Differenza tra errori di tipo I e di tipo II

2019

Ci sono principalmente due tipi di errori che si verificano, mentre il test di ipotesi viene eseguito, ovvero il ricercatore rifiuta H ₀, quando H ₀ è vero o accetta H ₀ quando in realtà H ₀ è falso. Quindi, il primo rappresenta l' errore di tipo I e quest'ultimo è un indicatore di errore di tipo II .

La verifica dell'ipotesi è una procedura comune; quel ricercatore usa per dimostrare la validità, che determina se un'ipotesi specifica è corretta o meno. Il risultato del test è una pietra miliare per l'accettazione o il rifiuto dell'ipotesi nulla (H ₀ ). L'ipotesi nulla è una proposizione; che non si aspetta alcuna differenza o effetto. Un'ipotesi alternativa (H ₁ ) è una premessa che si aspetta qualche differenza o effetto.

Ci sono lievi e sottili differenze tra errori di tipo I e di tipo II, che discuteremo in questo articolo.

Grafico comparativo

Base per il confronto	Errore di tipo I	Errore di tipo II
Senso	L'errore di tipo I si riferisce alla non accettazione di ipotesi che dovrebbero essere accettate.	L'errore di tipo II è l'accettazione di un'ipotesi che dovrebbe essere respinta.
Equivalente a	Falso positivo	Falso negativo
Che cos'è?	È un rifiuto scorretto di una vera ipotesi nulla.	È un'accettazione non corretta dell'ipotesi del nulla falso.
rappresenta	Un falso successo	Una signorina
Probabilità di commettere errori	Uguale al livello di significatività.	Uguale al potere del test.
Indicato da	Lettera greca 'α'	Lettera greca "β"

Definizione di errore di tipo I

Nelle statistiche, l'errore di tipo I è definito come un errore che si verifica quando i risultati del campione causano il rifiuto dell'ipotesi nulla, nonostante il fatto che sia vero. In termini semplici, l'errore di accettare l'ipotesi alternativa, quando i risultati possono essere ascritti al caso.

Conosciuto anche come errore alfa, conduce il ricercatore a dedurre che esiste una variazione tra due osservanze quando sono identiche. La probabilità di errore di tipo I è uguale al livello di significatività, che il ricercatore imposta per il suo test. Qui il livello di significatività si riferisce alle possibilità di fare errori di tipo I.

Ad esempio, supponendo sulla base dei dati, il team di ricerca di un'azienda ha concluso che oltre il 50% dei clienti totali come il nuovo servizio è stato avviato dalla società, che in realtà è inferiore al 50%.

Definizione di errore di tipo II

Quando sulla base dei dati viene accettata l'ipotesi nulla, quando è effettivamente falsa, allora questo tipo di errore è noto come Errore di tipo II. Sorge quando il ricercatore non riesce a negare l'ipotesi del falso nulla. È denotato dalla lettera greca "beta (β)" e spesso noto come errore beta.

L'errore di tipo II è il fallimento del ricercatore nel concordare un'ipotesi alternativa, sebbene sia vero. Convalida una proposizione; quello dovrebbe essere rifiutato. Il ricercatore conclude che le due osservanze sono identiche quando in realtà non lo sono.

La probabilità di fare questo errore è analoga alla potenza del test. Qui, il potere del test allude alla probabilità di rifiuto dell'ipotesi nulla, che è falsa e deve essere respinta. Con l'aumentare della dimensione del campione, aumenta anche la potenza del test, che si traduce nella riduzione del rischio di errore di tipo II.

Es. Supponiamo, sulla base dei risultati del campione, che il team di ricerca di un'organizzazione sostenga che meno del 50% dei clienti totali come il nuovo servizio è stato avviato dalla società, che in realtà è superiore al 50%.

Differenze chiave tra errore di tipo I e tipo II

I punti indicati di seguito sono sostanziali per quanto riguarda le differenze tra errore di tipo I e di tipo II:

L'errore di tipo I è un errore che si verifica quando l'esito è un rifiuto dell'ipotesi nulla che è, in effetti, vero. L'errore di tipo II si verifica quando il campione risulta nell'accettazione dell'ipotesi nulla, che in realtà è falsa.
Errore di tipo I o altrimenti noto come falsi positivi, in sostanza, il risultato positivo equivale al rifiuto dell'ipotesi nulla. Al contrario, l'errore di Tipo II è anche noto come falso negativo, vale a dire risultato negativo, porta all'accettazione dell'ipotesi nulla.
Quando l'ipotesi nulla è vera, ma erroneamente respinta, è un errore di tipo I. Al contrario, quando l'ipotesi nulla è falsa ma erroneamente accettata, è un errore di tipo II.
L'errore di tipo I tende ad affermare qualcosa che non è realmente presente, cioè è un falso successo. Al contrario, l'errore di tipo II fallisce nell'identificare qualcosa, che è presente, cioè è un errore.
La probabilità di commettere errori di tipo I è il campione come livello di significatività. Viceversa, la probabilità di commettere errore di tipo II è uguale alla potenza del test.
La lettera greca 'α' indica un errore di tipo I. A differenza dell'errore di tipo II che è indicato dalla lettera greca "β".

Possibili risultati

Conclusione

In generale, l'errore di Tipo I si manifesta quando il ricercatore nota qualche differenza, mentre in realtà non ce ne sono, mentre l'errore di tipo II sorge quando il ricercatore non rileva alcuna differenza quando in verità ce n'è uno. Il verificarsi dei due tipi di errori è molto comune in quanto fanno parte del processo di test. Questi due errori non possono essere rimossi completamente ma possono essere ridotti ad un certo livello.