Đề XuấT, 2020

Editor Choice

Sự khác biệt giữa lỗi loại I và loại II

Có hai loại lỗi chủ yếu xảy ra, trong khi kiểm tra giả thuyết được thực hiện, tức là nhà nghiên cứu từ chối H 0, khi H 0 là đúng hoặc anh ta chấp nhận H 0 khi thực tế H 0 là sai. Vì vậy, cái trước đại diện cho lỗi loại I và cái sau là một chỉ báo về lỗi loại II .

Việc kiểm tra giả thuyết là một thủ tục phổ biến; nhà nghiên cứu đó sử dụng để chứng minh tính hợp lệ, điều đó quyết định liệu một giả thuyết cụ thể có đúng hay không. Kết quả của thử nghiệm là nền tảng cho việc chấp nhận hoặc bác bỏ giả thuyết khống (H 0 ). Giả thuyết null là một mệnh đề; Điều đó không mong đợi bất kỳ sự khác biệt hoặc hiệu ứng. Một giả thuyết thay thế (H 1 ) là tiền đề mong đợi một số khác biệt hoặc hiệu quả.

Có sự khác biệt nhỏ và tinh tế giữa lỗi loại I và loại II, mà chúng ta sẽ thảo luận trong bài viết này.

Biểu đồ so sánh

Cơ sở để so sánhLỗi loại ILỗi loại II
Ý nghĩaLỗi loại I đề cập đến việc không chấp nhận giả thuyết cần được chấp nhận.Lỗi loại II là sự chấp nhận giả thuyết cần được bác bỏ.
Tương đương vớiDương tính giảSai âm
Nó là gì?Đó là sự bác bỏ không chính xác của giả thuyết null thực sự.Đó là sự chấp nhận không chính xác của giả thuyết null sai.
Đại diệnMột cú đánh saiMột lỡ
Xác suất xảy ra lỗiBằng mức ý nghĩa.Bằng sức mạnh của bài kiểm tra.
Chỉ định bởiChữ cái Hy Lạp 'α'Chữ Hy Lạp 'β'

Định nghĩa lỗi loại I

Trong thống kê, lỗi loại I được định nghĩa là lỗi xảy ra khi kết quả mẫu gây ra sự bác bỏ giả thuyết khống, mặc dù thực tế là nó đúng. Nói một cách đơn giản, lỗi đồng ý với giả thuyết thay thế, khi kết quả có thể được gán cho cơ hội.

Còn được gọi là lỗi alpha, nó khiến nhà nghiên cứu suy luận rằng có sự khác biệt giữa hai quan sát khi chúng giống hệt nhau. Khả năng xảy ra lỗi loại I, bằng với mức ý nghĩa mà nhà nghiên cứu đặt ra cho thử nghiệm của mình. Ở đây mức độ quan trọng đề cập đến các cơ hội gây ra lỗi loại I.

Ví dụ: Giả sử trên cơ sở dữ liệu, nhóm nghiên cứu của một công ty đã kết luận rằng hơn 50% tổng số khách hàng thích dịch vụ mới do công ty bắt đầu, trên thực tế, chưa đến 50%.

Định nghĩa lỗi loại II

Khi trên cơ sở dữ liệu, giả thuyết null được chấp nhận, khi nó thực sự sai, thì loại lỗi này được gọi là Lỗi Loại II. Nó phát sinh khi nhà nghiên cứu không phủ nhận giả thuyết null sai. Nó được ký hiệu bằng chữ Hy Lạp 'beta ()' và thường được gọi là lỗi beta.

Lỗi loại II là sự thất bại của nhà nghiên cứu khi đồng ý với một giả thuyết thay thế, mặc dù nó là sự thật. Nó xác nhận một đề xuất; điều đó nên bị từ chối Các nhà nghiên cứu kết luận rằng hai quan sát là giống hệt nhau trong khi thực tế chúng không phải là.

Khả năng gây ra lỗi như vậy là tương tự như sức mạnh của bài kiểm tra. Ở đây, sức mạnh của thử nghiệm ám chỉ đến xác suất bác bỏ giả thuyết khống, đó là sai và cần phải bị bác bỏ. Khi kích thước mẫu tăng, sức mạnh của thử nghiệm cũng tăng lên, điều đó dẫn đến việc giảm nguy cơ mắc lỗi loại II.

Ví dụ: Giả sử trên cơ sở kết quả mẫu, nhóm nghiên cứu của một tổ chức tuyên bố rằng ít hơn 50% tổng số khách hàng thích dịch vụ mới do công ty bắt đầu, trên thực tế, lớn hơn 50%.

Sự khác biệt chính giữa Lỗi loại I và loại II

Các điểm được đưa ra dưới đây là đáng kể cho đến khi có sự khác biệt giữa lỗi loại I và loại II:

  1. Lỗi loại I là một lỗi xảy ra khi kết quả là sự bác bỏ giả thuyết khống, thực tế là đúng. Lỗi loại II xảy ra khi mẫu dẫn đến việc chấp nhận giả thuyết null, thực tế là sai.
  2. Lỗi loại I hay còn gọi là dương tính giả, về bản chất, kết quả dương tính tương đương với sự từ chối của giả thuyết khống. Ngược lại, lỗi Loại II còn được gọi là lỗi âm, nghĩa là kết quả âm tính, dẫn đến sự chấp nhận giả thuyết khống.
  3. Khi giả thuyết null là đúng nhưng bị từ chối nhầm, đó là lỗi loại I. Đối với điều này, khi giả thuyết null là sai nhưng được chấp nhận sai, đó là lỗi loại II.
  4. Lỗi loại I có xu hướng khẳng định một cái gì đó không thực sự hiện diện, tức là nó là một cú đánh sai. Ngược lại, lỗi loại II không thành công trong việc xác định một cái gì đó, đó là hiện tại, tức là nó là một lỗi.
  5. Xác suất xảy ra lỗi loại I là mẫu là mức ý nghĩa. Ngược lại, khả năng phạm lỗi loại II cũng giống như khả năng của thử nghiệm.
  6. Chữ cái Hy Lạp 'α' chỉ ra lỗi loại I. Không giống như, lỗi loại II được biểu thị bằng chữ Hy Lạp ''.

Kết quả có thể xảy ra

Phần kết luận

Nhìn chung, lỗi loại I tăng lên khi nhà nghiên cứu nhận thấy một số khác biệt, trong khi thực tế, không có lỗi nào, trong khi lỗi loại II phát sinh khi nhà nghiên cứu không phát hiện ra sự khác biệt nào khi thực tế có một sự khác biệt. Sự xuất hiện của hai loại lỗi là rất phổ biến vì chúng là một phần của quá trình thử nghiệm. Hai lỗi này không thể được loại bỏ hoàn toàn nhưng có thể được giảm đến một mức nhất định.

Top