet i intervallestimering er bestemme signifikansnivået eller alfa (α) nivået. Dette settes av forskeren i begynnelsen av prosessen; det er den maksimale sannsynligheten for feil som vi aksepterer å begå når vi forkaster nullhypotesen.

Det tar vanligvis små verdier, for eksempel 0,001, 0,01 eller 0,05. Med andre ord, det ville være den maksimale "cap" eller feilen vi er villige til å gjøre som forskere. Når signifikansnivået er verdt 0,05 (5%), for eksempel, er konfidensnivået 0,95 (95%), og de to summerer til 1 (100%).

Når vi først har etablert betydningsnivået, kan fire situasjoner oppstå: at to typer feil (og det er her type I feil og type II feil kommer inn), eller at det produseres to typer avgjørelser riktig. Det vil si at de fire mulighetene er:

2.1. Riktig avgjørelse (1-α)

Det består i å akseptere at nullhypotesen (H0) er denne sann. Det vil si at vi ikke avviser det, vi opprettholder det, fordi det er sant. Matematisk vil det bli beregnet som følger: 1-α (hvor α er type I feil eller signifikansnivå).

2.2. Riktig avgjørelse (1-β)

I dette tilfellet tar vi også en riktig avgjørelse; Den består i å forkaste nullhypotesen (H0) som er usann. Også kalt testkraft. Det beregnes: 1-β (hvor β er type II feil).

23. Type I feil (α)

Type I-feilen, også kalt alfa (α), er begått ved å forkaste nullhypotesen (H0) er dette sant. Dermed er sannsynligheten for å gjøre en type I feil α, som er signifikansnivået som vi har etablert for vår hypotesetest.

Hvis for eksempel α som vi hadde etablert er 0,05, ville dette indikere at vi er villige til å akseptere en 5 % sannsynlighet for å ta feil når vi forkaster nullhypotesen.

2.4. Type II feil (β)

Type II eller beta (β) feilen gjøres når man aksepterer nullhypotesen (H0) når den er usann.. Det vil si at sannsynligheten for å begå en type II feil er beta (β), og den avhenger av testens kraft (1-β).

For å redusere risikoen for å gjøre en type II feil, kan vi velge å sikre at testen er tilstrekkelig drevet. For å gjøre dette må vi sørge for at prøvestørrelsen er stor nok til å oppdage en forskjell når den faktisk eksisterer.