가설 테스트는 일반적인 절차입니다. 그 연구원은 특정 가설이 맞는지 아닌지를 결정하는 타당성을 증명하기 위해 사용합니다. 테스트 결과는 귀무 가설을 수락하거나 거절하는 초석입니다 (H 0 ). 귀무 가설은 명제이다. 어떤 차이나 효과를 기대하지 않습니다. 대안 가설 (H 1 )은 약간의 차이 또는 효과가 예상되는 전제입니다.
유형 I 및 유형 II 오류 사이에 약간의 차이가 있습니다.이 기사에서 논의 할 내용입니다.
비교 차트
| 비교의 근거 | 유형 I 오류 | 유형 II 오류 |
|---|---|---|
| 의미 | 유형 I 오류는 받아 들여 져야만하는 가설을 수용하지 못함을 나타냅니다. | 유형 II 오류는 거절해야하는 가설의 수락이다. |
| 동등한 | 거짓 긍정 | 허위 부정 |
| 이게 뭐야? | 진정한 귀무 가설을 부정확하게 부인합니다. | 거짓 귀무 가설을 잘못 채택했다. |
| 대표하다 | 거짓 히트 | 미스 |
| 커밋 오류 확률 | 유의 수준과 동일합니다. | 테스트의 힘과 같습니다. |
| 표시된 | 그리스 문자 'α' | 그리스 문자 'β' |
유형 I 오류의 정의
통계에서 유형 I 오류는 샘플 결과가 사실이라는 사실에도 불구하고 귀무 가설을 기각 할 때 발생하는 오류로 정의됩니다. 간단히 말해서, 결과가 우연에 있다고 판단 될 때, 대체 가설에 동의하는 오류.
알파 오류라고도하며 연구원은 두 관찰이 동일 할 때 두 관찰 사이에 차이가 있음을 유추합니다. 유형 I 오류의 가능성은 연구자가 그의 시험을 위해 설정 한 유의 수준과 같습니다. 여기서 의미의 수준은 유형 I 오류를 만들 가능성을 의미합니다.
예를 들어, 데이터를 기반으로 한 연구 팀은 회사가 시작한 새로운 서비스와 같은 전체 고객 중 50 % 이상이 실제로 50 % 미만이라고 결론지었습니다.
유형 II 오류의 정의
데이터를 기반으로 귀무 가설을 수락하면 실제로 거짓 인 경우 이러한 유형의 오류를 유형 II 오류라고합니다. 연구자가 거짓 귀무 가설을 부정하지 못했을 때 발생합니다. 그리스 문자 '베타 (beta)'로 표시되며 베타 오류라고도합니다.
유형 II 오류는 사실 임에도 불구하고 대체 가설에 동의하는 연구자의 실패이다. 명제를 검증합니다. 그 사람은 거절해야합니다. 연구원은 사실 두 가지 관찰 결과가 동일하지 않을 때 두 가지 관찰 결과가 동일하다고 결론 지었다.
그러한 오류를 일으킬 가능성은 테스트의 힘과 유사합니다. 여기서 시험의 힘은 귀무 가설을 기각 할 가능성을 암시하며, 이는 거짓이며 거부되어야 할 필요가있다. 표본 크기가 커질수록 테스트의 힘이 커지므로 유형 II 오류가 발생할 위험이 줄어 듭니다.
예를 들어 표본 결과를 기반으로 한 연구팀은 회사에서 시작한 새로운 서비스와 같은 전체 고객 중 50 % 미만이 실제로는 50 % 이상이라고 주장합니다.
유형 I 및 유형 II 오류의 주요 차이점
아래에 주어진 포인트는 유형 I과 유형 II 오류의 차이에 관한 한 실질적입니다.
- 유형 I 오류는 결과가 귀무 가설을 거부 한 경우 발생하는 오류입니다. 사실은 사실입니다. Type II 오류는 샘플이 귀무 가설을 수락 할 때 발생하며 실제로 거짓입니다.
- 유형 I 오류 또는 오 탐지 (false positives)로 알려진 본질적으로 긍정적 인 결과는 귀무 가설의 거절과 동일합니다. 대조적으로, 유형 II 오류는 거짓 음성으로도 알려져 있습니다 (예 : 음성 결과). 귀무 가설을 수락합니다.
- 귀무 가설이 사실이지만 실수로 거절되면 유형 I 오류입니다. 이와 반대로 귀무 가설이 거짓이지만 잘못 받아 들여지면 유형 II 오류입니다.
- 유형 I 오류는 실제로 존재하지 않는 무언가를 주장하는 경향이 있습니다. 즉, 거짓 히트입니다. 반대로, 타입 II 오류는 무언가를 식별하는데 실패합니다. 즉, 그것은 놓친 것입니다.
- 유형 I 오류 확률은 유의 수준의 표본입니다. 반대로, 유형 II 오류를 범할 확률은 테스트의 결과와 동일합니다.
- 그리스 문자 'α'는 유형 I 오류를 나타냅니다. 달리, 그리스 문자 'β'로 표시되는 타입 II 오류.
가능한 결과
결론
전체적으로 유형 I 오류는 연구자가 사실상 아무런 차이가 없다는 사실을 알게되면 연구자가 아무런 차이가 없다는 사실을 발견 할 때 발생한다. 두 가지 종류의 오류가 발생하는 것은 테스트 프로세스의 일부이므로 매우 일반적입니다. 이 두 가지 오류는 완전히 제거 할 수 없지만 특정 수준으로 줄일 수 있습니다.
