Type II-fout (definitie, voorbeeld) - Hoe komt het voor?

Wat is een type II-fout?

Type II-fout, gewoonlijk β-fout genoemd, is de waarschijnlijkheid dat de feitelijke verklaring wordt behouden die inherent onjuist is. Dit is een fout van vals positief, dwz de bewering is feitelijk onjuist en we zijn er positief over.

Uitleg

Typefouten worden heel vaak gebruikt bij het creëren van de hypothese en om de oplossing te identificeren op basis van de waarschijnlijkheid dat ze voorkomen en om de feitelijke correctie te identificeren van de gegevens waarop de hypothese is gestructureerd.

Hieronder volgt het diagram dat de creatie van de nulhypothese, alternatieve hypothese, steekproefgemiddelde en de foutkans laat zien.

Bij elke test die we hebben uitgevoerd, bestaat er altijd een kans op fouten bij de besluitvorming, en zo'n beslissing kan een soort Type I- of Type II-fout zijn. In eenvoudige bewoordingen zeggen we dat we tijdens het nemen van beslissingen de juiste feiten zouden kunnen verwerpen, of we zouden de verkeerde feiten kunnen accepteren. Het verwerpen van het juiste feit is een Type I-fout, en het accepteren van onjuiste feiten is een Type II-fout. In de werkende wereld blijkt deze fout erg gevaarlijk te zijn omdat de hele analyse en het experiment fout blijken te zijn, aangezien de basis zelf fout is.

Hieronder volgt de matrix van het type fout dat iemand zou kunnen maken als feiten ten onrechte worden aanvaard:

		Er werd besloten om te behouden		Er werd besloten om te weigeren
		(Positief)		(Negatief)
De nulhypothese is waar		Echt positief		Echt negatief
		(1- een)		(a) = Type I-fout
De nulhypothese is onjuist		Vals positief		Fout negatief
		(β) = Type II-fout		(1 - β)

Uit de bovenstaande matrix kunnen we zeggen dat:

1. De juiste nulhypothese en de juiste beslissing om vast te houden zijn in een feitelijke positieve beslissing die zal bewijzen dat de analyse waar is. Dit is de verwachte conclusie van het onderzoek.
2. Correcte nulhypothese en onjuiste besluitvorming om deze vast te houden, zullen niet vruchtbaar blijken te zijn. Een dergelijke True Negative-beslissing wordt een Type 1-fout of een fout genoemd.
3. Onjuiste nulhypothese en onnauwkeurige besluitvorming om deze vast te houden, zullen de volledige analyse in gevaar brengen. Men zal nooit tot een conclusie kunnen komen wanneer de basis zelf van interpretatie verkeerd is. Zo'n fout-positieve beslissing wordt Type II-fout of β genoemd.
4. Onjuiste nulhypothese en onjuiste besluitvorming om af te wijzen is de werkelijke verwachting van alle analyses. Valse negatieve beslissingen moeten zonder enige twijfel worden verworpen.

Voorbeeld van een type II-fout

• Bij mensen hebben vrouwen de neiging zwanger te worden. Tijdens de verificatie stelt de arts echter ten onrechte vast dat een man zwanger is. Dit wordt Type II-fout genoemd, waarbij de basis zelf verkeerd is.
• Ook stellen artsen vast dat vrouwen niet zwanger zijn; in werkelijkheid is ze echter zwanger. Dit wordt een Type I-fout genoemd, waarbij de feiten correct zijn, maar men verwerpt hetzelfde.

Hoe treedt een type II-fout op?

Verschillende factoren kunnen tot een dergelijke fout leiden

# 1 - Elke verandering in de bevolking is relatief klein om te detecteren

Als in de populatie zelf de neiging tot verandering niet zichtbaar is, zal elke hypothesetoetsing niet in staat zijn om op de juiste feiten te reageren. Een dergelijk scenario zal leiden tot het accepteren van onjuiste feiten, wat zal resulteren in Type II-fouten.

# 2 - Steekproefomvang omvat een zeer klein deel van de bevolking

De steekproef moet de volledige populatie vertegenwoordigen. Als de steekproef dus geen ideale weergave is van de populatie, is het hoogst onwaarschijnlijk dat deze het juiste beeld voor de analyse zal geven. De analist zal de juiste feiten niet kunnen identificeren. Als gevolg hiervan zal een analist vertrouwen op de verkeerde feiten en zal hij resulteren in een Type II-fout.

