O que é um erro do tipo II?
Um erro do tipo II é um termo estatístico que se refere à não rejeição de uma hipótese nula falsa. É usado dentro do contexto do teste de hipóteses.
Na análise estatística, um erro do tipo I é a rejeição de uma hipótese nula verdadeira, enquanto o erro do tipo II descreve o erro que ocorre quando alguém falha em rejeitar uma hipótese nula que é realmente falsa. Em outras palavras, produz um falso positivo. O erro rejeita a hipótese alternativa, mesmo que não ocorra devido ao acaso.
Principais Takeaways
- Um erro do tipo II é definido como a probabilidade de manter incorretamente a hipótese nula, quando na verdade não é aplicável a toda a população. Um erro do tipo II é essencialmente um falso positivo. Um erro do tipo II pode ser reduzido com critérios mais rigorosos para rejeitar uma hipótese nula. Os analistas precisam avaliar a probabilidade e o impacto de erros do tipo II com erros do tipo I.
Entendendo os erros do tipo II
Um erro do tipo II confirma uma ideia que deveria ter sido rejeitada, alegando que as duas observâncias são as mesmas, mesmo que sejam diferentes. Um erro do tipo II não rejeita a hipótese nula, mesmo que a hipótese alternativa seja o verdadeiro estado da natureza. Em outras palavras, uma descoberta falsa é aceita como verdadeira. Às vezes, um erro do tipo II é chamado de erro beta.
Um erro do tipo II pode ser reduzido com critérios mais rigorosos para rejeitar uma hipótese nula. Por exemplo, se um analista está considerando estatisticamente significante qualquer coisa que esteja dentro de um intervalo de confiança de +/- 95%, aumentando essa tolerância para +/- 99%, você reduz as chances de um falso positivo. No entanto, fazer isso ao mesmo tempo aumenta suas chances de encontrar um erro do tipo I. Ao realizar um teste de hipótese, a probabilidade ou risco de cometer um erro do tipo I ou um erro do tipo II deve ser considerada.
Tomar medidas que reduzam as chances de encontrar um erro do tipo II tende a aumentar as chances de um erro do tipo I.
Diferenças entre erros tipo I e tipo II
A diferença entre um erro do tipo II e um erro do tipo I é que um erro do tipo I rejeita a hipótese nula quando verdadeira (um falso negativo). A probabilidade de cometer um erro do tipo I é igual ao nível de significância definido para o teste de hipótese. Portanto, se o nível de significância for 0, 05, há 5% de chance de ocorrer um erro do tipo I.
A probabilidade de cometer um erro do tipo II é igual a um menos a potência do teste, também conhecido como beta. O poder do teste pode ser aumentado aumentando o tamanho da amostra, o que diminui o risco de cometer um erro do tipo II.
Exemplo de um erro do tipo 2
Suponha que uma empresa de biotecnologia queira comparar a eficácia de dois de seus medicamentos no tratamento do diabetes. A hipótese nula afirma que os dois medicamentos são igualmente eficazes. Uma hipótese nula, H 0, é a alegação de que a empresa espera rejeitar usando o teste unilateral . A hipótese alternativa, H a, afirma que os dois medicamentos não são igualmente eficazes. A hipótese alternativa, H a, é a medida suportada pela rejeição da hipótese nula.
A empresa de biotecnologia implementa um grande ensaio clínico de 3.000 pacientes com diabetes para comparar os tratamentos. A empresa espera que os dois medicamentos tenham um número igual de pacientes para indicar que ambos são eficazes. Ele seleciona um nível de significância de 0, 05, o que indica que está disposto a aceitar uma chance de 5% de rejeitar a hipótese nula quando verdadeira ou uma chance de 5% de cometer um erro do tipo I.
Suponha que o beta seja calculado em 0, 025 ou 2, 5%. Portanto, a probabilidade de cometer um erro do tipo II é de 2, 5%. Se os dois medicamentos não forem iguais, a hipótese nula deve ser rejeitada. No entanto, se a empresa de biotecnologia não rejeitar a hipótese nula quando os medicamentos não forem igualmente eficazes, ocorrerá um erro do tipo II.
