Co to jest błąd typu II?
Błąd typu II, potocznie określany jako błąd β, to prawdopodobieństwo zachowania faktów, które są z natury błędne. Jest to błąd fałszywie dodatni, tj. Stwierdzenie jest fałszywe co do faktów i jesteśmy co do tego przekonani.
Wyjaśnienie
Błędy typu są bardzo często wykorzystywane do tworzenia hipotez i do identyfikacji rozwiązania na podstawie prawdopodobieństwa ich wystąpienia oraz do identyfikacji faktycznej korekty danych, na których została zbudowana hipoteza.
Poniżej znajduje się diagram przedstawiający tworzenie hipotezy zerowej, hipotezy alternatywnej, średniej próbki i prawdopodobieństwa błędu.
Z każdym testem, który podejmowaliśmy, zawsze istnieje prawdopodobieństwo błędu w podejmowaniu decyzji, a taka decyzja może być rodzajem błędu typu I lub typu II. Mówiąc prościej, mówimy, że podejmując decyzje, możemy odrzucić prawidłowe fakty lub przyjąć niewłaściwe fakty. Odrzucenie prawidłowego faktu jest błędem typu I, a akceptacja nieprawdziwych faktów jest błędem typu II. W świecie pracy ten błąd okazuje się bardzo niebezpieczny, ponieważ cała analiza i eksperyment okazują się błędne, ponieważ sama baza jest błędna.
Poniżej znajduje się macierz, jakiego rodzaju błędy można popełnić, jeśli fakty zostaną błędnie zaakceptowane:
| Podjęto decyzję o zatrzymaniu | Podjęto decyzję o odrzuceniu | |||
| (Pozytywne) | ( Negatywny) | |||
| Hipoteza zerowa jest prawdziwa | Prawdziwie pozytywne | Prawdziwie negatywny | ||
| (1- a) | (a) = błąd typu I. | |||
| Hipoteza zerowa jest fałszywa | Wynik fałszywie pozytywny | Fałszywie negatywny | ||
| (β) = błąd typu II | (1 - β) |
Z powyższej macierzy możemy powiedzieć, że:
- Prawidłowa hipoteza zerowa i właściwa decyzja o utrzymaniu są faktycznie pozytywną decyzją, która potwierdzi prawdziwość analizy. To jest oczekiwany wniosek z badania.
- Prawidłowa hipoteza zerowa i błędne podejmowanie decyzji o jej utrzymaniu nie okaże się owocne. Taka prawdziwie negatywna decyzja jest określana jako błąd typu 1 lub błąd.
- Niepoprawna hipoteza zerowa i niewłaściwe podejmowanie decyzji o jej zachowaniu zagrozi pełnej analizie. Nigdy nie uda się dojść do wniosku, że sama podstawa interpretacji jest błędna. Taka fałszywie pozytywna decyzja jest określana jako błąd typu II lub β.
- Niepoprawna hipoteza zerowa i błędne podejmowanie decyzji do odrzucenia są faktycznymi oczekiwaniami wynikającymi z całej analizy. Decyzje fałszywie negatywne należy odrzucać bez zastanowienia.
Przykład błędu typu II
- U ludzi kobiety mają tendencję do zachodzenia w ciążę. Jednak podczas weryfikacji lekarz błędnie rozpoznaje mężczyznę jako w ciąży. Jest to określane jako błąd typu II, w którym sama podstawa jest błędna.
- Ponadto lekarze diagnozują kobiety jako kobiety w ciąży; jednak w rzeczywistości jest w ciąży. Nazywa się to błędem I typu, gdzie fakty są poprawne, ale jeden odrzuca to samo.
Jak występuje błąd typu II?
Różne czynniki mogą skutkować takim błędem
# 1 - Każda zmiana w populacji jest stosunkowo niewielka do wykrycia
Jeśli w samej populacji tendencja do zmian nie jest widoczna, to jakiekolwiek testowanie hipotez nie będzie w stanie znaleźć poprawnych faktów. Taki scenariusz doprowadzi do akceptacji nieprawdziwych faktów, co będzie skutkowało błędem typu II.
# 2 - Wielkość próby obejmuje bardzo małą część populacji
Próbka powinna reprezentować całą populację. Zatem jeśli próbka nie jest idealną reprezentacją populacji, jest wysoce nieprawdopodobne, że da prawidłowy obraz do analizy. Analityk nie będzie w stanie zidentyfikować prawidłowych faktów. W rezultacie analityk będzie polegał na błędnych faktach i spowoduje błąd typu II.
