Errore di tipo II (definizione, esempio) - Come si verifica?

Che cos'è un errore di tipo II?

L'errore di tipo II, comunemente indicato come errore β, è la probabilità di mantenere l'affermazione fattuale che è intrinsecamente errata. Questo è un errore di falso positivo, cioè l'affermazione è falsa di fatto e noi siamo positivi al riguardo.

Spiegazione

Gli errori di tipo sono molto comunemente usati nella creazione delle ipotesi e per identificare la soluzione in base alla probabilità che si verifichino e per identificare la correzione fattuale dei dati su cui è stata strutturata l'ipotesi.

Di seguito è riportato il diagramma che mostra la creazione dell'ipotesi nulla, dell'ipotesi alternativa, della media campionaria e della probabilità di errore.

Con ogni test che abbiamo intrapreso, esiste sempre una probabilità di errore nel processo decisionale e tale decisione può essere una sorta di errore di tipo I o di tipo II. In parole semplici, diciamo, mentre intraprendiamo il processo decisionale, potremmo rifiutare i fatti corretti, o potremmo accettare i fatti sbagliati. Il rifiuto di fatti corretti è un errore di tipo I e l'accettazione di fatti errati è un errore di tipo II. Nel mondo del lavoro, questo errore si rivela molto pericoloso perché l'intera analisi e l'esperimento si rivelano sbagliati come la base stessa è sbagliata.

Di seguito è riportata la matrice del tipo di errore che si potrebbe commettere se i fatti sono erroneamente accettati:

		È stata presa la decisione di conservare		È stata presa la decisione di rifiutare
		(Positivo)		(Negativo)
L'ipotesi nulla è vera		Vero positivo		Vero negativo
		(1- a)		(a) = Errore di tipo I.
L'ipotesi nulla è falsa		Falso positivo		Falso negativo
		(β) = Errore di tipo II		(1 - β)

Dalla matrice sopra, possiamo dire che:

1. L'ipotesi nulla corretta e la decisione corretta di ritenere sono in una decisione positiva effettiva che dimostrerà che l'analisi è vera. Questa è la conclusione prevista dello studio.
2. La corretta ipotesi nulla e il processo decisionale errato per mantenerla non si dimostreranno fruttuosi. Una tale decisione True Negative viene definita errore di tipo 1 o errore.
3. Ipotesi nulla errata e un processo decisionale impreciso per mantenerla comprometteranno l'analisi completa. Non si potrà mai arrivare a una conclusione in cui la base stessa dell'interpretazione è sbagliata. Una tale decisione falsa positiva è definita errore di tipo II o β.
4. L'ipotesi nulla errata e il processo decisionale errato per rifiutare sono l'aspettativa effettiva da tutta l'analisi. Le decisioni false negative dovrebbero essere rifiutate senza pensarci due volte.

Esempio di errore di tipo II

• Negli esseri umani, le donne tendono a rimanere incinte. Tuttavia, durante la verifica, il medico diagnostica erroneamente un uomo come incinta. Questo è definito come errore di tipo II, dove la base stessa è sbagliata.
• Inoltre, i medici diagnosticano le donne come non incinte; tuttavia, in realtà, è incinta. Questo è definito come errore di tipo I, dove i fatti sono corretti, ma si rifiuta lo stesso.

Come si verifica l'errore di tipo II?

Vari fattori possono provocare un tale errore

# 1 - Qualsiasi cambiamento nella popolazione è relativamente molto piccolo da rilevare

Se nella popolazione stessa la tendenza al cambiamento non è visibile, allora qualsiasi verifica di ipotesi non sarà in grado di soddisfare i fatti corretti. Un tale scenario porterà all'accettazione di fatti errati, che si tradurrà in un errore di tipo II.

# 2 - La dimensione del campione copre una porzione molto piccola della popolazione

Il campione dovrebbe rappresentare la popolazione completa. Pertanto, se il campione non è una rappresentazione ideale della popolazione, è altamente improbabile che fornisca il quadro corretto per l'analisi. L'analista non sarà in grado di identificare i fatti corretti. Di conseguenza, un analista si baserà su fatti sbagliati e si tradurrà in un errore di tipo II.

