Erreur de type II, définition
Qu’est-ce qu’une erreur de type II?
Une erreur de type II ou erreur de deuxième espèce est un terme statistique se référant au non-rejet d’une hypothèse fausse nulle. Il est utilisé dans le cadre de tests d’hypothèses .
En analyse statistique, une erreur de type I est le rejet d’une hypothèse vraie nulle, tandis qu’une erreur de type II décrit l’erreur qui se produit lorsque l’on ne rejette pas une hypothèse nulle qui est en fait fausse. En d’autres termes, cela produit un faux positif. L’erreur rejette l’hypothèse alternative, même si elle ne se produit pas par hasard.
Retenons
- Une erreur de type II est définie comme la probabilité de retenir incorrectement l’hypothèse nulle, alors qu’en fait elle n’est pas applicable à l’ensemble de la population.
- Une erreur de type II est essentiellement un faux positif.
- Une erreur de type II peut être réduite en faisant des critères plus stricts pour rejeter une hypothèse nulle.
- Les analystes doivent évaluer la probabilité et l’impact des erreurs de type II avec les erreurs de type I.
Comprendre les erreurs de type II
Une erreur de type II confirme une idée qui aurait dû être rejetée, affirmant que les deux observances sont les mêmes, même si elles sont différentes. Une erreur de type II ne rejette pas l’hypothèse nulle, même si l’hypothèse alternative est le véritable état de la nature. En d’autres termes, une fausse conclusion est acceptée comme vraie. Une erreur de type II est parfois appelée erreur bêta.
Une erreur de type II peut être réduite en faisant des critères plus stricts pour rejeter une hypothèse nulle. Par exemple, si un analyste considère tout ce qui se situe dans un intervalle de confiance de +/- 95% comme statistiquement significatif, en augmentant cette tolérance à +/- 99%, vous réduisez les chances d’un faux positif. Cependant, le faire en même temps augmente vos chances de rencontrer une erreur de type I. Lors de la réalisation d’un test d’hypothèse, la probabilité ou le risque de commettre une erreur de type I ou de type II doit être pris en compte.
Prendre des mesures qui réduisent les chances de rencontrer une erreur de type II tend à augmenter les chances d’une erreur de type I.
Différences entre les erreurs de type I et de type II
La différence entre une erreur de type II et une erreur de type I est qu’une erreur de type I rejette l’hypothèse nulle lorsqu’elle est vraie (un faux négatif). La probabilité de commettre une erreur de type I est égale au niveau de signification défini pour le test d’hypothèse. Par conséquent, si le niveau de signification est de 0,05, il y a 5% de chances qu’une erreur de type I se produise.
La probabilité de commettre une erreur de type II est égale à un moins la puissance du test, également appelée bêta. La puissance du test pourrait être augmentée en augmentant la taille de l’échantillon, ce qui diminue le risque de commettre une erreur de type II.
Exemple d’erreur de type 2
Supposons qu’une entreprise de biotechnologie veuille comparer l’efficacité de deux de ses médicaments pour le traitement du diabète. L’hypothèse nulle indique que les deux médicaments sont également efficaces. Une hypothèse nulle, H 0, est l’affirmation que l’entreprise espère rejeter en utilisant le test unilatéral . L’hypothèse alternative, H a, affirme que les deux médicaments ne sont pas aussi efficaces. L’hypothèse alternative, H a, est la mesure qui est supportée en rejetant l’hypothèse nulle.
La société de biotechnologie met en œuvre un vaste essai clinique de 3 000 patients diabétiques pour comparer les traitements. La société s’attend à ce que les deux médicaments aient un nombre égal de patients pour indiquer que les deux médicaments sont efficaces. Il sélectionne un niveau de signification de 0,05, ce qui indique qu’il est prêt à accepter une chance de 5%, il peut rejeter l’hypothèse nulle lorsqu’elle est vraie ou une chance de 5% de commettre une erreur de type I.
Supposons que la version bêta soit calculée à 0,025 ou 2,5%. Par conséquent, la probabilité de commettre une erreur de type II est de 2,5%. Si les deux médicaments ne sont pas égaux, l’hypothèse nulle doit être rejetée. Cependant, si la société de biotechnologie ne rejette pas l’hypothèse nulle lorsque les médicaments ne sont pas également efficaces, une erreur de type II se produit.
