This article is about erroneous outcomes of statistical tests. For closely related concepts in binary classification and testing generally, see false positives and false negatives.
In statistical hypothesis testing, a type I error is the mistaken rejection of a null hypothesis that is actually true. A type I error is also known as a «false positive» finding or conclusion; example: «an innocent person is convicted». A type II error is the failure to reject a null hypothesis that is actually false. A type II error is also known as a «false negative» finding or conclusion; example: «a guilty person is not convicted».[1] Much of statistical theory revolves around the minimization of one or both of these errors, though the complete elimination of either is a statistical impossibility if the outcome is not determined by a known, observable causal process.
By selecting a low threshold (cut-off) value and modifying the alpha (α) level, the quality of the hypothesis test can be increased.[citation needed] The knowledge of type I errors and type II errors is widely used in medical science, biometrics and computer science.[clarification needed]
Intuitively, type I errors can be thought of as errors of commission (i.e., the researcher unluckily concludes that something is the fact). For instance, consider a study where researchers compare a drug with a placebo. If the patients who are given the drug get better than the patients given the placebo by chance, it may appear that the drug is effective, but in fact the conclusion is incorrect.
In reverse, type II errors are errors of omission. In the example above, if the patients who got the drug did not get better at a higher rate than the ones who got the placebo, but this was a random fluke, that would be a type II error. The consequence of a type II error depends on the size and direction of the missed determination and the circumstances. An expensive cure for one in a million patients may be inconsequential even if it truly is a cure.
Definition[edit]
Statistical background[edit]
In statistical test theory, the notion of a statistical error is an integral part of hypothesis testing. The test goes about choosing about two competing propositions called null hypothesis, denoted by H0 and alternative hypothesis, denoted by H1. This is conceptually similar to the judgement in a court trial. The null hypothesis corresponds to the position of the defendant: just as he is presumed to be innocent until proven guilty, so is the null hypothesis presumed to be true until the data provide convincing evidence against it. The alternative hypothesis corresponds to the position against the defendant. Specifically, the null hypothesis also involves the absence of a difference or the absence of an association. Thus, the null hypothesis can never be that there is a difference or an association.
If the result of the test corresponds with reality, then a correct decision has been made. However, if the result of the test does not correspond with reality, then an error has occurred. There are two situations in which the decision is wrong. The null hypothesis may be true, whereas we reject H0. On the other hand, the alternative hypothesis H1 may be true, whereas we do not reject H0. Two types of error are distinguished: type I error and type II error.[2]
Type I error[edit]
The first kind of error is the mistaken rejection of a null hypothesis as the result of a test procedure. This kind of error is called a type I error (false positive) and is sometimes called an error of the first kind. In terms of the courtroom example, a type I error corresponds to convicting an innocent defendant.
Type II error[edit]
The second kind of error is the mistaken failure to reject the null hypothesis as the result of a test procedure. This sort of error is called a type II error (false negative) and is also referred to as an error of the second kind. In terms of the courtroom example, a type II error corresponds to acquitting a criminal.[3]
Crossover error rate[edit]
The crossover error rate (CER) is the point at which type I errors and type II errors are equal. A system with a lower CER value provides more accuracy than a system with a higher CER value.
False positive and false negative[edit]
In terms of false positives and false negatives, a positive result corresponds to rejecting the null hypothesis, while a negative result corresponds to failing to reject the null hypothesis; «false» means the conclusion drawn is incorrect. Thus, a type I error is equivalent to a false positive, and a type II error is equivalent to a false negative.
