I型错误和II型错误定义,10个差异,示例

I型错误和II型错误,10个差异

图像来源:阿布美味

类型1错误定义

  • 1型错误,在统计假设检测中,是拒绝a引起的错误零假设当它是真的。
  • 当被拒绝应该被接受的假设时,会引起1型错误。
  • I型误差用α (alpha)表示,称为误差,也称为检验的显著性水平。
  • 这种类型的错误是假阴性错误,即在测试过程中由于某些错误而拒绝原假设。
  • 无效假设被设置为两个变量之间没有关系,并且两个变量之间的因果关系,如果存在,是由偶然造成的。
  • 第一类错误发生在null假设被拒绝时,即使变量之间没有关系。
  • 由于此错误,研究人员可能最终相信,即使在没有。

第1类错误原因

  • 第一类错误是由变量以外的其他因素影响另一个变量引起的,从而导致拒绝零假设的结果。
  • 在这种情况下,结果似乎是由于某些原因而不是偶然发生的,而实际上它是由偶然造成的。
  • 在测试假设之前,将概率设定为显着性的程度,这意味着即使在真实的情况下拒绝零假设被拒绝的机会时正在测试假设。
  • 因此,第1类错误可能是由于试验前设置的机会/显著性水平,而没有考虑试验持续时间和样本量。

类型1错误的概率

  • 通常预先确定I误差误差的概率,并且被理解为测试假设的重要性。
  • 如果第一类错误固定在5%,这意味着零假设,H0,如果是真的就会被拒绝。
  • 第一类错误的比率或概率用α表示,也称为测试中的显著性水平。
  • 可以在样本的固定尺寸下减少1次误差;但是,在这样做的同时,II型错误的概率增加。
  • 在这两种错误之间存在一种权衡,即降低一种错误的概率会增加另一种错误的概率。同时减少这两种误差是不可能的。
  • 因此,根据测试的类型和性质,研究人员需要在评估错误后果后确定适当的1型错误。

第1类错误示例

  • 为此,让我们假设玩家试图找到他穿着新鞋和他团队的胜利人数之间的关系。
  • 这里,如果当他穿着新鞋时,他的队伍获胜的次数比他的队伍获胜的次数多,他可能接受备择假设并确定存在一种关系。
  • 但是,他的团队的获胜可能会受到偶然的影响,而不是他的鞋子会产生1型错误。
  • 在这种情况下,他应该接受零假设,因为团队的获胜可能会因为机会或运气而发生。

类型1和类型2错误

图像来源:阿布美味

II型错误定义

  • 第二类错误是当零假设不为真时被接受时发生的错误。
  • 简单单词,II型错误意味着当不接受时接受假设。
  • 第二类错误导致假阴性结果。
  • 换句话说,当研究人员没有足够的电力时,II型失败是未能接受替代假设的误差。
  • II型误差由β(beta)表示,并且也被称为β误差。
  • 无效假设被设置为两个变量之间没有关系,并且两个变量之间的因果关系,如果存在,是由偶然造成的。
  • 当考虑到变量之间的关系是因为机会或运气时,缺点假设是可以接受的,发生II型错误,甚至在变量之间存在关系。
  • 由于这个错误,研究人员最终可能会认为,即使假设应该成立,但它并不成立。

II型错误原因

  • II型错误的主要原因,如II型错误,是统计测试的低功率。
  • 当统计数据不够强大时,就会出现这种情况,从而导致第二类错误。
  • 其他因素,如样本量,也可能影响测试结果。
  • 当选择小样本量时,测试的两个变量之间的关系可能并不显著,即使它确实存在。
  • 研究者可能会假设这一关系是偶然的,因此拒绝替代假设,即使它是正确的。
  • 在开始测试之前,选择合适的样本大小是很重要的。

第二类错误的概率

  • 通过从1中减去测试的功率来计算提交II误差误差的概率。
  • 如果第二类误差固定在2%,这意味着零假设,H0,即使不是真的,也会被接受。
  • II型误差的速率或概率由β象征化,并且也被称为第二种类型的误差。
  • 可以通过提高显著性水平来降低第二类错误的概率。
  • 在这种情况下,拒绝零假设(即使零假设为真)的概率也会增加,从而降低在零假设不为真时接受零假设的概率。
  • 然而,由于第一类错误和第二类错误是相互关联的,减少一类错误往往会增加另一类错误的概率。
  • 因此,根据测试的性质,确定哪一个错误对测试的危害较小是很重要的。
  • ,如果错误涉及的时间和精力重新测试中使用的化学药品,应被接受而II型错误涉及到的用户数量的可能性这种药中毒,明智的做法是接受错误/ II型。

