Elsődlegesen kétféle hiba fordul elő, miközben a hipotézis tesztelését végzik, vagyis a kutató elutasítja a H-t0, amikor H0 igaz, vagy elfogadja H-t0 amikor a valóságban H0 hamis. Tehát az előbbi képviseli I. típusú hiba és ez utóbbi a II típusú hiba.
A hipotézis tesztelése általános eljárás; ezt a kutatót használja az érvényesség bizonyítására, amely meghatározza, hogy egy adott hipotézis helyes-e vagy sem. A tesztelés eredménye a nullhipotézis elfogadásának vagy elutasításának sarokköve (H0). A nullhipotézis állítás; ez nem vár különbséget vagy hatást. Alternatív hipotézis (H1) egy olyan előfeltevés, amely valamilyen különbséget vagy hatást vár.
Az I. és a II. Típusú hiba között enyhe és apró különbségek vannak, amelyeket ebben a cikkben tárgyalunk.
Az összehasonlítás alapja | I. típusú hiba | II. Típusú hiba |
---|---|---|
Jelentés | Az I. típusú hiba azon hipotézis elfogadásának elmulasztására utal, amelyet el kellene fogadni. | A II. Típusú hiba a hipotézis elfogadása, amelyet el kell utasítani. |
Egyenértékű | Álpozitív | Hamis negatív |
Mi az? | A valódi nullhipotézis helytelen elutasítása. | A téves nullhipotézis helytelen elfogadása. |
képviseli | Hamis találat | Hiányzik |
A hiba elkövetésének valószínűsége | Egyenlő a szignifikancia szintjével. | Egyenlő a teszt teljesítményével. |
Által jelzett | Görög α betű | Görög β betű |
A statisztikákban az I. típusú hibát olyan hibaként definiálják, amely akkor fordul elő, amikor a minta eredménye a nullhipotézis elutasítását eredményezi annak ellenére, hogy az igaz. Egyszerűen fogalmazva: az alternatív hipotézis elfogadásának hibája, amikor az eredményeket véletlennek lehet tulajdonítani.
Alfa hibának is nevezik, és arra vezet, hogy a kutató arra következtessen, hogy két megfigyelés között eltérések vannak, ha azok azonosak. Az I. típusú hiba valószínűsége megegyezik a szignifikancia szintjével, amelyet a kutató beállít a vizsgálatához. Itt a szignifikancia szintje az I. típusú hiba elkövetésének esélyére utal.
Például. Tegyük fel, hogy az adatok alapján egy cég kutatócsoportja arra a következtetésre jutott, hogy az ügyfelek több mint 50% -ának tetszik a vállalkozás által indított új szolgáltatás, amely valójában kevesebb mint 50%.
Ha adatok alapján elfogadják a nullhipotézist, amikor valójában hamis, akkor ezt a hibát II. Típusú hibanak nevezzük. Ez akkor merül fel, amikor a kutató nem tagadja meg a hamis nullhipotézist. Görög „béta (β)” betűvel van jelölve, és gyakran béta hibának hívják.
A II. Típusú hiba a kutató kudarca abban, hogy elfogadta az alternatív hipotézist, bár ez igaz. Érvényesíti a javaslatot; ezt el kellene utasítani. A kutató arra a következtetésre jutott, hogy a két megfigyelés azonos, ha valójában nem.
Az ilyen hiba elkövetésének valószínűsége hasonló a teszt erejéhez. Itt a teszt hatalma utal a nullhipotézis elutasításának valószínűségére, amely hamis és elutasítandó. A minta méretének növekedésével a teszt teljesítménye is növekszik, ami csökkenti a II. Típusú hiba elkerülésének kockázatát.
Például. Tegyük fel, hogy a minta eredményei alapján egy szervezet kutatócsoportja azt állítja, hogy az összes vásárló kevesebb mint 50% -ának tetszik a vállalat által indított új szolgáltatás, amely valójában több mint 50%.
Az alábbiakban megadott pontok lényegesek az I. és a II. Típusú hiba közötti különbségek tekintetében:
Az I. típusú hiba általában akkor derül ki, amikor a kutató észlel valamilyen különbséget, sőt, valójában nincs, míg a II. Típusú hiba akkor fordul elő, amikor a kutató nem fedez fel különbséget, amikor az igazságban létezik. A kétféle hiba előfordulása nagyon gyakori, mivel ezek részei a tesztelési folyamatnak. Ezt a két hibát nem lehet teljes mértékben eltávolítani, de egy bizonyos szintre csökkenthető.