Table of error types[edit]
Tabularised relations between truth/falseness of the null hypothesis and outcomes of the test:[4]
Table of error types | Null hypothesis (H0) is | ||
---|---|---|---|
True | False | ||
Decision about null hypothesis (H0) |
Fail to reject | Correct inference (true negative) (probability = 1−α) |
Type II error (false negative) (probability = β) |
Reject | Type I error (false positive) (probability = α) |
Correct inference (true positive) (probability = 1−β) |
Error rate[edit]
A perfect test would have zero false positives and zero false negatives. However, statistical methods are probabilistic, and it cannot be known for certain whether statistical conclusions are correct. Whenever there is uncertainty, there is the possibility of making an error. Considering this nature of statistics science, all statistical hypothesis tests have a probability of making type I and type II errors.[citation needed]
- The type I error rate is the probability of rejecting the null hypothesis given that it is true. The test is designed to keep the type I error rate below a prespecified bound called the significance level, usually denoted by the Greek letter α (alpha) and is also called the alpha level. Usually, the significance level is set to 0.05 (5%), implying that it is acceptable to have a 5% probability of incorrectly rejecting the true null hypothesis.[5]
- The rate of the type II error is denoted by the Greek letter β (beta) and related to the power of a test, which equals 1−β.[citation needed]
These two types of error rates are traded off against each other: for any given sample set, the effort to reduce one type of error generally results in increasing the other type of error.[citation needed]
The quality of hypothesis test[edit]
The same idea can be expressed in terms of the rate of correct results and therefore used to minimize error rates and improve the quality of hypothesis test. To reduce the probability of committing a type I error, making the alpha value more stringent is quite simple and efficient. To decrease the probability of committing a type II error, which is closely associated with analyses’ power, either increasing the test’s sample size or relaxing the alpha level could increase the analyses’ power.[citation needed] A test statistic is robust if the type I error rate is controlled.
Varying different threshold (cut-off) value could also be used to make the test either more specific or more sensitive, which in turn elevates the test quality. For example, imagine a medical test, in which an experimenter might measure the concentration of a certain protein in the blood sample. The experimenter could adjust the threshold (black vertical line in the figure) and people would be diagnosed as having diseases if any number is detected above this certain threshold. According to the image, changing the threshold would result in changes in false positives and false negatives, corresponding to movement on the curve.[citation needed]
Example[edit]
Since in a real experiment it is impossible to avoid all type I and type II errors, it is important to consider the amount of risk one is willing to take to falsely reject H0 or accept H0. The solution to this question would be to report the p-value or significance level α of the statistic. For example, if the p-value of a test statistic result is estimated at 0.0596, then there is a probability of 5.96% that we falsely reject H0. Or, if we say, the statistic is performed at level α, like 0.05, then we allow to falsely reject H0 at 5%. A significance level α of 0.05 is relatively common, but there is no general rule that fits all scenarios.
Vehicle speed measuring[edit]
The speed limit of a freeway in the United States is 120 kilometers per hour (75 mph). A device is set to measure the speed of passing vehicles. Suppose that the device will conduct three measurements of the speed of a passing vehicle, recording as a random sample X1, X2, X3. The traffic police will or will not fine the drivers depending on the average speed . That is to say, the test statistic
In addition, we suppose that the measurements X1, X2, X3 are modeled as normal distribution N(μ,4). Then, T should follow N(μ,4/3) and the parameter μ represents the true speed of passing vehicle. In this experiment, the null hypothesis H0 and the alternative hypothesis H1 should be
H0: μ=120 against H1: μ>120.
If we perform the statistic level at α=0.05, then a critical value c should be calculated to solve
According to change-of-units rule for the normal distribution. Referring to Z-table, we can get
Here, the critical region. That is to say, if the recorded speed of a vehicle is greater than critical value 121.9, the driver will be fined. However, there are still 5% of the drivers are falsely fined since the recorded average speed is greater than 121.9 but the true speed does not pass 120, which we say, a type I error.
The type II error corresponds to the case that the true speed of a vehicle is over 120 kilometers per hour but the driver is not fined. For example, if the true speed of a vehicle μ=125, the probability that the driver is not fined can be calculated as
which means, if the true speed of a vehicle is 125, the driver has the probability of 0.36% to avoid the fine when the statistic is performed at level α=0.05, since the recorded average speed is lower than 121.9. If the true speed is closer to 121.9 than 125, then the probability of avoiding the fine will also be higher.
The tradeoffs between type I error and type II error should also be considered. That is, in this case, if the traffic police do not want to falsely fine innocent drivers, the level α can be set to a smaller value, like 0.01. However, if that is the case, more drivers whose true speed is over 120 kilometers per hour, like 125, would be more likely to avoid the fine.
