Der Unterschied zwischen Fehlern vom Typ I und Typ II beim Testen von Hypothesen

C. K. Taylor

Die statistische Praxis von Hypothesentest ist nicht nur in der Statistik, sondern auch in den Natur- und Sozialwissenschaften weit verbreitet. Wenn wir eine Hypothese aufstellen Testen Sie dort ein paar Dinge, die schief gehen könnten. Es gibt zwei Arten von Fehlern, die nicht vermieden werden können, und wir müssen uns bewusst sein, dass diese Fehler existieren. Die Fehler erhalten die recht profanen Namen Fehler vom Typ I und Typ II. Was sind Fehler vom Typ I und Typ II und wie unterscheiden wir sie? Knapp:

• Fehler 1. Art treten auf, wenn wir ein wahres zurückweisen Nullhypothese
• Fehler 2. Art treten auf, wenn wir eine falsche Nullhypothese nicht zurückweisen

Wir werden mehr Hintergrund hinter diesen Arten von Fehlern untersuchen, um diese Aussagen zu verstehen.

Hypothesentest

Der Prozess der Hypothesenprüfung kann mit einer Vielzahl von Teststatistiken sehr unterschiedlich erscheinen. Aber der allgemeine Prozess ist derselbe. Hypothesentest beinhaltet die Aufstellung einer Nullhypothese und die Auswahl von aSignifikanzniveau. Die Nullhypothese ist entweder wahr oder falsch und stellt den Standardanspruch für eine Behandlung oder ein Verfahren dar. Beispielsweise würde bei der Untersuchung der Wirksamkeit eines Medikaments die Nullhypothese lauten, dass das Medikament keine Wirkung auf eine Krankheit hat.

Nachdem wir die Nullhypothese formuliert und ein Signifikanzniveau gewählt haben, erfassen wir Daten durch Beobachtung. Statistische Berechnungen sagen Sie uns, ob wir die Nullhypothese verwerfen sollen oder nicht.

In einer idealen Welt würden wir die Nullhypothese immer ablehnen, wenn sie falsch ist, und wir würden die Nullhypothese nicht ablehnen, wenn sie tatsächlich wahr ist. Es sind jedoch zwei weitere Szenarien möglich, die jeweils zu einem Fehler führen.

Typ-I-Fehler

Die erste mögliche Fehlerart ist die Ablehnung einer tatsächlich wahrheitsgetreuen Nullhypothese. Diese Art von Fehler wird als Typ-I-Fehler bezeichnet und wird manchmal als Fehler der ersten Art bezeichnet.

Fehler 1. Art sind äquivalent zu Fehlalarmen. Kommen wir noch einmal auf das Beispiel eines Medikaments zurück, das zur Behandlung einer Krankheit eingesetzt wird. Wenn wir in dieser Situation die Nullhypothese ablehnen, dann behaupten wir, dass das Medikament tatsächlich eine gewisse Wirkung auf eine Krankheit hat. Aber wenn die Nullhypothese wahr ist, dann bekämpft das Medikament die Krankheit in Wirklichkeit überhaupt nicht. Dem Medikament wird fälschlicherweise eine positive Wirkung auf eine Krankheit nachgesagt.

Fehler vom Typ I können kontrolliert werden. Der Wert von Alpha, der sich auf die bezieht Signifikanzniveau die wir ausgewählt haben, hat einen direkten Einfluss auf Fehler 1. Art. Alpha ist die maximale Wahrscheinlichkeit, dass wir einen Fehler erster Art haben. Für ein Konfidenzniveau von 95 % ist die Wert von Alpha ist 0,05. Das bedeutet, dass wir eine wahre Nullhypothese mit einer Wahrscheinlichkeit von 5 % ablehnen. Langfristig wird einer von zwanzig Hypothesentests, die wir auf dieser Ebene durchführen, zu einem Fehler erster Art führen.

Fehler 2. Art

Die andere mögliche Fehlerart tritt auf, wenn wir eine falsche Nullhypothese nicht zurückweisen. Diese Art von Fehler wird als Fehler 2. Art bezeichnet und wird auch als Fehler zweiter Art bezeichnet.

Fehler vom Typ II sind äquivalent zu falsch negativen Ergebnissen. Wenn wir noch einmal an das Szenario zurückdenken, in dem wir ein Medikament testen, wie würde ein Fehler 2. Art aussehen? Ein Typ-II-Fehler würde auftreten, wenn wir akzeptieren würden, dass das Medikament keine Wirkung auf eine Krankheit hat, aber in Wirklichkeit hatte es eine Wirkung.

Die Wahrscheinlichkeit eines Fehlers 2. Art wird durch den griechischen Buchstaben Beta angegeben. Diese Zahl bezieht sich auf die Stärke oder Sensitivität des Hypothesentests, bezeichnet mit 1 – Beta.

So vermeiden Sie Fehler

Fehler vom Typ I und Typ II sind Teil des Prozesses des Hypothesentests. Obwohl die Fehler nicht vollständig ausgeschlossen werden können, können wir eine Fehlerart minimieren.

Wenn wir versuchen, die Wahrscheinlichkeit für einen Fehlertyp zu verringern, steigt normalerweise die Wahrscheinlichkeit für den anderen Typ. Wir könnten den Alpha-Wert von 0,05 auf 0,01 verringern, was 99 % entspricht. Maß an Vertrauen . Wenn jedoch alles andere gleich bleibt, steigt die Wahrscheinlichkeit eines Fehlers 2. Art fast immer.

Oft wird die reale Anwendung unseres Hypothesentests bestimmen, ob wir Fehler vom Typ I oder vom Typ II eher akzeptieren. Dies wird dann verwendet, wenn wir unser statistisches Experiment entwerfen.