Typ II Fehler (Definition, Beispiel) - Wie kommt es dazu?

Was ist ein Typ II-Fehler?

Typ-II-Fehler, allgemein als β-Fehler bezeichnet, ist die Wahrscheinlichkeit, die inhärent falsche Tatsachenaussage beizubehalten. Dies ist ein Fehler von falsch positiv, dh die Aussage ist sachlich falsch und wir sind positiv darüber.

Erläuterung

Typfehler werden sehr häufig verwendet, um die Hypothese zu erstellen und die Lösung anhand der Wahrscheinlichkeit ihres Auftretens zu identifizieren und um die tatsächliche Korrektur der Daten zu identifizieren, auf denen die Hypothese aufgebaut ist.

Das folgende Diagramm zeigt die Erstellung der Nullhypothese, der Alternativhypothese, des Stichprobenmittelwerts und der Fehlerwahrscheinlichkeit.

Bei jedem von uns durchgeführten Test besteht immer eine Fehlerwahrscheinlichkeit bei der Entscheidungsfindung, und eine solche Entscheidung kann eine Art Fehler vom Typ I oder Typ II sein. Mit einfachen Worten, wir sagen, während wir Entscheidungen treffen, können wir die richtigen Tatsachen ablehnen oder die falschen Tatsachen akzeptieren. Die Ablehnung korrekter Tatsachen ist ein Fehler vom Typ I, und die Annahme falscher Tatsachen ist ein Fehler vom Typ II. In der Arbeitswelt erweist sich dieser Fehler als sehr gefährlich, da sich die gesamte Analyse und das gesamte Experiment als falsch erweisen, da die Basis selbst falsch ist.

Es folgt die Matrix, welche Art von Fehler man machen könnte, wenn Tatsachen falsch akzeptiert werden:

		Eine Entscheidung wurde getroffen, um zu behalten		Es wurde beschlossen, abzulehnen
		(Positiv)		(Negativ)
Nullhypothese ist wahr		Richtig positiv		Richtig negativ
		(1- a)		(a) = Typ I Fehler
Die Nullhypothese ist falsch		Falsch positiv		Falsch negativ
		(β) = Typ II-Fehler		(1 - β)

Aus der obigen Matrix können wir Folgendes sagen:

1. Die korrekte Nullhypothese und die korrekte Entscheidung über die Beibehaltung sind eine tatsächliche positive Entscheidung, die die Richtigkeit der Analyse bestätigt. Dies ist die erwartete Schlussfolgerung der Studie.
2. Eine korrekte Nullhypothese und eine falsche Entscheidung, sie beizubehalten, werden sich nicht als fruchtbar erweisen. Eine solche True-Negative-Entscheidung wird als Typ-1-Fehler oder Fehler bezeichnet.
3. Eine falsche Nullhypothese und eine ungenaue Entscheidungsfindung, um sie beizubehalten, gefährden die vollständige Analyse. Man wird niemals zu einer Schlussfolgerung gelangen können, bei der die Interpretationsgrundlage selbst falsch ist. Eine solche falsch-positive Entscheidung wird als Typ-II-Fehler oder β bezeichnet.
4. Eine falsche Nullhypothese und eine falsche Entscheidung zur Ablehnung sind die tatsächlichen Erwartungen aller Analysen. Falsch Negative Entscheidungen sollten ohne weitere Überlegungen abgelehnt werden.

Beispiel für einen Fehler vom Typ II

• Beim Menschen neigen Frauen dazu, schwanger zu werden. Während der Überprüfung diagnostiziert der Arzt jedoch fälschlicherweise einen Mann als schwanger. Dies wird als Typ-II-Fehler bezeichnet, bei dem die Basis selbst falsch ist.
• Außerdem diagnostizieren Ärzte Frauen als nicht schwanger; Tatsächlich ist sie jedoch schwanger. Dies wird als Fehler vom Typ I bezeichnet, bei dem die Fakten korrekt sind, einer jedoch abgelehnt wird.

Wie tritt ein Typ-II-Fehler auf?

Verschiedene Faktoren können zu einem solchen Fehler führen

# 1 - Jede Veränderung in der Bevölkerung ist vergleichsweise sehr gering zu erkennen

Wenn in der Bevölkerung selbst die Tendenz zur Veränderung nicht sichtbar ist, kann ein Hypothesentest nicht auf die richtigen Fakten eingehen. Ein solches Szenario führt dazu, dass falsche Fakten akzeptiert werden, was zu einem Fehler vom Typ II führt.

# 2 - Die Stichprobengröße deckt einen sehr kleinen Teil der Bevölkerung ab

Die Stichprobe sollte die gesamte Population darstellen. Wenn die Stichprobe keine ideale Darstellung der Population ist, ist es sehr unwahrscheinlich, dass sie das richtige Bild für die Analyse liefert. Der Analyst kann die korrekten Fakten nicht identifizieren. Infolgedessen verlässt sich ein Analyst auf die falschen Fakten und führt zu einem Fehler vom Typ II.