Etymology[edit]
In 1928, Jerzy Neyman (1894–1981) and Egon Pearson (1895–1980), both eminent statisticians, discussed the problems associated with «deciding whether or not a particular sample may be judged as likely to have been randomly drawn from a certain population»:[6] and, as Florence Nightingale David remarked, «it is necessary to remember the adjective ‘random’ [in the term ‘random sample’] should apply to the method of drawing the sample and not to the sample itself».[7]
They identified «two sources of error», namely:
- (a) the error of rejecting a hypothesis that should have not been rejected, and
- (b) the error of failing to reject a hypothesis that should have been rejected.
In 1930, they elaborated on these two sources of error, remarking that:
…in testing hypotheses two considerations must be kept in view, we must be able to reduce the chance of rejecting a true hypothesis to as low a value as desired; the test must be so devised that it will reject the hypothesis tested when it is likely to be false.
In 1933, they observed that these «problems are rarely presented in such a form that we can discriminate with certainty between the true and false hypothesis» . They also noted that, in deciding whether to fail to reject, or reject a particular hypothesis amongst a «set of alternative hypotheses», H1, H2…, it was easy to make an error:
…[and] these errors will be of two kinds:
- (I) we reject H0 [i.e., the hypothesis to be tested] when it is true,[8]
- (II) we fail to reject H0 when some alternative hypothesis HA or H1 is true. (There are various notations for the alternative).
In all of the papers co-written by Neyman and Pearson the expression H0 always signifies «the hypothesis to be tested».
In the same paper they call these two sources of error, errors of type I and errors of type II respectively.[9]
[edit]
Null hypothesis[edit]
It is standard practice for statisticians to conduct tests in order to determine whether or not a «speculative hypothesis» concerning the observed phenomena of the world (or its inhabitants) can be supported. The results of such testing determine whether a particular set of results agrees reasonably (or does not agree) with the speculated hypothesis.
On the basis that it is always assumed, by statistical convention, that the speculated hypothesis is wrong, and the so-called «null hypothesis» that the observed phenomena simply occur by chance (and that, as a consequence, the speculated agent has no effect) – the test will determine whether this hypothesis is right or wrong. This is why the hypothesis under test is often called the null hypothesis (most likely, coined by Fisher (1935, p. 19)), because it is this hypothesis that is to be either nullified or not nullified by the test. When the null hypothesis is nullified, it is possible to conclude that data support the «alternative hypothesis» (which is the original speculated one).
The consistent application by statisticians of Neyman and Pearson’s convention of representing «the hypothesis to be tested» (or «the hypothesis to be nullified») with the expression H0 has led to circumstances where many understand the term «the null hypothesis» as meaning «the nil hypothesis» – a statement that the results in question have arisen through chance. This is not necessarily the case – the key restriction, as per Fisher (1966), is that «the null hypothesis must be exact, that is free from vagueness and ambiguity, because it must supply the basis of the ‘problem of distribution,’ of which the test of significance is the solution.»[10] As a consequence of this, in experimental science the null hypothesis is generally a statement that a particular treatment has no effect; in observational science, it is that there is no difference between the value of a particular measured variable, and that of an experimental prediction.[citation needed]
Statistical significance[edit]
If the probability of obtaining a result as extreme as the one obtained, supposing that the null hypothesis were true, is lower than a pre-specified cut-off probability (for example, 5%), then the result is said to be statistically significant and the null hypothesis is rejected.
British statistician Sir Ronald Aylmer Fisher (1890–1962) stressed that the «null hypothesis»:
… is never proved or established, but is possibly disproved, in the course of experimentation. Every experiment may be said to exist only in order to give the facts a chance of disproving the null hypothesis.
— Fisher, 1935, p.19
Application domains[edit]
Medicine[edit]
In the practice of medicine, the differences between the applications of screening and testing are considerable.
Medical screening[edit]
Screening involves relatively cheap tests that are given to large populations, none of whom manifest any clinical indication of disease (e.g., Pap smears).
Testing involves far more expensive, often invasive, procedures that are given only to those who manifest some clinical indication of disease, and are most often applied to confirm a suspected diagnosis.
For example, most states in the USA require newborns to be screened for phenylketonuria and hypothyroidism, among other congenital disorders.
Hypothesis: «The newborns have phenylketonuria and hypothyroidism»
Null Hypothesis (H0): «The newborns do not have phenylketonuria and hypothyroidism»,
Type I error (false positive): The true fact is that the newborns do not have phenylketonuria and hypothyroidism but we consider they have the disorders according to the data.