# 3 - Selezione del campione errata

Generalmente, il campionamento casuale viene utilizzato a livello globale, poiché è considerato uno dei metodi di selezione del campione più imparziali. Tuttavia, molte volte, risulta in una raccolta inappropriata dei campioni. Ciò porta a una copertura errata della popolazione e si traduce in errore di tipo II.

È possibile evitare errori di tipo II?

# 1 - Ripeti l'analisi fino a raggiungere il significato richiesto

La significatività specifica con quale probabilità l'ipotesi nulla è effettivamente corretta o meno. Alla fine di ogni analisi, ci si aspetta di accettare l'ipotesi nulla e di assicurarsi che i fatti dati siano corretti. Tuttavia, molte volte con una singola analisi, tale significato non può essere raggiunto. Una tale analisi singola può generare errori di tipo I o II. Se nell'analisi ripetitiva si ottiene lo stesso tipo di output, sarà possibile garantire che non si verifichino errori.

# 2 - Ogni ripetizione dell'analisi, cambia la dimensione del test di significatività

Come discusso al punto 1). La significatività mostra l'adeguatezza dell'ipotesi nulla. Se alla fine del primo taglio si scopre che il campione non viene adeguatamente coperto, aumentare la dimensione di significatività e provare a ripetere lo stesso. Ciò aiuterà a comprendere il comportamento e si sarà in grado di evitare un errore di tipo II.

# 3 - Il livello alfa intorno a 0,1 è quello ideale

Generalmente, alfa intorno a 0,1 comporterà il rifiuto dell'ipotesi. Qualsiasi rifiuto consentirà più verifiche. Di conseguenza, le possibilità che si verifichino errori si ridurranno. L'errore di tipo II si verifica quando qualcosa viene accettato erroneamente. Se non esiste un ambito di accettazione, tale errore non si verificherà.

Importanza

• È più pericoloso rispetto all'errore di tipo I.
• Qualsiasi analisi viene elaborata su alcuni dettagli necessari e alcune ipotesi di fondo. Anche nell'ipotesi, alla fine, si determinerà se la statistica del test è in linea con il dato di fatto oppure no. Tale test specifico mostrerà se la media del campione è equivalente o meno alla media della popolazione.
• A causa di qualche tipo di errore nell'analisi, l'ipotesi nulla sembra raggiungere un significato; quindi, si accetterà il fatto dato nell'ipotesi nulla.
• Tuttavia, in realtà una tale ipotesi nulla non dovrebbe essere accettata. Di conseguenza, è necessario essere altamente sicuri mentre si accetta l'affermazione dell'ipotesi nulla. Verificandolo di nuovo, si otterrà un significato migliore aumenterà la correttezza dei fatti.

Errore di tipo I vs errore di tipo II

Di seguito sono riportate le differenze fondamentali tra i due tipi di errore

Sr No		Errore di tipo I.		Errore di tipo II
1		Si verifica quando l'ipotesi nulla corretta non viene accettata.		Si verifica quando viene accettata un'ipotesi nulla errata
2		Tali errori sono veri negativi.		Tali errori sono falsi positivi
3		È indicato con alfa.		È indicato da Beta
4		Ipotesi nulla e errore di tipo 1		Ipotesi alternativa ed errore di tipo 2
5		Se l'effetto risultante di questo errore è peggiore di un errore di tipo I, si dovrebbe considerare alfa con un valore maggiore di 0,10		Se la risultante di un errore di tipo I è peggiore, è necessario impostare alfa con un valore inferiore a 0,01.

Conclusione

L'errore di tipo II è un falso negativo, l'effetto risultante dell'accettazione dell'ipotesi nulla errata. Nel mondo pratico, tale errore risulta nel fallimento dell'intero progetto poiché la base è imprecisa. Tale base può essere come dettagli, fatti o supposizioni, che metteranno a repentaglio un'analisi completa.