Статистическая практика проверка гипотезы широко распространен не только в статистике, но и во всех естественных и общественных науках. Когда мы выдвинуть гипотезу проверить там пару вещей, которые могут пойти не так. Существует два вида ошибок, которых по своей конструкции избежать невозможно, и мы должны знать, что эти ошибки существуют. Ошибкам присваиваются вполне пешеходные названия ошибок типа I и типа II. Что такое ошибки типа I и типа II и как мы различаем их? Кратко:
- Ошибки типа I происходят, когда мы отклоняем истинное нулевая гипотеза
- Ошибки типа II происходят, когда мы не можем отклонить ложную нулевую гипотезу
Мы исследуем больше предыстории за этими типами ошибок с целью понимания этих утверждений.
Проверка гипотезы
Процесс проверки гипотез может показаться довольно разнообразным с множеством тестовых статистических данных. Но общий процесс такой же. Проверка гипотезы включает в себя утверждение нулевой гипотезы и выбор уровень значимости. Нулевая гипотеза либо истинна, либо ложна и представляет требование по умолчанию для лечения или процедуры. Например, при изучении эффективности лекарственного средства, нулевая гипотеза будет заключаться в том, что лекарство не влияет на заболевание.
После формулировки нулевой гипотезы и выбора уровня значимости мы получаем данные путем наблюдения. Статистические расчеты скажите нам, должны ли мы отклонить нулевую гипотезу.
В идеальном мире мы всегда отвергаем нулевую гипотезу, когда она ложна, и мы не отвергаем нулевую гипотезу, когда она действительно верна. Но есть два других возможных сценария, каждый из которых приведет к ошибке.
Ошибка типа I
Первый тип возможных ошибок включает в себя отказ от нулевой гипотезы, которая на самом деле верна. Этот тип ошибки называется ошибкой типа I и иногда называется ошибкой первого типа.
Ошибки типа I эквивалентны ложным срабатываниям. Давайте вернемся к примеру препарата, используемого для лечения болезни. Если в этой ситуации мы отвергаем нулевую гипотезу, то мы утверждаем, что препарат действительно оказывает некоторое влияние на заболевание. Но если нулевая гипотеза верна, то на самом деле препарат вообще не борется с болезнью. Утверждается, что препарат положительно влияет на заболевание.
Ошибки типа I можно контролировать. Значение альфа, которое связано с уровень значимости То, что мы выбрали, имеет прямое отношение к ошибкам типа I. Альфа - это максимальная вероятность того, что у нас будет ошибка типа I. Для уровня достоверности 95% значение альфа 0,05. Это означает, что существует 5% вероятность того, что мы отвергнем истинную нулевую гипотезу. В конечном счете, один из каждых двадцати тестов гипотез, которые мы выполняем на этом уровне, приведет к ошибке I типа.
Ошибка типа II
Возможная ошибка другого типа возникает, когда мы не отвергаем нулевую гипотезу, которая является ложной. Этот тип ошибки называется ошибкой типа II, а также ошибкой второго типа.
Ошибки типа II эквивалентны ложным негативам. Если мы снова вспомним сценарий, в котором мы тестируем лекарство, как будет выглядеть ошибка типа II? Ошибка типа II произошла бы, если бы мы признали, что препарат не оказывал влияния на заболевание, но в действительности это имело место.
Вероятность ошибки типа II определяется греческой буквой бета. Это число связано с мощностью или чувствительностью теста гипотезы, обозначаемого 1 - бета.
Как избежать ошибок
Ошибки типа I и типа II являются частью процесса проверки гипотез. Хотя ошибки не могут быть полностью устранены, мы можем минимизировать один тип ошибки.
Обычно, когда мы пытаемся уменьшить вероятность ошибки одного типа, вероятность для другого типа увеличивается. Мы могли бы уменьшить значение альфа с 0,05 до 0,01, что соответствует 99% уровень доверия. Однако, если все остальное остается неизменным, то вероятность ошибки типа II почти всегда увеличивается.
Много раз реальное применение нашего теста гипотез будет определять, более ли мы принимаем ошибки типа I или типа II. Затем это будет использовано при разработке нашего статистического эксперимента.