Type II error (false negative): The true fact is that the newborns have phenylketonuria and hypothyroidism but we consider they do not have the disorders according to the data.
Although they display a high rate of false positives, the screening tests are considered valuable because they greatly increase the likelihood of detecting these disorders at a far earlier stage.
The simple blood tests used to screen possible blood donors for HIV and hepatitis have a significant rate of false positives; however, physicians use much more expensive and far more precise tests to determine whether a person is actually infected with either of these viruses.
Perhaps the most widely discussed false positives in medical screening come from the breast cancer screening procedure mammography. The US rate of false positive mammograms is up to 15%, the highest in world. One consequence of the high false positive rate in the US is that, in any 10-year period, half of the American women screened receive a false positive mammogram. False positive mammograms are costly, with over $100 million spent annually in the U.S. on follow-up testing and treatment. They also cause women unneeded anxiety. As a result of the high false positive rate in the US, as many as 90–95% of women who get a positive mammogram do not have the condition. The lowest rate in the world is in the Netherlands, 1%. The lowest rates are generally in Northern Europe where mammography films are read twice and a high threshold for additional testing is set (the high threshold decreases the power of the test).
The ideal population screening test would be cheap, easy to administer, and produce zero false-negatives, if possible. Such tests usually produce more false-positives, which can subsequently be sorted out by more sophisticated (and expensive) testing.
Medical testing[edit]
False negatives and false positives are significant issues in medical testing.
Hypothesis: «The patients have the specific disease».
Null hypothesis (H0): «The patients do not have the specific disease».
Type I error (false positive): «The true fact is that the patients do not have a specific disease but the physicians judges the patients was ill according to the test reports».
False positives can also produce serious and counter-intuitive problems when the condition being searched for is rare, as in screening. If a test has a false positive rate of one in ten thousand, but only one in a million samples (or people) is a true positive, most of the positives detected by that test will be false. The probability that an observed positive result is a false positive may be calculated using Bayes’ theorem.
Type II error (false negative): «The true fact is that the disease is actually present but the test reports provide a falsely reassuring message to patients and physicians that the disease is absent».
False negatives produce serious and counter-intuitive problems, especially when the condition being searched for is common. If a test with a false negative rate of only 10% is used to test a population with a true occurrence rate of 70%, many of the negatives detected by the test will be false.
This sometimes leads to inappropriate or inadequate treatment of both the patient and their disease. A common example is relying on cardiac stress tests to detect coronary atherosclerosis, even though cardiac stress tests are known to only detect limitations of coronary artery blood flow due to advanced stenosis.
Biometrics[edit]
Biometric matching, such as for fingerprint recognition, facial recognition or iris recognition, is susceptible to type I and type II errors.
Hypothesis: «The input does not identify someone in the searched list of people»
Null hypothesis: «The input does identify someone in the searched list of people»
Type I error (false reject rate): «The true fact is that the person is someone in the searched list but the system concludes that the person is not according to the data».
Type II error (false match rate): «The true fact is that the person is not someone in the searched list but the system concludes that the person is someone whom we are looking for according to the data».
The probability of type I errors is called the «false reject rate» (FRR) or false non-match rate (FNMR), while the probability of type II errors is called the «false accept rate» (FAR) or false match rate (FMR).
If the system is designed to rarely match suspects then the probability of type II errors can be called the «false alarm rate». On the other hand, if the system is used for validation (and acceptance is the norm) then the FAR is a measure of system security, while the FRR measures user inconvenience level.
Security screening[edit]
False positives are routinely found every day in airport security screening, which are ultimately visual inspection systems. The installed security alarms are intended to prevent weapons being brought onto aircraft; yet they are often set to such high sensitivity that they alarm many times a day for minor items, such as keys, belt buckles, loose change, mobile phones, and tacks in shoes.
Here, the null hypothesis is that the item is not a weapon, while the alternative hypothesis is that the item is a weapon.
A type I error (false positive): «The true fact is that the item is not a weapon but the system still alarms».
Type II error (false negative) «The true fact is that the item is a weapon but the system keeps silent at this time».
The ratio of false positives (identifying an innocent traveler as a terrorist) to true positives (detecting a would-be terrorist) is, therefore, very high; and because almost every alarm is a false positive, the positive predictive value of these screening tests is very low.
