Co je chyba typu II?
Chyba typu II, běžně označovaná jako chyba β, je pravděpodobnost zachování věcného tvrzení, které je ze své podstaty nesprávné. Toto je chyba falešně pozitivního, tj. Prohlášení je fakticky falešné a my jsme za to pozitivní.
Vysvětlení
Typové chyby se velmi často používají při vytváření hypotézy a k identifikaci řešení na základě pravděpodobnosti jejich výskytu a k identifikaci věcné opravy dat, na nichž byla hypotéza strukturována.
Následuje diagram ukazující vytvoření nulové hypotézy, alternativní hypotézy, průměrné hodnoty vzorku a pravděpodobnosti chyby.
S každým testem, který jsme provedli, vždy existuje pravděpodobnost chyby v rozhodování a takové rozhodnutí může být druh chyby typu I nebo typu II. Jednoduše řečeno, říkáme, že při rozhodování můžeme odmítnout správná fakta nebo můžeme přijmout nesprávná fakta. Odmítnutí správné skutečnosti je chyba typu I a přijetí nesprávných skutečností je chyba typu II. V pracovním světě se tato chyba ukazuje jako velmi nebezpečná, protože celá analýza a experiment se mýlí, protože samotná základna je nesprávná.
Následuje matice, kterého typu chyby by se člověk mohl dopustit, pokud jsou fakta nesprávně přijata:
| Bylo rozhodnuto o zachování | Bylo přijato rozhodnutí Odmítnout | |||
| (Pozitivní) | ( Negativní) | |||
| Nulová hypotéza je pravdivá | Opravdu pozitivní | Opravdu negativní | ||
| (1- a) | (a) = Chyba typu I. | |||
| Nulová hypotéza je nepravdivá | Falešně pozitivní | Falešně negativní | ||
| (β) = Chyba typu II | (1 - β) |
Z výše uvedené matice můžeme říci, že:
- Správná nulová hypotéza a správné rozhodnutí o zachování jsou ve skutečném pozitivním rozhodnutí, které prokáže, že analýza bude pravdivá. Toto je očekávaný závěr studie.
- Správná nulová hypotéza a nesprávné rozhodování o jejím zachování se neukáže jako plodné. Takové skutečné negativní rozhodnutí se nazývá chyba typu 1 nebo chyba.
- Nesprávná nulová hypotéza a nepřesné rozhodování o její zachování ohrozí úplnou analýzu. Jeden nikdy nebude schopen dospět k závěru, že samotná interpretační základna je špatná. Takové falešně pozitivní rozhodnutí se nazývá chyba typu II nebo β.
- Nesprávná nulová hypotéza a nesprávné rozhodování o odmítnutí je skutečným očekáváním ze všech analýz. Falešná negativní rozhodnutí by měla být odmítnuta bez jakékoli další myšlenky.
Příklad chyby typu II
- U lidí mají ženy tendenci otěhotnět. Při ověřování však lékař omylem diagnostikoval muže jako těhotného. Toto se nazývá chyba typu II, kde je samotná základna špatná.
- Lékaři také diagnostikují ženy jako těhotné; ve skutečnosti je však těhotná. Toto se nazývá chyba typu I, kde jsou fakta správná, ale jedna odmítá to samé.
Jak dochází k chybě typu II?
Taková chyba může mít za následek různé faktory
# 1 - Jakákoli změna v populaci je poměrně malá k detekci
Pokud v samotné populaci není tendence ke změnám viditelná, pak jakékoli testování hypotéz nebude schopno uspokojit správná fakta. Takový scénář povede k přijetí nesprávných skutečností, což povede k chybě typu II.
# 2 - Velikost vzorku pokrývá velmi malou část populace
Vzorek by měl představovat úplnou populaci. Pokud tedy vzorek není ideálním znázorněním populace, je vysoce nepravděpodobné, že poskytne správný obraz pro analýzu. Analytik nebude schopen identifikovat správná fakta. Ve výsledku se analytik bude spoléhat na nesprávná fakta a bude mít za následek chybu typu II.
