Erro tipo I e erro tipo II: o que são e o que indicam nas estatísticas?

Quando fazemos pesquisas em psicologia, Dentro da estatística inferencial encontramos dois conceitos importantes: erro tipo I e erro tipo II.. Elas surgem quando estamos realizando testes de hipótese com uma hipótese nula e uma hipótese alternativa.

Neste artigo veremos exatamente o que são, quando os cometemos, como os calculamos e como podemos reduzi-los.

• Artigo relacionado: "Psicometria: estudando a mente humana através de dados"

Métodos de estimativa de parâmetros

A estatística inferencial é responsável por tirar ou extrapolar conclusões de uma população, com base nas informações de uma amostra. Ou seja, permite-nos descrever determinadas variáveis ​​que queremos estudar, ao nível da população.

Dentro dele encontramos métodos de estimativa de parâmetros, cujo objetivo é fornecer métodos que permitam determinar (com alguma precisão) o valor de os parâmetros que queremos analisar, a partir de uma amostra aleatória da população que estamos estudo.

A estimativa de parâmetro pode ser de dois tipos: pontual (quando um único valor do parâmetro é estimado desconhecido) e por intervalos (quando é estabelecido um intervalo de confiança onde o parâmetro "cairia" um estranho). É dentro deste segundo tipo, a estimação por intervalos, que encontramos os conceitos que hoje analisamos: erro tipo I e erro tipo II.

Erro tipo I e erro tipo II: o que são?

O erro tipo I e o erro tipo II são tipos de erros que podemos cometer quando em uma investigação estamos diante da formulação de hipóteses estatísticas (como a hipótese nula ou H0 e a hipótese alternativa ou H1). Ou seja, quando estamos realizando testes de hipóteses. Mas, para entender esses conceitos, devemos primeiro contextualizar seu uso na estimativa de intervalo.

Como vimos, a estimação por intervalos é baseada em uma região crítica do parâmetro do hipótese nula (H0) que propomos, bem como no intervalo de confiança do estimador do amostra.

Ou seja, o objetivo é estabelecer um intervalo matemático onde cairia o parâmetro que queremos estudar. Para fazer isso, uma série de etapas deve ser realizada.

1. Formulação de hipótese

O primeiro passo é formular a hipótese nula e a hipótese alternativa, que, como veremos, nos levará aos conceitos de erro tipo I e erro tipo II.

1.1. Hipótese nula (H0)

A hipótese nula (H0) é a hipótese que o pesquisador propõe, e que aceita provisoriamente como verdadeira.. Você só pode rejeitá-lo através de um processo de falsificação ou refutação.

Normalmente, o que se faz é afirmar a ausência de efeito ou a ausência de diferenças (por exemplo, seria afirmam que: “Não há diferenças entre a terapia cognitiva e a terapia comportamental no tratamento de ansiedade").

1.2. Hipótese alternativa (H1)

Já a hipótese alternativa (H1) é a candidata a suplantar ou substituir a hipótese nula. Isso geralmente indica que existem diferenças ou efeitos (por exemplo, "Existem diferenças entre a terapia cognitiva e a terapia comportamental no tratamento da ansiedade").

• Você pode estar interessado: "Alfa de Cronbach (α): o que é e como é usado na estatística"

2. Determinação do nível de significância ou alfa (α)

O segundo passo na estimativa de intervalo é determinar o nível de significância ou o nível alfa (α). Isso é definido pelo pesquisador no início do processo; é a probabilidade máxima de erro que aceitamos cometer ao rejeitar a hipótese nula.

Geralmente, aceita valores pequenos, como 0,001, 0,01 ou 0,05. Em outras palavras, seria o máximo “cap” ou erro que estamos dispostos a cometer como pesquisadores. Quando o nível de significância vale 0,05 (5%), por exemplo, o nível de confiança é 0,95 (95%) e os dois somam 1 (100%).

Uma vez estabelecido o nível de significância, podem ocorrer quatro situações: que dois tipos de erros (e é aqui que entram o erro tipo I e o erro tipo II), ou que dois tipos de decisões são produzidos correto. Ou seja, as quatro possibilidades são:

2.1. Decisão correta (1-α)

Consiste em aceitar a hipótese nula (H0) sendo esta verdadeira. Ou seja, não o rejeitamos, o mantemos, porque é verdadeiro. Matematicamente seria calculado da seguinte forma: 1-α (onde α é o erro tipo I ou nível de significância).

2.2. Decisão correta (1-β)

Nesse caso, também tomamos uma decisão correta; Consiste em rejeitar a hipótese nula (H0) de ser falsa. Também chamado de poder de teste. Calcula-se: 1-β (onde β é o erro tipo II).

23. Erro tipo I (α)

O erro tipo I, também chamado de alfa (α), é cometido por rejeitar a hipótese nula (H0) sendo esta verdadeira. Assim, a probabilidade de cometer um erro tipo I é α, que é o nível de significância que estabelecemos para nosso teste de hipótese.

Se, por exemplo, o α que havíamos estabelecido for 0,05, isso indicaria que estamos dispostos a aceitar uma probabilidade de 5% de estarmos errados ao rejeitar a hipótese nula.

2.4. Erro tipo II (β)

O erro tipo II ou beta (β) é cometido ao aceitar a hipótese nula (H0) quando ela é falsa.. Ou seja, a probabilidade de cometer um erro tipo II é beta (β), e depende do poder do teste (1-β).

Para reduzir o risco de cometer um erro do tipo II, podemos optar por garantir que o teste tenha poder suficiente. Para fazer isso, devemos garantir que o tamanho da amostra seja grande o suficiente para detectar uma diferença quando ela realmente existe.