The relative cost of false results determines the likelihood that test creators allow these events to occur. As the cost of a false negative in this scenario is extremely high (not detecting a bomb being brought onto a plane could result in hundreds of deaths) whilst the cost of a false positive is relatively low (a reasonably simple further inspection) the most appropriate test is one with a low statistical specificity but high statistical sensitivity (one that allows a high rate of false positives in return for minimal false negatives).
Computers[edit]
The notions of false positives and false negatives have a wide currency in the realm of computers and computer applications, including computer security, spam filtering, Malware, Optical character recognition and many others.
For example, in the case of spam filtering the hypothesis here is that the message is a spam.
Thus, null hypothesis: «The message is not a spam».
Type I error (false positive): «Spam filtering or spam blocking techniques wrongly classify a legitimate email message as spam and, as a result, interferes with its delivery».
While most anti-spam tactics can block or filter a high percentage of unwanted emails, doing so without creating significant false-positive results is a much more demanding task.
Type II error (false negative): «Spam email is not detected as spam, but is classified as non-spam». A low number of false negatives is an indicator of the efficiency of spam filtering.
See also[edit]
- Binary classification
- Detection theory
- Egon Pearson
- Ethics in mathematics
- False positive paradox
- False discovery rate
- Family-wise error rate
- Information retrieval performance measures
- Neyman–Pearson lemma
- Null hypothesis
- Probability of a hypothesis for Bayesian inference
- Precision and recall
- Prosecutor’s fallacy
- Prozone phenomenon
- Receiver operating characteristic
- Sensitivity and specificity
- Statisticians’ and engineers’ cross-reference of statistical terms
- Testing hypotheses suggested by the data
- Type III error
References[edit]
- ^ «Type I Error and Type II Error». explorable.com. Retrieved 14 December 2019.
- ^ A modern introduction to probability and statistics : understanding why and how. Dekking, Michel, 1946-. London: Springer. 2005. ISBN 978-1-85233-896-1. OCLC 262680588.
{{cite book}}
: CS1 maint: others (link) - ^ A modern introduction to probability and statistics : understanding why and how. Dekking, Michel, 1946-. London: Springer. 2005. ISBN 978-1-85233-896-1. OCLC 262680588.
{{cite book}}
: CS1 maint: others (link) - ^ Sheskin, David (2004). Handbook of Parametric and Nonparametric Statistical Procedures. CRC Press. p. 54. ISBN 1584884401.
- ^ Lindenmayer, David. (2005). Practical conservation biology. Burgman, Mark A. Collingwood, Vic.: CSIRO Pub. ISBN 0-643-09310-9. OCLC 65216357.
- ^ NEYMAN, J.; PEARSON, E. S. (1928). «On the Use and Interpretation of Certain Test Criteria for Purposes of Statistical Inference Part I». Biometrika. 20A (1–2): 175–240. doi:10.1093/biomet/20a.1-2.175. ISSN 0006-3444.
- ^ C.I.K.F. (July 1951). «Probability Theory for Statistical Methods. By F. N. David. [Pp. ix + 230. Cambridge University Press. 1949. Price 155.]». Journal of the Staple Inn Actuarial Society. 10 (3): 243–244. doi:10.1017/s0020269x00004564. ISSN 0020-269X.
- ^ Note that the subscript in the expression H0 is a zero (indicating null), and is not an «O» (indicating original).
- ^ Neyman, J.; Pearson, E. S. (30 October 1933). «The testing of statistical hypotheses in relation to probabilities a priori». Mathematical Proceedings of the Cambridge Philosophical Society. 29 (4): 492–510. Bibcode:1933PCPS…29..492N. doi:10.1017/s030500410001152x. ISSN 0305-0041. S2CID 119855116.
- ^ Fisher, R.A. (1966). The design of experiments. 8th edition. Hafner:Edinburgh.
Bibliography[edit]
- Betz, M.A. & Gabriel, K.R., «Type IV Errors and Analysis of Simple Effects», Journal of Educational Statistics, Vol.3, No.2, (Summer 1978), pp. 121–144.
- David, F.N., «A Power Function for Tests of Randomness in a Sequence of Alternatives», Biometrika, Vol.34, Nos.3/4, (December 1947), pp. 335–339.
- Fisher, R.A., The Design of Experiments, Oliver & Boyd (Edinburgh), 1935.
