Det er primært to typer feil som oppstår, mens hypotesetesting utføres, dvs. enten forsker avviser H0, når H0 er sant, eller han / hun aksepterer H0 når i virkeligheten H0 er falsk. Så representerer den tidligere type I-feil og sistnevnte er en indikator på type II feil.
Testingen av hypotesen er en vanlig prosedyre; denne forskeren bruker til å bevise gyldigheten, som bestemmer om en bestemt hypotese er riktig eller ikke. Resultatet av testing er en hjørnestein for å akseptere eller avvise nullhypotesen (H0). Null hypotesen er et forslag; det forventer ingen forskjell eller effekt. En alternativ hypotese (H1) er en premiss som forventer noe forskjell eller effekt.
Det er små og subtile forskjeller mellom type I og type II-feil, som vi skal diskutere i denne artikkelen.
Grunnlag for sammenligning | Skriv I-feil | Type II Feil |
---|---|---|
Betydning | Type I-feilen refererer til ikke-aksept av hypotesen som bør aksepteres. | Type II-feil er aksept av hypotesen som bør avvises. |
Tilsvarende | Falsk positiv | Falsk negativ |
Hva er det? | Det er feil avvisning av ekte null hypotesen. | Det er feilaktig aksept av falsk nullhypotesen. |
representerer | En falsk treff | En savner |
Sannsynlighet for å begå feil | Ligner nivået av betydning. | Ligner testens kraft. |
Indikert av | Gresk bokstav 'a' | Gresk bokstav 'β' |
I statistikk er type I-feil definert som en feil som oppstår når prøvesultatene forårsaker avvisning av nullhypotesen, til tross for at det er sant. Enkelt sagt, feilen av å godta den alternative hypotesen, når resultatene kan tilskrives sjansen.
Også kjent som alfafeilen, fører forskeren til å konkludere at det er en variasjon mellom to observasjoner når de er identiske. Sannsynligheten for type I-feil, er lik nivået av betydning som forskeren setter for sin test. Her refererer nivået av betydning til sjansene for å gjøre type I-feil.
f.eks. Anta at data basert på data konkluderte med at mer enn 50% av de totale kundene som den nye tjenesten startet av selskapet, som faktisk er mindre enn 50%.
Når på grunnlag av data, er null hypotesen akseptert, når den faktisk er feil, så er denne typen feil kjent som Type II-feil. Det oppstår når forskeren unnlater å nekte den falske nullhypotesen. Det er betegnet av gresk bokstav 'beta (β)' og ofte kjent som beta-feil.
Type II-feil er feilen hos forskeren ved å godta en alternativ hypotese, selv om det er sant. Det validerer et forslag; det burde bli nektet. Forskeren konkluderer med at de to observeringene er identiske når de faktisk ikke er det.
Sannsynligheten for å gjøre en slik feil er analog med testens kraft. Her viser testens kraft til sannsynligheten for å avvise null-hypotesen, som er feil og må avvises. Når prøvestørrelsen øker, øker testen også, noe som resulterer i reduksjon i risiko for å gjøre type II-feil.
f.eks. Anta at på grunnlag av utvalgsresultater hevder en organisasjonens forskningsgruppe at mindre enn 50% av de totale kundene liker den nye tjenesten som startes av selskapet, som faktisk er over 50%.
Poengene som er gitt nedenfor er betydelige så langt som forskjellene mellom type I og type II-feil er opptatt:
I stor grad er type I-feil avgrenset når forskeren merker noen forskjell, da det faktisk ikke er noen, mens type II-feil oppstår når forskeren ikke oppdager noen forskjell når det i sannhet er en. Forekomsten av de to typer feil er svært vanlig da de er en del av testprosessen. Disse to feilene kan ikke fjernes helt, men kan reduseres til et bestemt nivå.