Det finns främst två typer av fel som uppstår, medan hypotesprovning utförs, dvs antingen forskaren avvisar H0, när H0 är sant, eller han / hon accepterar H0 när i verkligheten H0 är falskt. Så representerar den förra typ I-fel och den senare är en indikator på typ II-fel.
Testningen av hypotesen är en vanlig procedur; den som använder sig för att bevisa giltigheten, som bestämmer om en specifik hypotes är korrekt eller inte. Resultatet av testning är en hörnsten för att acceptera eller avvisa nollhypotesen (H0). Nollhypotesen är ett förslag; det förväntar sig ingen skillnad eller effekt. En alternativ hypotes (H1) är en förutsättning som förväntar sig någon skillnad eller effekt.
Det finns små och subtila skillnader mellan typ I och typ II-fel, som vi kommer att diskutera i den här artikeln.
Grunder för jämförelse | Skriv I-fel | Typ II Fel |
---|---|---|
Menande | Typ I-fel hänför sig till icke-acceptans av hypotesen som borde accepteras. | Typ II-fel är acceptansen av hypotesen som borde avvisas. |
Ekvivalent med | Falskt positivt | Falskt negativ |
Vad är det? | Det är felaktigt avslag på sann nollhypotes. | Det är felaktig acceptans av falsk nullhypotes. |
Representerar | En falsk träff | En miss |
Sannolikhet att begå fel | Motsvarar nivån av betydelse. | Motsvarar testets kraft. |
Indikerat av | Grekiska bokstaven "a" | Grekiska bokstaven "β" |
I statistik definieras typ I-fel som ett fel som uppstår när provresultaten resulterar i att nollhypotesen avvisas, trots att det är sant. Enkelt uttryckt, felet att komma överens om den alternativa hypotesen, då resultaten kan tillskrivas chansen.
Också känt som alfafel, leder forskaren till att det finns en variation mellan två observationer när de är identiska. Sannolikheten för typ I-felet är lika med den nivå av betydelse som forskaren ställer för sitt test. Här avses betydelsen av chanserna att göra typ I-fel.
T.ex. Antag på grundval av data att ett företags forskningsgrupp konstaterade att mer än 50% av de totala kunderna som den nya tjänsten startade av företaget, vilket faktiskt är mindre än 50%.
När på grundval av data accepteras nollhypotesen, när den faktiskt är falsk, då är den här typen av fel känt som typ II-fel. Det uppstår när forskaren inte förnekar den falska nollhypotesen. Den betecknas med grekiska bokstaven "beta (β)" och kallas ofta betavel.
Typ II-fel är att forskaren misslyckas med att komma överens om en alternativ hypotes, även om det är sant. Det validerar ett förslag; det borde nekas. Forskaren drar slutsatsen att de två iakttagelserna är identiska när de i själva verket inte är.
Sannolikheten för att göra ett sådant fel är analogt med testets kraft. Här refererar testets kraft till sannolikheten att avvisa nollhypotesen, vilket är falskt och måste avvisas. När provstorleken ökar ökar testens kraft också, vilket resulterar i minskad risk för att typ II-fel uppstår.
T.ex. Antag på grundval av provresultatet att en organisations forskningsgrupp hävdar att mindre än 50% av de totala kunderna gillar den nya tjänsten som startats av företaget, vilket i själva verket är större än 50%.
Punkterna nedan är väsentliga så länge som skillnaderna mellan typ I och typ II-fel berörs:
I stort sett tar typ I-fel upp när forskaren märker viss skillnad, när det faktiskt finns ingen, medan typ II-fel uppstår när forskaren inte upptäcker någon skillnad när det i sannhet finns en. Förekomsten av de två typerna av fel är mycket vanligt eftersom de är en del av testprocessen. Dessa två fel kan inte tas bort helt men kan sänkas till en viss nivå.