- Gambrill, W., «False Positives on Newborns’ Disease Tests Worry Parents», Health Day, (5 June 2006). [1] Archived 17 May 2018 at the Wayback Machine
- Kaiser, H.F., «Directional Statistical Decisions», Psychological Review, Vol.67, No.3, (May 1960), pp. 160–167.
- Kimball, A.W., «Errors of the Third Kind in Statistical Consulting», Journal of the American Statistical Association, Vol.52, No.278, (June 1957), pp. 133–142.
- Lubin, A., «The Interpretation of Significant Interaction», Educational and Psychological Measurement, Vol.21, No.4, (Winter 1961), pp. 807–817.
- Marascuilo, L.A. & Levin, J.R., «Appropriate Post Hoc Comparisons for Interaction and nested Hypotheses in Analysis of Variance Designs: The Elimination of Type-IV Errors», American Educational Research Journal, Vol.7., No.3, (May 1970), pp. 397–421.
- Mitroff, I.I. & Featheringham, T.R., «On Systemic Problem Solving and the Error of the Third Kind», Behavioral Science, Vol.19, No.6, (November 1974), pp. 383–393.
- Mosteller, F., «A k-Sample Slippage Test for an Extreme Population», The Annals of Mathematical Statistics, Vol.19, No.1, (March 1948), pp. 58–65.
- Moulton, R.T., «Network Security», Datamation, Vol.29, No.7, (July 1983), pp. 121–127.
- Raiffa, H., Decision Analysis: Introductory Lectures on Choices Under Uncertainty, Addison–Wesley, (Reading), 1968.
External links[edit]
- Bias and Confounding – presentation by Nigel Paneth, Graduate School of Public Health, University of Pittsburgh
Перенос знаний от выборочной
совокупности к генеральной может быть
осуществлен лишь с некоторой вероятностью
P{Θ},
т.е. суждение о генеральной совокупности
носит вероятностный характер и содержит
элемент риска (1-P{Θ}).
Суждения о свойствах генеральной
совокупности называются статистическими
гипотезами. Их
проверка осуществляется с помощью
статистических
критериев, назначаемых
в зависимости от формулировки гипотезы
H.
Основная выдвинутая
гипотеза называется нуль-гипотеза
(H0).
Противоречащие ей
гипотезы Hi
называют альтернативными,
или конкурирующими.
Нуль-гипотеза
Н0:
между обеими
выборками нет существенной разницы,
обе они принадлежат одной генеральной
совокупности, а имеющиеся различия
обусловлены случайным характером
выборок, например, влиянием случайных
ошибок. В этом случае любые оценки,
рассчитанные по этим двум выборкам,
будут оценками одних и тех же генеральных
(истинных) значений; тогда в большинстве
случаев имеет смысл объединить обе
выборки в одну, увеличив тем самым число
степеней свободы.
Противоположная, или
альтернативная
гипотеза H1
различия объясняются не случайностью,
а существом дела. Выборки относятся к
разным генеральным совокупностям.
Поскольку проверка гипотез
ведется по выборке, то могут возникнуть
ошибки двух родов. Если будет отвергнута
правильная гипотеза,
то совершается ошибка
первого рода, если
будет допущена
неправильная гипотеза,
то совершается ошибка
второго рода.
Вероятность допустить
ошибку первого рода называется уровнем
значимости и
обозначается α.
Область, отвечающая вероятности α,
называется критической, а дополняющая
ее область, вероятность попадания в
некоторую P{Θα}=1-α,
называется областью
правдоподобных
статистических
критериев Cr.
Вероятность ошибки второго
рода обозначается β, а величина P{Θβ}=1-β
называется мощностью
критерия. Чем больше
эта мощность, тем меньше вероятность
совершить ошибку второго рода.
В задачах статистического
моделирования обычно устанавливают
некоторое значение α, и статистический
критерий Cr
выбирают так, чтобы минимизировать β.
Обычная процедура проверки
гипотез заключается в следующем:
1) по выборочным данным
рассчитывается критерий проверки;
2) полученное значение
критерия сравнивают с критическим
значением, находимым из таблиц. Критическое
значение каждого конкретного критерия
определяется уровнем значимости и
числом степеней свободы, по которому
были рассчитаны величины, входящие в
критерий.
