Помилка I типу та помилка II типу: що це таке і що вони вказують у статистиці?
Коли ми проводимо дослідження в психології, В інференціальній статистиці ми знаходимо два важливі поняття: помилка типу I та помилка типу II.. Вони виникають, коли ми виконуємо перевірку гіпотези за допомогою нульової гіпотези та альтернативної гіпотези.
У цій статті ми побачимо, що саме вони являють собою, коли ми їх фіксуємо, як ми їх обчислюємо та як ми можемо їх зменшити.
- Пов'язана стаття: "Психометрія: вивчення людського розуму за допомогою даних"
Методи оцінки параметрів
Інференційна статистика відповідає за отримання або екстраполяцію висновків із генеральної сукупності на основі інформації з вибірки. Тобто це дозволяє нам описати певні змінні, які ми хочемо вивчити, на рівні сукупності.
Всередині нього знаходимо методи оцінки параметрів, метою якого є надання методів, які дозволяють визначити (з певною точністю) значення параметри, які ми хочемо проаналізувати, з випадкової вибірки сукупності, якою ми є навчання.
Оцінка параметра може бути двох видів: пунктуальна (коли оцінюється одне значення параметра невідомо) та за інтервалами (коли встановлено довірчий інтервал, куди параметр «падає» незнайомець). Саме в цьому другому типі, оцінці за інтервалами, ми знаходимо поняття, які ми сьогодні аналізуємо: помилка типу I та помилка типу II.
Помилка типу I та помилка II типу: що це?
Помилка типу I і помилка II типу типи помилок, які ми можемо зробити, коли в розслідуванні ми знаходимося перед формулюванням статистичних гіпотез (наприклад, нульова гіпотеза або H0 та альтернативна гіпотеза або H1). Тобто, коли ми проводимо перевірку гіпотез. Але щоб зрозуміти ці концепції, ми повинні спочатку контекстуалізувати їх використання в інтервальному оцінюванні.
Як ми бачили, оцінка за інтервалами базується на критичній області параметра нульової гіпотези (H0), яку ми пропонуємо, а також у довірчому інтервалі від оцінки зразок.
Тобто мета є встановити математичний інтервал, куди потраплятиме параметр, який ми хочемо вивчити. Для цього необхідно виконати ряд кроків.
1. Формулювання гіпотези
Першим кроком є формулювання нульової гіпотези та альтернативної гіпотези, які, як ми побачимо, приведуть нас до понять помилки типу I та помилки типу II.
1.1. Нульова гіпотеза (H0)
Нульова гіпотеза (H0) - це гіпотеза, яку пропонує дослідник і яку він тимчасово приймає як істинну.. Ви можете відхилити його лише через процес фальсифікації або спростування.
Зазвичай робиться констатація відсутності ефекту або відсутності відмінностей (наприклад, було б стверджують, що: «Немає відмінностей між когнітивною терапією та поведінковою терапією в лікуванні тривога").
1.2. Альтернативна гіпотеза (H1)
Альтернативна гіпотеза (H1), з іншого боку, є кандидатом на заміну або заміну нульової гіпотези. Зазвичай тут зазначено, що існують відмінності або ефект (наприклад, «Існують відмінності між когнітивною терапією та поведінковою терапією в лікуванні тривоги»).
- Вас може зацікавити: "Альфа Кронбаха (α): що це таке і як використовується в статистиці"
2. Визначення рівня значущості або альфа (α)
Другим кроком інтервальної оцінки є визначити рівень значущості або рівень альфа (α).. Це встановлюється дослідником на початку процесу; це максимальна ймовірність помилки, яку ми приймаємо при відхиленні нульової гіпотези.
Зазвичай він приймає невеликі значення, наприклад 0,001, 0,01 або 0,05. Іншими словами, це буде максимальна «ліміт» або помилка, яку ми готові зробити як дослідники. Наприклад, коли рівень значущості становить 0,05 (5%), рівень довіри становить 0,95 (95%), і ці два разом дають 1 (100%).
Коли ми визначимо рівень значущості, можуть виникнути чотири ситуації: два типи помилок (і саме тут виникають помилки типу I та помилки типу II), або що виробляються два типи рішень правильно. Тобто є чотири можливості:
2.1. Правильне рішення (1-α)
Він полягає в прийнятті нульової гіпотези (H0), яка є істинною. Тобто ми її не відкидаємо, ми її підтримуємо, бо це правда. Математично це буде розраховано таким чином: 1-α (де α – помилка I типу або рівень значущості).
2.2. Правильне рішення (1-β)
У цьому випадку ми також приймаємо правильне рішення; Він полягає у відхиленні нульової гіпотези (H0) як хибної. Також називається потужністю тесту. Розраховується: 1-β (де β – похибка ІІ типу).
23. Помилка типу I (α)
Помилка типу I, яка також називається альфа (α), вчиняється шляхом відхилення нульової гіпотези (H0), яка є істинною. Таким чином, ймовірність помилки типу I дорівнює α, що є рівнем значущості, який ми встановили для нашої перевірки гіпотези.
Якщо, наприклад, α, яке ми встановили, дорівнює 0,05, це означатиме, що ми готові прийняти 5% ймовірність помилитися, відхиляючи нульову гіпотезу.
2.4. Помилка типу II (β)
Помилка типу II або бета (β) виникає при прийнятті нульової гіпотези (H0), коли вона хибна.. Тобто ймовірність скоєння помилки ІІ типу дорівнює бета (β) і залежить від потужності тесту (1-β).
Щоб зменшити ризик виникнення помилки типу II, ми можемо переконатися, що тест має достатню потужність. Для цього ми повинні переконатися, що розмір вибірки достатньо великий, щоб виявити різницю, коли вона насправді існує.