Lỗi Loại II là gì?
Lỗi loại II, thường được gọi là lỗi β, là xác suất giữ lại tuyên bố thực tế vốn dĩ không chính xác. Đây là một lỗi của sai khẳng định, tức là tuyên bố là sai sự thật và chúng tôi khẳng định về điều đó.
Giải trình
Loại Lỗi rất thường được sử dụng trong việc tạo giả thuyết và xác định giải pháp dựa trên xác suất xuất hiện của chúng và xác định sự hiệu chỉnh thực tế của dữ liệu mà giả thuyết đã được cấu trúc.
Sau đây là sơ đồ cho thấy việc tạo ra giả thuyết không, giả thuyết thay thế, trung bình mẫu và xác suất sai.
Với mọi thử nghiệm chúng tôi đã thực hiện, luôn tồn tại một xác suất sai sót trong việc ra quyết định và một quyết định như vậy có thể là một loại lỗi Loại I hoặc Loại II. Nói một cách dễ hiểu, chúng ta nói, trong khi thực hiện quyết định, chúng ta có thể từ chối sự thật đúng hoặc chúng ta có thể chấp nhận sự thật sai. Từ chối thông tin đúng là lỗi Loại I và chấp nhận thông tin không chính xác là lỗi Loại II. Trong thế giới lao động, sai số này rất nguy hiểm vì toàn bộ phân tích và thí nghiệm đều chứng minh sai vì bản thân căn cứ là sai.
Sau đây là ma trận về loại lỗi mà người ta có thể mắc phải nếu sự kiện được chấp nhận sai:
| Một quyết định đã được đưa ra để Giữ lại | Một quyết định đã được đưa đến Từ chối | |||
| ( Tích cực) | ( Tiêu cực) | |||
| Giả thuyết Null là đúng | Tích cực thực sự | Đúng phủ định | ||
| (1- a) | (a) = Lỗi loại I | |||
| Giả thuyết Null là Sai | Dương tính giả | Sai phủ định | ||
| (β) = Lỗi loại II | (1 - β) |
Từ ma trận trên, chúng ta có thể nói rằng:
- Giả thuyết Null đúng và Quyết định duy trì đúng nằm trong một quyết định tích cực thực tế sẽ chứng minh phân tích là đúng. Đây là kết luận mong đợi của nghiên cứu.
- Giả thuyết Null đúng và việc đưa ra quyết định không chính xác để duy trì nó sẽ không được chứng minh là có hiệu quả. Quyết định Phủ định Đúng như vậy được gọi là lỗi Loại 1 hoặc lỗi.
- Giả thuyết Null không chính xác và việc đưa ra quyết định không chính xác để giữ lại nó sẽ gây nguy hiểm cho phân tích đầy đủ. Người ta sẽ không bao giờ có thể đưa ra kết luận mà bản thân cơ sở giải thích là sai. Một quyết định dương tính giả như vậy được gọi là lỗi loại II hoặc β.
- Giả thuyết Null không chính xác và đưa ra quyết định không chính xác để từ chối là kỳ vọng thực tế từ tất cả các phân tích. Sai Các quyết định tiêu cực nên bị từ chối mà không cần suy nghĩ kỹ.
Ví dụ về lỗi loại II
- Ở con người, phụ nữ có xu hướng mang thai. Tuy nhiên, trong khi xác minh, bác sĩ chẩn đoán nhầm một người đàn ông đang mang thai. Đây được gọi là lỗi loại II, trong đó bản thân cơ sở là sai.
- Ngoài ra, bác sĩ chẩn đoán phụ nữ không mang thai; tuy nhiên, trên thực tế, cô ấy đang mang thai. Đây được gọi là lỗi Loại I, trong đó các dữ kiện đều đúng, nhưng một lỗi lại bác bỏ.
Lỗi loại II xảy ra như thế nào?
Các yếu tố khác nhau có thể dẫn đến lỗi như vậy
# 1 - Bất kỳ thay đổi nào trong dân số tương đối rất nhỏ để phát hiện
Nếu trong bản thân quần thể, xu hướng thay đổi không được nhìn thấy, thì bất kỳ thử nghiệm giả thuyết nào sẽ không thể phục vụ cho các dữ kiện chính xác. Một kịch bản như vậy sẽ dẫn đến việc chấp nhận các dữ kiện không chính xác, dẫn đến lỗi Loại II.
# 2 - Cỡ mẫu Bao gồm một phần rất nhỏ dân số
Mẫu phải đại diện cho tổng thể hoàn chỉnh. Do đó, nếu mẫu không phải là một đại diện lý tưởng của dân số, thì rất khó có khả năng nó sẽ đưa ra bức tranh chính xác để phân tích. Nhà phân tích sẽ không thể xác định các sự kiện chính xác. Kết quả là, một nhà phân tích sẽ dựa trên các dữ kiện sai và sẽ dẫn đến lỗi Loại II.