Критерий Пирсона χ2.
Для проверки гипотезы о соответствии
эмпирического распределения СВ
теоретическому наиболее часто применяют
критерий Пирсона
χ2.
Суть этой проверки сводится к следующему.
Предположим, что за время испытаний t
выборки объемом n
отказало d
изделий, причем отказы фиксировались
в различные моменты времени испытаний.
Требуется проверить,
согласуются ли экспериментальные данные
с гипотезой о том, что СВ d
имеет данный закон распределения
заданный функцией F(d)
или плотностью вероятности f(d).
Назовем этот закон распределения
«теоретическим».
Зная этот закон, можно
вычислить ожидаемое число отказов
изделия в определенных интервалах, на
которые разбить время испытания.
В результате получим
теоретический ряд
частот в k
интервалах времени
испытаний:
Подсчитаем также число
отказавших изделий в этих же интервалах
в нашем опыте и получим экспериментальный
ряд частот
Для проверки согласованности
теоретического и экспериментального
распределений подсчитывается мера
расхождения χ2.
и число степеней свободы
v=k–f,
где f
– число ограничений. Число ограничений
равно числу параметров распределения,
увеличенному на единицу. Так, например,
для нормального закона распределения
имеет места два параметра распределения
(математическое ожидание и среднеквадратичное
отклонение). Для распределения Пирсона
составлены специальные таблицы. Пользуясь
этими таблицами, можно для каждого
значения критерия Пирсона и числа
степеней свободы v
определить вероятность
P
того, что за счет
случайных причин мера расхождения
теоретического и эмпирического
распределений будет не меньше, чем
фактически наблюдаемое в данной серии
опытов значение χ2.
Если эта вероятность
сравнительно велика (P≥0,05),
то можно признать гипотезу о соответствии
эмпирического распределения теоретическому
правильно.
Если вероятность весьма
мала (P<0,05),
т.е. событие с такой вероятностью можно
считать практически невозможным, то
результат опыта следует считать
противоречащим гипотезе о том, что закон
распределения величины x
(в нашем случае x=d)
есть F(x).
Следовательно, гипотеза
отвергается и следует подобрать другую
теоретическую кривую.
Критерий Колмогорова
λ.
Критерий Пирсона применяют только в
тех случаях, когда число наблюдений
(n≥25).
Если теоретические значения параметров
распределения известны, то лучшим
критерием является критерий Колмогорова.
Для расчета критерия
Колмогорова, как и для критерия Пирсона
определяют теоретический mi
и экспериментальный ряд частот mi/.
Затем рассчитывают накопленные суммы,
которые образуются путем прибавления
последующих частот к сумме предыдущих.
Составляют разность между накопленными
теоретическими и эмпирическими суммами
и находят максимальное значение этой
разности, вычисляя величину D
по формуле:
Где
,
– разность функций экспериментального
и теоретического распределения СВ.
Коэффициент λ
находят по формуле:
.Пользуясь
табличными данными для вычисленного
значения λ, определяют вероятность P(λ)
– вероятность того, что гипотетическая
функция выбрана правильно.
Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]
- #
- #
- #
- #
- #
- #
- #
- #
- #
- #
- #
Статья рассказывает о гипотезе нулевой в статистике, о ее свойствах, статистических тестах для ее проверки, ошибках первого и второго рода, критической области и уровне значимости, а также о применении гипотезы нулевой в практических исследованиях.
О чем статья
Введение
Добро пожаловать на лекцию по теории вероятности! Сегодня мы будем говорить о гипотезе нулевой, одном из основных понятий в статистике и исследованиях. Гипотеза нулевой является основной гипотезой, которую мы хотим проверить, и она обычно формулируется так, чтобы отражать отсутствие эффекта или различий между группами. В ходе лекции мы рассмотрим определение и свойства гипотезы нулевой, а также узнаем о статистических тестах, которые помогут нам проверить эту гипотезу. Мы также обсудим ошибки первого и второго рода, критическую область и уровень значимости при проверке гипотезы нулевой. Наконец, мы рассмотрим применение гипотезы нулевой в практических исследованиях. Давайте начнем!
Нужна помощь в написании работы?
Написание учебной работы за 1 день от 100 рублей. Посмотрите отзывы наших клиентов и узнайте стоимость вашей работы.