# 3 - Nesprávný výběr vzorku
Obecně se náhodný výběr používá globálně, protože je považován za jednu z nejneobjektivnějších metod výběru vzorku. Mnohokrát to však vede k nevhodnému odběru vzorků. To vede k nesprávnému pokrytí populace a vede k chybě typu II.
Lze se vyhnout chybám typu II?
# 1 - Opakujte analýzu, dokud jeden nedosáhne potřebného významu
Význam určuje, s jakou pravděpodobností je nulová hypotéza věcně správná nebo ne. Na konci veškeré analýzy lze očekávat, že přijmete nulovou hypotézu a zajistíte správnost daných faktů. Mnohokrát však pomocí jediné analýzy nelze dosáhnout takového významu. Taková jediná analýza může vést k chybě typu I nebo typu II. Pokud v opakované analýze dojde ke stejnému druhu výstupu, bude možné zajistit, aby nedocházelo k žádným chybám.
# 2 - Každé opakování analýzy, změňte velikost testu důležitosti
Jak je uvedeno v bodě 1). Význam ukazuje vhodnost nulové hypotézy. Pokud na konci prvního řezu zjistíte, že vzorek není dostatečně zakryt, zvětšete velikost významnosti a zkuste to zopakovat. To pomůže pochopit chování a člověk se bude moci vyhnout chybě typu II.
# 3 - Alfa úroveň kolem 0,1 je ideální
Obecně platí, že alfa kolem 0,1 povede k odmítnutí hypotézy. Jakékoli odmítnutí umožní vícenásobné ověření. V důsledku toho se sníží pravděpodobnost výskytu chyby. Chyba typu II nastane, když je něco nesprávně přijato. Pokud neexistuje žádný rozsah přijetí, k takové chybě nedojde.
Důležitost
- Je to nebezpečnější ve srovnání s chybou typu I.
- Jakákoli analýza se rozpracovává na několika nezbytných detailech a několika základních předpokladech. V hypotéze také nakonec určíme, zda je statistika testu v souladu s danou skutečností, či nikoli. Takový test specifický zobrazí, zda průměr vzorku je ekvivalentní s průměrem populace nebo ne.
- Kvůli nějaké chybě v analýze se zdá, že nulová hypotéza nabývá na důležitosti; pak člověk přijme skutečnost uvedenou v Nulové hypotéze.
- Ve skutečnosti by však takováto nulová hypotéza neměla být přijata. Výsledkem je, že si člověk musí být vysoce jistý, když akceptuje prohlášení o nulové hypotéze. Opětovným ověřením získáte lepší význam, který zvýší správnost skutečnosti.
Chyba typu I proti chybě typu II
Následuje základní rozdíl mezi těmito dvěma typy chyb
| Sr č | Chyba typu I. | Chyba typu II | ||
| 1 | Nastává, když není přijata správná nulová hypotéza. | Nastává, když je přijímána nesprávná nulová hypotéza | ||
| 2 | Takové chyby jsou skutečně negativní. | Takové chyby jsou falešně pozitivní | ||
| 3 | Je označen alfou. | Označuje to Beta | ||
| 4 | Nulová hypotéza a chyba typu 1 | Alternativní hypotéza a chyba typu 2 | ||
| 5 | Pokud je výsledný efekt této chyby horší než chyba typu I, měl by se zvážit alfa s hodnotou vyšší než 0,10 | Pokud je výslednice chyby typu I horší, měl by se nastavit alfa s hodnotou nižší než 0,01. |
Závěr
Chyba typu II je falešně negativní, výsledný efekt přijetí nesprávné nulové hypotézy. V praktickém světě má tato chyba za následek selhání celého projektu, protože základna je nepřesná. Takový základ může být jako podrobnosti, fakta nebo předpoklady, které ohrozí úplnou analýzu.
