유형 II 오류는 무엇입니까?
유형 II 오류는 허위 가설의 비 거부를 나타내는 통계 용어입니다. 가설 테스트의 맥락에서 사용됩니다.
통계 분석에서, 유형 I 오류는 실제 귀무 가설을 기각하는 반면, 유형 II 오류 는 실제로 거짓 인 귀무 가설을 기각하지 못한 경우 발생하는 오류를 나타 냅니다. 즉, 오 탐지를 생성합니다. 이 가설은 우연으로 인해 발생하지 않더라도 대립 가설을 기각합니다.
주요 테이크 아웃
- 유형 II 오류는 실제로 전체 모집단에 적용 할 수없는 경우 귀무 가설을 잘못 보유 할 확률로 정의됩니다. 유형 II 오류는 본질적으로 오 탐지입니다. 귀무 가설을 기각하기위한보다 엄격한 기준을 만들어 유형 II 오류를 줄일 수 있습니다. 분석가는 유형 I 오류와 유형 II 오류의 가능성과 영향을 평가해야합니다.
유형 II 오류 이해
II 형 오류는 두 개의 준수가 다르더라도 거부되어야한다는 아이디어를 확인합니다. 대립 가설이 자연의 상태 임에도 불구하고 유형 II 오류는 귀무 가설을 기각하지 않습니다. 다시 말해, 허위 발견은 사실로 인정됩니다. 유형 II 오류를 베타 오류라고도합니다.
귀무 가설을 기각하기위한보다 엄격한 기준을 만들어 유형 II 오류를 줄일 수 있습니다. 예를 들어, 분석가가 +/- 95 % 신뢰 구간 내에있는 것을 통계적으로 유의 한 것으로 간주하는 경우, 해당 공차를 +/- 99 %로 늘리면 오 탐지 가능성이 줄어 듭니다. 그러나 동시에 이렇게하면 유형 I 오류가 발생할 가능성이 높아집니다. 가설 테스트를 수행 할 때 유형 I 오류 또는 유형 II 오류가 발생할 확률 또는 위험을 고려해야합니다.
유형 II 오류가 발생할 가능성을 줄이는 단계를 수행하면 유형 I 오류가 발생할 가능성이 높아집니다.
유형 I과 유형 II 오류의 차이점
유형 II 오류와 유형 I 오류의 차이점은 유형 I 오류가 참일 때 귀무 가설을 기각한다는 것입니다 (거짓 음수). 제 1 종 오류를 저지를 확률은 가설 검정에 설정된 유의 수준과 같습니다. 따라서 유의 수준이 0.05이면 유형 I 오류가 발생할 가능성이 5 %입니다.
II 형 오류를 저지를 확률은 베타라고도하는 검정의 1을 뺀 값과 같습니다. 표본 크기를 늘려 테스트의 검정력을 높일 수 있으므로 유형 II 오류가 발생할 위험이 줄어 듭니다.
유형 2 오류의 예
한 생명 공학 회사가 두 가지 약물이 당뇨병 치료에 얼마나 효과적인지 비교하려고한다고 가정합니다. 귀무 가설은 두 약물이 똑같이 효과적이라는 것을 나타냅니다. 귀무 가설 인 H 0 은 회사가 단측 검정을 사용하여 거부하기를 희망한다는 주장입니다 . 대안 가설 H a 는 두 약물이 똑같이 효과적이지 않다고 말합니다. 대립 가설 H a 는 귀무 가설을 기각함으로써 뒷받침되는 측정입니다.
생명 공학 회사는 치료를 비교하기 위해 당뇨병 환자 3, 000 명에 대한 대규모 임상 시험을 실시합니다. 이 회사는 두 약물이 동일한 수의 환자를 보유하여 두 약물이 모두 효과가 있다고 예상합니다. 0.05의 유의 수준을 선택합니다. 이는 5 % 확률을 기꺼이 받아 들일 수 있음을 나타내며, 귀무 가설이 참일 경우 5 % 확률을 기각하거나 I 형 오류를 저지를 가능성이 5 %입니다.
베타가 0.025 또는 2.5 %로 계산되었다고 가정합니다. 따라서 유형 II 오류가 발생할 가능성은 2.5 %입니다. 두 약물이 같지 않으면 귀무 가설을 기각해야합니다. 그러나 생명 공학 회사가 약물이 똑같이 효과적이지 않을 때 귀무 가설을 기각하지 않으면 II 형 오류가 발생합니다.
