Recommandé, 2021

Choix De L'Éditeur

Différence entre les erreurs de type I et de type II

Deux types d’erreurs se produisent principalement lors de la réalisation du test d’hypothèses: le chercheur refuse H 0, lorsque H 0 est vrai, ou il / elle accepte H 0 alors qu’en réalité, H 0 est faux. Ainsi, le premier représente une erreur de type I et le dernier est un indicateur d' erreur de type II .

Le test d'hypothèse est une procédure courante; ce chercheur utilise pour prouver la validité, qui détermine si une hypothèse spécifique est correcte ou non. Le résultat du test est la pierre angulaire de l'acceptation ou du rejet de l'hypothèse nulle (H 0 ). L'hypothèse nulle est une proposition. cela n'attend aucune différence ou effet. Une hypothèse alternative (H 1 ) est une prémisse qui attend une différence ou un effet.

Il existe de légères et subtiles différences entre les erreurs de type I et de type II, dont nous allons parler dans cet article.

Tableau de comparaison

Base de comparaisonErreur de type IErreur de type II
SensUne erreur de type I fait référence à la non-acceptation d'une hypothèse qui devrait être acceptée.L'erreur de type II est l'acceptation d'une hypothèse qui devrait être rejetée.
Équivalent àFaux positifFaux négatif
Qu'Est-ce que c'est?C'est un rejet incorrect de la véritable hypothèse nulle.C'est une acceptation incorrecte de la fausse hypothèse nulle.
ReprésenteUn faux coupUn raté
Probabilité de commettre une erreurÉgal le niveau de signification.Est égal à la puissance de test.
Indiqué parLettre grecque 'α'Lettre grecque 'β'

Définition d'erreur de type I

Dans les statistiques, l’erreur de type I est définie comme une erreur qui se produit lorsque les résultats de l’échantillon entraînent le rejet de l’hypothèse nulle, alors même qu’elle est vraie. En termes simples, l'erreur d'accepter l'hypothèse alternative, lorsque les résultats peuvent être attribués au hasard.

Également connue sous le nom d'erreur alpha, elle conduit le chercheur à déduire qu'il existe une variation entre deux observances lorsqu'elles sont identiques. La probabilité d'erreur de type I est égale au niveau de signification défini par le chercheur pour son test. Ici, le niveau de signification fait référence aux chances de commettre une erreur de type I.

Par exemple, supposons que, sur la base de données, l’équipe de recherche d’une entreprise ait conclu que plus de 50% du nombre total de clients était comparable au nouveau service créé par l’entreprise, soit en réalité moins de 50%.

Définition de l'erreur de type II

Lorsque, sur la base des données, l'hypothèse nulle est acceptée, lorsqu'elle est réellement fausse, ce type d'erreur est appelé erreur de type II. Elle survient lorsque le chercheur omet de nier la fausse hypothèse nulle. Il est désigné par la lettre grecque 'beta (β)' et est souvent appelé erreur beta.

L'erreur de type II est l'échec du chercheur à accepter une hypothèse alternative, bien qu'elle soit vraie. Cela valide une proposition. cela devrait être refusé. Le chercheur conclut que les deux observances sont identiques alors qu’elles ne le sont pas.

La probabilité de commettre une telle erreur est analogue à la puissance du test. Ici, le pouvoir du test fait allusion à la probabilité de rejet de l'hypothèse nulle, ce qui est faux et doit être rejeté. À mesure que la taille de l'échantillon augmente, la puissance du test augmente également, ce qui réduit le risque d'erreur de type II.

Par exemple, supposons que, sur la base des résultats de l'échantillon, l'équipe de recherche d'une entreprise affirme que moins de 50% du nombre total de clients est comparable au nouveau service créé par l'entreprise, ce qui est en fait supérieur à 50%.

Principales différences entre les erreurs de type I et de type II

Les points indiqués ci-dessous sont importants en ce qui concerne les différences entre les erreurs de type I et de type II:

  1. Une erreur de type I est une erreur qui se produit lorsque le résultat est un rejet de l'hypothèse nulle qui est, en réalité, vraie. Une erreur de type II se produit lorsque l’échantillon aboutit à l’acceptation de l’hypothèse nulle, ce qui est en réalité faux.
  2. Erreur de type I ou autrement connu sous le nom de faux positifs. En résumé, le résultat positif équivaut au refus de l'hypothèse nulle. En revanche, l’erreur de type II est également connue sous le nom de faux négatifs, c’est-à-dire que le résultat négatif conduit à l’acceptation de l’hypothèse nulle.
  3. Lorsque l'hypothèse nulle est vraie mais rejetée par erreur, il s'agit d'une erreur de type I. Par contre, lorsque l'hypothèse nulle est fausse mais acceptée à tort, il s'agit d'une erreur de type II.
  4. Une erreur de type I tend à affirmer quelque chose qui n’est pas vraiment présent, c’est-à-dire qu’il s’agit d’un faux succès. Au contraire, l'erreur de type II ne parvient pas à identifier quelque chose qui est présent, c'est-à-dire qu'il manque.
  5. La probabilité de commettre une erreur de type I est l’échantillon correspondant au niveau de signification. Inversement, le risque de commettre une erreur de type II est identique à la puissance du test.
  6. La lettre grecque «α» indique une erreur de type I. Contrairement à, erreur de type II qui est notée par la lettre grecque 'β'.

Résultats possibles

Conclusion

En gros, une erreur de type I survient lorsque le chercheur remarque une différence, alors qu'en réalité il n'y en a aucune, alors qu'une erreur de type II survient lorsque le chercheur ne découvre aucune différence alors qu'en réalité il en existe une. L’apparition de ces deux types d’erreurs est très courante car elles font partie du processus de test. Ces deux erreurs ne peuvent pas être supprimées complètement mais peuvent être réduites à un certain niveau.

Top