II型错误示例

  • 为此,让我们假设一个牧羊人认为村子里没有狼,他连续五个晚上整夜不睡,以确定狼的存在。
  • 如果他看到五个晚上的狼,他可能会认为村里没有狼,狼可能存在和攻击第六晚。
  • 在这种情况下,当牧羊人接受不存在狼时,第二类错误会导致他同意零假设,即使零假设不是真的。

第1类和第2类错误的图示

图:1型和类型2错误的图形表示。图像来源:https://doi.org/10.1175/BAMS-D-13-00115.1

I型错误VS类型II错误

比较的基础

I型错误

II型错误

定义 在统计假设检测中,在统计假设检测中键入1错误是由于拒绝零假设而导致的错误。

第二类错误是当零假设不为真时被接受时发生的错误。

也称为 第一类错误相当于假阳性。 II型错误相当于假阴性。
意义 这是对真实假设的错误拒绝。 它是对一个错误假设的错误接受。
象征 I型误差用α表示。 II型误差用β表示。
概率 第一类错误的概率等于显著性水平。 第二类误差的概率等于1减去测试的功率。
减少 可以通过降低显著性水平来降低。 可以通过提高显著性水平来降低。
导致 这是由运气或机会造成的。 它是由较小的样本大小或更强大的测试引起的。
它是什么? 类型I错误类似于错误命中。 第二类错误类似于失误。
假设 第一类错误与拒绝原假设有关。 第二类错误与拒绝备择假设有关。
什么时候发生? 当接受水平设置太宽度时会发生。 当接受级别设置得太严格时,会发生这种情况。

第一类错误vs第二类错误视频动画(365数据科学)

参考文献

  1. R. Kothari(1990)《研究方法论》。Vishwa Prakasan。印度。
  2. https://magoosh.com/statistics/type-i-error-definition-and-examples/
  3. https://corporatefinanceinstitute.com/resources/knowledge/other/type-ii-error/
  4. https://keydifferences.com/difference-between-type-i-and-type-ii-errors.html.

来源

  • 3% - https://www.investopedia.com/terms/t/type-ii-error.asp
  • ——https://www.thoughtco.com/null——假设的例子,609097年的1%
  • 1%——https://www.thoughtco.com/hypothesis -测试-例如- 3126384
  • 1% - https://www.stt.msu.edu/~lepage/stt200_sp10/3-1-10key.pdf
  • 1% - https://www.ncbi.nlm.nih.gov/pmc/articles/pmc2996198/
  • 1%——https://www.chegg.com/homework-help/questions-and-answers/following-table-shows-number-wins-eight-teams-football-season-also-shown-average-points-te-q13303251
  • 1%——https://stattrek.com/hypothesis-test/power-of-test.aspx
  • 1%——https://statisticsbyjim.com/hypothesis-testing/failing-reject-null-hypothesis/
  • 1%——https://simplyeducate.me/2014/05/29/what-is-a-statistically-significant-relationship-between-two-variables/
  • 1%——https://abrarrazakhan.files.wordpress.com/2014/04/mcq-testing-of-hypothesis-with-correct-answers.pdf
  • <1% - https://www.nature.com/articles/s41524-017-0047-6
  • <1% - https://www.dummies.com/education/math/statistics/understanding-type-i-and-type-ii-errors/
  • < 1%, https://www.chegg.com/homework-help/questions-and-answers/null-hypothesis-true-possibility-making-type-error-true-false-believe-s-false-want-make-su-q4115439
  • < 1%, https://stepupanalytics.com/hypothesis-testing-examples/
  • < 1%——https://statistics.laerd.com/statistical——guides/hypothesis php -测试- 3.
  • < 1%, https://mpra.ub.uni-muenchen.de/66373/1/MPRA_paper_66373.pdf
  • < 1%, https://en.wikipedia.org/wiki/Probability_of_error
  • <1% - https://educationsresearchtechniques.com/2016/02/03/016/02/03/016/02/03/type-i-d-type-ii-error/

1关于“I型错误和II型错误定义,10个差异,示例”的思考

留下你的评论

本网站使用AkisMet减少垃圾邮件。了解如何处理您的评论数据