Tipo i e tipo ii erros nos testes de hipóteses
O resultado de um teste estatístico é uma decisão de aceitar ou rejeitar H0
(A hipótese nula) em favor de HAlt (A hipótese alternativa). porque H0 pertence à população, é verdadeira ou falsa para a população que está a amostragem de. Você nunca pode saber o que a verdade é, mas uma verdade objetiva está lá fora, no entanto.Video: Erros tipo 1
A verdade pode ser uma de duas coisas, e sua conclusão é uma das duas coisas, então quatro situações diferentes são possível- estas são muitas vezes retratado em uma mesa de quatro vezes.
Video: Error tipo II
Aqui estão as quatro coisas que podem acontecer quando você executar um teste de significância estatística em seus dados (usando um exemplo de testar uma droga para a eficácia):
Você pode obter uma nonsignificant resultar quando não há verdadeiramente não efectuar presente. Isso é correto - você não quer afirmar que uma droga funciona se ele realmente não faz. (Ver o canto superior esquerdo da caixa delineada na figura).
Você pode obter uma significativo resultar quando há verdadeiramente é algum efeito presente. Isso é correto - você quer reivindicar que uma droga funciona quando ele realmente faz. (Ver o canto inferior direito da caixa delineada na figura).
Você pode obter uma significativo resultar quando há verdadeiramente não efectuar presente. Este é um erro Tipo I - que foi enganado por flutuações aleatórias que fizeram uma droga realmente inútil parecem ser eficazes. (Ver o canto inferior esquerdo da caixa delineada na figura).
Sua empresa vai investir milhões de dólares no desenvolvimento de uma droga que eventualmente será mostrado ser inútil. Os estatísticos usar a letra grega alfa para representar a probabilidade de fazer um erro tipo I.
Você pode obter uma nonsignificant resultar quando há verdadeiramente é um efeito presente. Este é um erro tipo II (ver no canto superior direito da caixa delineado na figura) - você não conseguiu ver que a droga realmente funciona, talvez porque o efeito foi obscurecida pelo ruído aleatório nos dados.
Desenvolvimento adicional será interrompido, ea droga milagrosa do século será expedido para a sucata, juntamente com o prémio Nobel você nunca vai conseguir. Os estatísticos usar a letra grega beta para representar a probabilidade de fazer um erro tipo II.
Video: Teste de hipótese - parte II
Limitando a sua chance de fazer uma (significância falsamente) erro de tipo I é muito fácil. Se você não quer fazer um erro tipo I mais do que 5 por cento do tempo, não declare significado a menos que o valor p é inferior a 0,05. Isso é chamado de teste ao nível de 0,05 alfa.
Se você está disposto a fazer um erro tipo I de 10 por cento do tempo, use p lt; 0,10 como seu critério de significância. Isso é muitas vezes feito em estudos “exploratórias”, onde você está mais disposto a dar o medicamento o benefício da dúvida. Por outro lado, se você está realmente com medo de erros do tipo I, uso p lt; 0.000001 como seu critério de significância, e você não vai falsamente afirmam significado mais de uma vez em um milhão.
Por que não usar sempre um pequeno nível alfa (como p lt; 0.000001) para o seu teste de significado? Porque então você quase nunca vai ter significado, mesmo se um efeito realmente está presente. Os pesquisadores não gostam de passar a vida nunca mais fazer quaisquer descobertas. Se uma droga realmente é eficaz, você deseja obter um resultado significativo quando você testá-lo.
Você precisa encontrar um equilíbrio entre o Tipo I e erros do tipo II - entre as taxas de erro alfa e beta. Se você fizer alfa muito pequeno, beta vai se tornar muito grande, e vice-versa.