# 3 - Onjuiste monsterselectie

Over het algemeen wordt aselecte steekproeven wereldwijd gebruikt, aangezien dit wordt beschouwd als een van de meest onbevooroordeelde methoden voor het selecteren van een steekproef. Het resulteert echter vaak in het ongepast kiezen van monsters. Dit leidt tot een onjuiste dekking van de populatie en resulteert in een Type II-fout.

Kunnen Type II-fouten worden vermeden?

# 1 - Herhaal de analyse totdat men de benodigde betekenis heeft bereikt

Significantie geeft aan voor welke waarschijnlijkheid de nulhypothese feitelijk correct is of niet. Aan het einde van alle analyses verwacht men de nulhypothese te accepteren en ervoor te zorgen dat de gegeven feiten correct zijn. Vaak kan een dergelijke significantie echter niet worden bereikt met een enkele analyse. Zo'n enkele analyse kan resulteren in een Type I- of Type II-fout. Als in de herhaalde analyse dezelfde soort output komt, kan men ervoor zorgen dat er geen fouten optreden.

# 2 - Elke herhaling van analyse, verander de grootte van de significantietest

Zoals besproken in punt 1). Significance toont de geschiktheid van de nulhypothese aan. Als men aan het einde van de eerste snede constateert dat de steekproef niet voldoende wordt bedekt, vergroot dan de omvang van de significantie en probeer hetzelfde te herhalen. Dit zal helpen om het gedrag te begrijpen en men zal een Type II-fout kunnen vermijden.

# 3 - Alfa-niveau rond de 0,1 is het ideale niveau

Over het algemeen zal alfa rond 0,1 resulteren in het verwerpen van de hypothese. Elke afwijzing maakt meerdere verificaties mogelijk. Hierdoor wordt de kans op het optreden van fouten kleiner. Type II-fout treedt op wanneer iets ten onrechte wordt geaccepteerd. Als er geen acceptatie is, zal een dergelijke fout niet optreden.

Belang

• Het is gevaarlijker in vergelijking met een Type I-fout.
• Elke analyse wordt uitgewerkt op een paar noodzakelijke details en een paar onderliggende aannames. Ook in de hypothese zal men uiteindelijk bepalen of de teststatistiek in overeenstemming is met het gegeven feit of niet. Zo'n testspecifiek geeft aan of het steekproefgemiddelde equivalent is aan het populatiegemiddelde of niet.
• Door een of andere fout in de analyse lijkt de nulhypothese significant te zijn; dan zal men het feit accepteren dat in de nulhypothese wordt gegeven.
• In feite zou een dergelijke nulhypothese echter niet moeten worden aanvaard. Dientengevolge moet men zeer zeker zijn bij het accepteren van de verklaring van de nulhypothese. Door het opnieuw te verifiëren, zal men een betere betekenis krijgen en de juistheid van de feiten vergroten.

Type I-fout versus type II-fout

Hieronder volgen het fundamentele verschil tussen de twee soorten fouten

Sorry. Nee		Type I-fout		Type II-fout
1		Het treedt op wanneer de juiste nulhypothese niet wordt geaccepteerd.		Het treedt op wanneer een onjuiste nulhypothese wordt geaccepteerd
2		Dergelijke fouten zijn echt negatief.		Dergelijke fouten zijn vals-positief
3		Het wordt aangeduid met alpha.		Het wordt aangeduid met Beta
4		Null-hypothese en type 1-fout		Alternatieve hypothese en type 2-fout
5		Als het resulterende effect van deze fout erger is dan een Type I-fout, moet men alfa overwegen met een waarde hoger dan 0,10		Als de resultante van een Type I-fout erger is, moet de alpha worden ingesteld op een waarde lager dan 0,01.

Conclusie

Type II-fout is een vals negatief, het resulterende effect van het accepteren van de onjuiste nulhypothese. In de praktijk resulteert een dergelijke fout in het mislukken van het volledige project, omdat de basis onnauwkeurig is. Een dergelijke basis kan zijn als details, feiten of aannames, die een volledige analyse in gevaar brengen.