# 3 - Nieprawidłowy dobór próbki
Generalnie losowe pobieranie próbek jest stosowane na całym świecie, ponieważ jest uważane za jedną z najbardziej obiektywnych metod doboru próby. Jednak często prowadzi to do niewłaściwego pobierania próbek. Prowadzi to do nieprawidłowego pokrycia populacji i skutkuje błędem typu II.
Czy można uniknąć błędów typu II?
# 1 - Powtarzaj analizę, aż osiągniesz potrzebne znaczenie
Istotność określa, z jakim prawdopodobieństwem hipoteza zerowa jest faktycznie poprawna, czy nie. Na końcu całej analizy oczekuje się przyjęcia hipotezy zerowej i upewnienia się, że podane fakty są poprawne. Jednak wielokrotnie w pojedynczej analizie takie znaczenie nie może zostać osiągnięte. Taka pojedyncza analiza może skutkować błędem typu I lub II. Jeśli w powtarzalnej analizie pojawi się ten sam rodzaj danych wyjściowych, będzie można zapewnić, że nie wystąpią żadne błędy.
# 2 - Każde powtórzenie analizy, zmień rozmiar testu istotności
Jak omówiono w punkcie 1). Istotność wskazuje na stosowność hipotezy zerowej. Jeśli pod koniec pierwszego cięcia okaże się, że próbka nie jest odpowiednio pokryta, zwiększ rozmiar istotności i spróbuj powtórzyć to samo. Pomoże to w zrozumieniu zachowania i pozwoli uniknąć błędu typu II.
# 3 - Poziom alfa około 0,1 jest idealny
Generalnie alfa około 0,1 spowoduje odrzucenie hipotezy. Każde odrzucenie pozwoli na wielokrotną weryfikację. W efekcie zmniejszy się prawdopodobieństwo wystąpienia błędu. Błąd typu II występuje, gdy coś jest źle akceptowane. Jeśli nie ma zakresu akceptacji, taki błąd nie wystąpi.
Znaczenie
- Jest to bardziej niebezpieczne w porównaniu z błędem typu I.
- Każda analiza jest opracowywana na podstawie kilku niezbędnych szczegółów i kilku podstawowych założeń. W hipotezie również ostatecznie ustalimy, czy statystyka testowa jest zgodna z danym faktem, czy nie. Takie specyficzne dla testu pokaże, czy średnia próbki jest równoważna średniej populacji, czy nie.
- Z powodu pewnego rodzaju błędu w analizie hipoteza zerowa wydaje się osiągać znaczenie; wtedy zaakceptujemy fakt podany w hipotezie zerowej.
- Jednak w rzeczywistości taka zerowa hipoteza nie powinna być akceptowana. W rezultacie należy mieć dużą pewność, akceptując stwierdzenie hipotezy zerowej. Poprzez ponowną weryfikację uzyskamy większe znaczenie i poprawimy fakt.
Błąd typu I kontra błąd typu II
Poniżej przedstawiono podstawową różnicę między tymi dwoma typami błędów
| Sr No | Błąd typu I. | Błąd typu II | ||
| 1 | Występuje, gdy poprawna hipoteza zerowa nie jest akceptowana. | Występuje, gdy akceptowana jest nieprawidłowa hipoteza zerowa | ||
| 2 | Takie błędy są prawdziwie negatywne. | Takie błędy są fałszywie pozytywne | ||
| 3 | Jest oznaczony alfą. | Jest oznaczony przez Beta | ||
| 4 | Hipoteza zerowa i błąd typu 1 | Alternatywna hipoteza i błąd typu 2 | ||
| 5 | Jeśli wypadkowy efekt tego błędu jest gorszy niż błąd typu I, należy rozważyć alfa o wartości większej niż 0,10 | Jeżeli wypadkowa błędu I typu jest gorsza, należy ustawić alfa z wartością mniejszą niż 0,01. |
Wniosek
Błąd typu II to fałszywie ujemny wynik, wynikający z przyjęcia błędnej hipotezy zerowej. W praktyce taki błąd skutkuje niepowodzeniem pełnego projektu, ponieważ podstawa jest niedokładna. Taka podstawa może przypominać szczegóły, fakty lub założenia, co zagrozi pełnej analizie.