# 3 - Falsche Probenauswahl

Im Allgemeinen wird die Zufallsstichprobe global verwendet, da sie als eine der unvoreingenommensten Methoden zur Auswahl der Stichprobe angesehen wird. Oft führt dies jedoch zu einer unangemessenen Probenentnahme. Dies führt zu einer falschen Abdeckung der Bevölkerung und führt zu einem Typ-II-Fehler.

Können Fehler vom Typ II vermieden werden?

# 1 - Wiederholen Sie die Analyse, bis Sie die erforderliche Bedeutung erreicht haben

Die Signifikanz gibt an, mit welcher Wahrscheinlichkeit die Nullhypothese sachlich korrekt ist oder nicht. Am Ende aller Analysen erwartet man, die Nullhypothese zu akzeptieren und sicherzustellen, dass die gegebenen Fakten korrekt sind. Oft kann jedoch durch eine einzelne Analyse eine solche Signifikanz nicht erreicht werden. Eine solche einzelne Analyse kann zu einem Fehler vom Typ I oder Typ II führen. Wenn bei der sich wiederholenden Analyse dieselbe Art von Ausgabe erfolgt, kann sichergestellt werden, dass keine Fehler auftreten.

# 2 - Ändern Sie bei jeder Wiederholung der Analyse die Größe des Signifikanztests

Wie in Punkt 1) besprochen. Die Signifikanz zeigt die Angemessenheit der Nullhypothese. Wenn am Ende des ersten Schnitts festgestellt wurde, dass die Probe nicht ausreichend bedeckt ist, erhöhen Sie die Signifikanz und versuchen Sie, diese zu wiederholen. Dies hilft beim Verständnis des Verhaltens und kann einen Fehler vom Typ II vermeiden.

# 3 - Alpha Level um 0.1 ist das ideale

Im Allgemeinen führt Alpha um 0,1 zur Ablehnung der Hypothese. Jede Ablehnung ermöglicht mehrere Überprüfungen. Infolgedessen verringert sich die Wahrscheinlichkeit des Auftretens eines Fehlers. Ein Fehler vom Typ II tritt auf, wenn etwas falsch akzeptiert wird. Wenn es keinen Akzeptanzbereich gibt, tritt ein solcher Fehler nicht auf.

Bedeutung

• Es ist gefährlicher als ein Fehler vom Typ I.
• Jede Analyse wird anhand einiger notwendiger Details und einiger zugrunde liegender Annahmen ausgearbeitet. In der Hypothese wird am Ende auch festgestellt, ob die Teststatistik mit der gegebenen Tatsache übereinstimmt oder nicht. Eine solche testspezifische Anzeige zeigt an, ob der Stichprobenmittelwert dem Populationsmittelwert entspricht oder nicht.
• Aufgrund eines Fehleres in der Analyse scheint die Nullhypothese an Bedeutung zu gewinnen; dann wird man die in der Nullhypothese angegebene Tatsache akzeptieren.
• Tatsächlich sollte eine solche Nullhypothese jedoch nicht akzeptiert werden. Daher muss man sehr sicher sein, wenn man die Nullhypothesenaussage akzeptiert. Wenn man es erneut überprüft, erhält man eine bessere Bedeutung und erhöht die Richtigkeit der Tatsachen.

Typ I-Fehler vs Typ II-Fehler

Im Folgenden sind die grundlegenden Unterschiede zwischen den beiden Fehlertypen aufgeführt

Sr. Nr		Typ I Fehler		Typ II Fehler
1		Es tritt auf, wenn die korrekte Nullhypothese nicht akzeptiert wird.		Es tritt auf, wenn eine falsche Nullhypothese akzeptiert wird
2		Solche Fehler sind wirklich negativ.		Solche Fehler sind falsch positiv
3		Es wird mit Alpha bezeichnet.		Es wird mit Beta bezeichnet
4		Nullhypothese und Typ 1 Fehler		Alternative Hypothese und Typ-2-Fehler
5		Wenn der resultierende Effekt dieses Fehlers schlechter ist als ein Fehler vom Typ I, sollte Alpha mit einem Wert über 0,10 berücksichtigt werden		Wenn das Ergebnis eines Fehlers vom Typ I schlechter ist, sollte Alpha mit einem Wert unter 0,01 eingestellt werden.

Fazit

Der Fehler vom Typ II ist falsch negativ, was sich aus der Annahme der falschen Nullhypothese ergibt. In der Praxis führt ein solcher Fehler zum Scheitern des gesamten Projekts, da die Basis ungenau ist. Eine solche Basis kann wie Details, Fakten oder Annahmen sein, die eine vollständige Analyse gefährden.