Tilastollinen käytäntö hypoteesin testaus on laajalti levinnyt paitsi tilastoissa, myös luonnontieteissä ja yhteiskuntatieteissä. Kun me suorittaa hypoteesi testata siellä pari asiaa, jotka voivat mennä pieleen. On olemassa kahdenlaisia virheitä, joita rakenteellisesti ei voida välttää, ja meidän on oltava tietoisia siitä, että näitä virheitä on. Virheille annetaan tyypin I ja tyypin II varsin jalankulkijoiden nimet. Mitä ovat tyypin I ja tyypin II virheet ja miten erotamme ne toisistaan? Lyhyesti:
- Tyypin I virheitä tapahtuu, kun hylkäämme totuuden nolla hypoteesi
- Tyypin II virheitä tapahtuu, kun emme hylkää väärää nollahypoteesia
Tutkimme lisää taustaa tämäntyyppisten virheiden takana tavoitteena ymmärtää nämä lausunnot.
Hypoteesin testaus
Hypoteesitestausprosessi voi tuntua melko monipuoliselta monilla testitilastoilla. Mutta yleinen prosessi on sama. Hypoteesin testaus sisältää nollahypoteesin lausunnon ja a: n valinnan merkitsevyystaso. Nollahypoteesi on joko tosi tai epätosi ja edustaa oletusväitettä hoidolle tai toimenpiteelle. Esimerkiksi tutkittaessa lääkkeen tehokkuutta nollahypoteesi olisi, että lääkkeellä ei ole vaikutusta sairauteen.
Kun olemme laatineet nollahypoteesin ja valinneet merkityksellisyystason, saamme tietoja havainnoinnin avulla. Tilastolliset laskelmat kerro meille, pitäisikö meidän hylätä nollahypoteesi.
Ihanteellisessa maailmassa hylkäämme aina nollahypoteesin, kun se on väärä, ja emme hylkää nollahypoteesia, kun se on todella totta. Mutta on olemassa kaksi muuta mahdollista skenaariota, joista jokainen johtaa virheeseen.
Tyypin I virhe
Ensimmäiseen mahdolliseen virhevirheeseen kuuluu tosiasiallisesti totta nollahypoteesin hylkääminen. Tällaista virhettä kutsutaan tyypin I virheeksi ja sitä kutsutaan joskus ensimmäisen tyyppiseksi virheeksi.
Tyypin I virheet vastaavat vääriä positiivisia. Palatkaamme takaisin esimerkkiin lääkkeestä, jota käytetään sairauden hoitoon. Jos hylkäämme nollahypoteesin tässä tilanteessa, väitämme, että lääkkeellä on itse asiassa jonkinlainen vaikutus sairauteen. Mutta jos nollahypoteesi on totta, todellisuudessa lääke ei taistele lainkaan. Lääkkeen väitetään virheellisesti vaikuttavan positiivisesti sairauteen.
Tyypin I virheitä voidaan hallita. Alfa-arvo, joka liittyy alfa-arvoon merkitsevyystaso että valitsemallamme on suora vaikutus tyypin I virheisiin. Alfa on suurin todennäköisyys, että meillä on tyypin I virhe. 95%: n luotettavuustasolla alfan arvo on 0,05. Tämä tarkoittaa, että on 5% todennäköisyys, että hylkäämme todellisen nollahypoteesin. Pitkällä tähtäimellä yksi jokaisesta 20: lla tällä tasolla suoritettavasta hypoteesitestistä johtaa tyypin I virheeseen.
Tyypin II virhe
Muunlainen virhe, joka on mahdollinen, tapahtuu, kun emme hylkää väärää hypoteesiä. Tällaista virhettä kutsutaan tyypin II virheeksi, ja sitä kutsutaan myös toisen tyyppiseksi virheeksi.
Tyypin II virheet vastaavat vääriä negatiivisia. Millainen tyypin II virhe näyttäisi, jos ajattelemme jälleen tilannetta, jossa testaamme huumeita? Tyypin II virhe tapahtuu, jos hyväksymme, että lääkkeellä ei ole vaikutusta sairauteen, mutta todellisuudessa se teki.
Tyypin II virheen todennäköisyys annetaan kreikkalaisella beeta kirjaimella. Tämä luku liittyy hypoteesitestin voimakkuuteen tai herkkyyteen, jota merkitään 1-beetaa.
Kuinka välttää virheitä
Tyypin I ja tyypin II virheet ovat osa hypoteesin testausprosessia. Vaikka virheitä ei voida täysin poistaa, voimme minimoida yhden tyyppiset virheet.
Tyypillisesti, kun yritämme vähentää yhden tyyppisen virheen todennäköisyyttä, toisen tyypin todennäköisyys kasvaa. Voimme laskea alfa-arvon 0,05: stä 0,01: een, mikä vastaa 99% luottamustaso. Jos kaikki muu pysyy samana, tyypin II virheen todennäköisyys kasvaa melkein aina.
Hypoteesitestauksemme reaalimaailman soveltaminen määrittelee monta kertaa, hyväksymmekö paremmin tyypin I vai tyypin II virheitä. Tätä käytetään sitten suunnitellessamme tilastollista koetta.