# 3 - Lựa chọn mẫu không chính xác
Nói chung, lấy mẫu ngẫu nhiên được sử dụng trên toàn cầu, vì nó được coi là một trong những phương pháp chọn mẫu không thiên vị nhất. Tuy nhiên, nhiều khi dẫn đến việc chọn mẫu không phù hợp. Điều này dẫn đến việc bao phủ dân số không chính xác và dẫn đến lỗi Loại II.
Có thể tránh được các lỗi loại II không?
# 1 - Lặp lại phân tích cho đến khi một người đạt được ý nghĩa cần thiết
Ý nghĩa xác định xác suất mà giả thuyết vô hiệu có đúng thực tế hay không. Khi kết thúc tất cả các phân tích, người ta phải chấp nhận Giả thuyết Vô hiệu và đảm bảo rằng các dữ kiện đã cho là đúng. Tuy nhiên, nhiều khi bằng cách phân tích đơn lẻ, không thể đạt được ý nghĩa như vậy. Một phân tích đơn lẻ như vậy có thể dẫn đến lỗi Loại I hoặc Loại II. Nếu trong phân tích lặp đi lặp lại, cùng một loại đầu ra, thì người ta sẽ có thể đảm bảo rằng không có lỗi nào xảy ra.
# 2 - Mỗi lần lặp lại phân tích, thay đổi kích thước của bài kiểm tra mức độ quan trọng
Như đã thảo luận ở điểm 1). Ý nghĩa cho thấy sự phù hợp của giả thuyết vô hiệu. Nếu ở cuối lần cắt đầu tiên, người ta nhận thấy rằng mẫu không được che phủ đầy đủ, thì hãy tăng kích thước ý nghĩa và cố gắng nhắc lại như vậy. Điều này sẽ giúp hiểu hành vi và người ta sẽ có thể tránh được lỗi Loại II.
# 3 - Mức Alpha Khoảng 0,1 là Mức Lý tưởng
Nói chung, alpha xung quanh 0,1 sẽ dẫn đến việc bác bỏ giả thuyết. Mọi sự từ chối sẽ cho phép xác minh nhiều lần. Kết quả là, khả năng xảy ra lỗi sẽ giảm. Lỗi loại II xảy ra khi bất cứ điều gì được chấp nhận sai. Nếu không có phạm vi chấp nhận, lỗi như vậy sẽ không xảy ra.
Tầm quan trọng
- Nó nguy hiểm hơn so với lỗi loại I.
- Bất kỳ phân tích nào cũng đang được thực hiện dựa trên một số chi tiết cần thiết và một số giả định cơ bản. Trong giả thuyết cũng vậy, cuối cùng, người ta sẽ xác định liệu thống kê thử nghiệm có phù hợp với thực tế đã cho hay không. Thử nghiệm cụ thể như vậy sẽ hiển thị liệu trung bình mẫu có tương đương với trung bình tổng thể hay không.
- Do một số sai sót trong phân tích, giả thuyết vô hiệu dường như đạt được mức ý nghĩa; sau đó, người ta sẽ chấp nhận một thực tế được đưa ra trong Giả thuyết vô hiệu.
- Tuy nhiên, trên thực tế, một giả thuyết vô hiệu như vậy không nên được chấp nhận. Do đó, người ta cần phải chắc chắn cao trong khi chấp nhận tuyên bố giả thuyết vô hiệu. Bằng cách xác minh lại nó, người ta sẽ nhận được ý nghĩa tốt hơn sẽ thúc đẩy tính đúng đắn của thực tế.
Lỗi loại I so với lỗi loại II
Sau đây là sự khác biệt cơ bản giữa hai loại lỗi
| Sr Không | Lỗi loại I | Lỗi loại II | ||
| 1 | Nó xảy ra khi Giả thuyết Null đúng không được chấp nhận. | Nó xảy ra khi một giả thuyết rỗng không chính xác được chấp nhận | ||
| 2 | Sai số như vậy là đúng tiêu cực. | Những lỗi như vậy là dương tính giả | ||
| 3 | Nó được ký hiệu là alpha. | Nó được ký hiệu là Beta | ||
| 4 | Giả thuyết vô hiệu và lỗi loại 1 | Giả thuyết thay thế và lỗi loại 2 | ||
| 5 | Nếu ảnh hưởng kết quả của lỗi này nặng hơn lỗi Loại I, người ta nên xem xét alpha có giá trị cao hơn 0,10 | Nếu kết quả của lỗi Loại I nặng hơn, người ta nên đặt alpha với giá trị thấp hơn 0,01. |
Phần kết luận
Lỗi loại II là âm tính giả, hậu quả của việc chấp nhận Giả thuyết Null không chính xác. Trong thế giới thực tế, sai số như vậy dẫn đến sự thất bại của dự án đầy đủ vì cơ sở là không chính xác. Cơ sở đó có thể giống như chi tiết, dữ kiện hoặc giả định, điều này sẽ gây nguy hiểm cho phân tích hoàn chỉnh.
