Typ I-fel och typ II-fel: vad är de och vad anger de i statistiken?

När vi forskar inom psykologi, Inom inferentiell statistik finner vi två viktiga begrepp: typ I-fel och typ II-fel.. Dessa uppstår när vi utför hypotestest med en nollhypotes och en alternativ hypotes.

I den här artikeln kommer vi att se exakt vad de är, när vi begår dem, hur vi beräknar dem och hur vi kan minska dem.

• Relaterad artikel: "Psykometri: studera det mänskliga sinnet genom data"

Parameteruppskattningsmetoder

Inferentiell statistik är ansvarig för att dra eller extrapolera slutsatser från en population, baserad på information från ett urval. Det vill säga att vi kan beskriva vissa variabler som vi vill studera, på befolkningsnivå.

Inuti den finner vi parameteruppskattningsmetoder, vars mål är att tillhandahålla metoder som gör det möjligt att bestämma (med viss precision) värdet av parametrarna som vi vill analysera, från ett slumpmässigt urval av den population vi är studerar.

Parameteruppskattning kan vara av två typer: punktlig (när ett enda värde av parametern uppskattas okänd) och med intervall (när ett konfidensintervall upprättas där parametern skulle "falla" en främling). Det är inom denna andra typ, uppskattningen med intervall, som vi hittar de begrepp vi analyserar idag: typ I-fel och typ II-fel.

Typ I-fel och typ II-fel: vad är de?

Typ I-fel och typ II-fel är typer av fel som vi kan begå när vi i en utredning står före formuleringen av statistiska hypoteser (såsom nollhypotesen eller H0 och alternativhypotesen eller H1). Det vill säga när vi genomför hypoteser. Men för att förstå dessa begrepp måste vi först kontextualisera deras användning vid intervalluppskattning.

Som vi har sett är uppskattningen av intervall baserad på ett kritiskt område från parametern för nollhypotes (H0) som vi föreslår, såväl som i konfidensintervallet från skattaren av prov.

Det vill säga målet är upprätta ett matematiskt intervall där parametern vi vill studera skulle falla. För att göra detta måste en rad steg utföras.

1. Hypotesformulering

Det första steget är att formulera nollhypotesen och alternativhypotesen, som, som vi kommer att se, leder oss till begreppen typ I-fel och typ II-fel.

1.1. Nollhypotes (H0)

Nollhypotesen (H0) är den hypotes som forskaren föreslår och som han provisoriskt accepterar som sann.. Du kan bara avvisa det genom en process av förfalskning eller vederläggning.

Normalt är vad som görs att ange frånvaron av effekt eller frånvaro av skillnader (det skulle till exempel vara konstatera att: ”Det finns inga skillnader mellan kognitiv terapi och beteendeterapi vid behandling av ångest").

1.2. Alternativ hypotes (H1)

Den alternativa hypotesen (H1), å andra sidan, är kandidaten att ersätta eller ersätta nollhypotesen. Detta brukar säga att det finns skillnader eller effekt (till exempel "Det finns skillnader mellan kognitiv terapi och beteendeterapi vid behandling av ångest").

• Du kanske är intresserad av: "Cronbachs alfa (α): vad det är och hur det används i statistik"

2. Bestämning av signifikansnivå eller alfa (α)

Det andra steget i intervalluppskattning är bestämma signifikansnivån eller alfa(α)-nivån. Detta ställs in av forskaren i början av processen; det är den maximala sannolikheten för fel som vi accepterar att begå när vi förkastar nollhypotesen.

Det tar vanligtvis små värden, som 0,001, 0,01 eller 0,05. Med andra ord skulle det vara det maximala "taket" eller felet som vi är villiga att göra som forskare. När signifikansnivån är värd 0,05 (5%), till exempel, är konfidensnivån 0,95 (95%), och de två summerar till 1 (100%).

När vi väl har fastställt signifikansnivån kan fyra situationer uppstå: att två typer av fel (och det är här typ I-felet och typ II-felet kommer in), eller att två typer av beslut tas fram korrekt. Det vill säga de fyra möjligheterna är:

2.1. Rätt beslut (1-α)

Det består i att acceptera att nollhypotesen (H0) är denna sann. Det vill säga, vi förkastar det inte, vi upprätthåller det, för det är sant. Matematiskt skulle det beräknas enligt följande: 1-α (där α är typ I-felet eller signifikansnivån).

2.2. Rätt beslut (1-β)

I det här fallet fattar vi också ett korrekt beslut; Den består i att förkasta nollhypotesen (H0) som är falsk. Kallas även power of test. Det beräknas: 1-β (där β är typ II-felet).

23. Typ I-fel (α)

Typ I-felet, även kallat alfa (α), begås genom att förkasta nollhypotesen (H0) är detta sant. Sannolikheten att göra ett typ I-fel är alltså α, vilket är den signifikansnivå som vi har fastställt för vårt hypotestest.

Om till exempel α som vi hade fastställt är 0,05, skulle detta indikera att vi är villiga att acceptera en 5% sannolikhet att ha fel när vi förkastar nollhypotesen.

2.4. Typ II-fel (β)

Typ II- eller beta- (β)-felet görs när man accepterar nollhypotesen (H0) när den är falsk.. Det vill säga, sannolikheten för att begå ett typ II-fel är beta (β), och det beror på testets styrka (1-β).

För att minska risken för att göra ett typ II-fel kan vi välja att säkerställa att testet är tillräckligt kraftfullt. För att göra detta måste vi se till att provstorleken är tillräckligt stor för att upptäcka en skillnad när den faktiskt existerar.