Подробнее
Определение гипотезы нулевой
Гипотеза нулевой (H0) – это основная или нейтральная гипотеза, которая формулируется для проверки в статистическом тестировании. Она предполагает, что никаких значимых различий или эффектов нет в исследуемой ситуации или популяции.
Гипотеза нулевой обычно формулируется в виде утверждения, что никаких изменений, связей или влияний нет между переменными или группами. Она представляет собой нулевую гипотезу, которую мы пытаемся опровергнуть или отвергнуть в пользу альтернативной гипотезы (H1), которая предполагает наличие значимых различий или эффектов.
Гипотеза нулевой является отправной точкой для статистического анализа и проверки статистической значимости. Она позволяет нам определить, насколько вероятно наблюдаемые различия или эффекты могут быть случайными или вызваны случайными факторами.
Важно отметить, что отвержение гипотезы нулевой не означает, что альтернативная гипотеза является истинной. Оно лишь указывает на то, что наблюдаемые различия или эффекты могут быть объяснены неслучайными факторами и требуют дальнейшего исследования.
Свойства гипотезы нулевой
Гипотеза нулевой обладает несколькими важными свойствами, которые помогают нам проводить статистические тесты и делать выводы на основе полученных данных. Вот некоторые из этих свойств:
Нулевая гипотеза формулируется как утверждение о равенстве или отсутствии эффекта
Гипотеза нулевой формулируется таким образом, чтобы предположить, что никакого эффекта или различия между группами или переменными не существует. Например, если мы исследуем эффект нового лекарства на пациентов, нулевая гипотеза может звучать как “новое лекарство не имеет никакого эффекта на пациентов”.
Нулевая гипотеза подлежит проверке и опровержению
Цель статистического анализа – проверить, насколько наблюдаемые данные соответствуют нулевой гипотезе. Если данные значительно отличаются от ожидаемых значений, мы можем отвергнуть нулевую гипотезу в пользу альтернативной гипотезы.
Ошибки первого и второго рода
При проверке гипотезы нулевой существует два типа ошибок, которые могут возникнуть. Ошибка первого рода происходит, когда мы отвергаем нулевую гипотезу, хотя она на самом деле верна. Ошибка второго рода происходит, когда мы принимаем нулевую гипотезу, хотя она на самом деле неверна. Важно учитывать возможность этих ошибок при проведении статистического анализа.
Критическая область и уровень значимости
Для проверки гипотезы нулевой мы устанавливаем критическую область, которая определяет, когда мы можем отвергнуть нулевую гипотезу. Уровень значимости определяет, насколько нам нужно уверенно отвергнуть нулевую гипотезу. Обычно уровень значимости составляет 0,05 или 0,01, что означает, что мы готовы допустить ошибку первого рода в 5% или 1% случаев соответственно.
Эти свойства гипотезы нулевой помогают нам проводить статистические тесты и делать выводы на основе данных. Они также помогают нам контролировать ошибки и устанавливать уровень значимости для принятия решений.
Примеры гипотез нулевой
Гипотеза нулевой – это утверждение, которое мы хотим проверить или опровергнуть с помощью статистического теста. Вот несколько примеров гипотез нулевой:
Пример 1:
Гипотеза нулевой: Средний вес новорожденных мальчиков и девочек одинаков.
Альтернативная гипотеза: Средний вес новорожденных мальчиков и девочек различается.
В этом примере мы хотим проверить, есть ли статистически значимая разница в среднем весе новорожденных мальчиков и девочек. Гипотеза нулевой предполагает, что средний вес одинаков для обоих полов, а альтернативная гипотеза предполагает, что средний вес различается.
Пример 2:
Гипотеза нулевой: Средняя оценка студентов, изучающих математику и историю, одинакова.
Альтернативная гипотеза: Средняя оценка студентов, изучающих математику и историю, различается.
В этом примере мы хотим проверить, есть ли статистически значимая разница в средней оценке студентов, изучающих математику и историю. Гипотеза нулевой предполагает, что средняя оценка одинакова для обоих предметов, а альтернативная гипотеза предполагает, что средняя оценка различается.
Пример 3:
Гипотеза нулевой: Процент кликов на рекламный баннер не зависит от цвета фона.
Альтернативная гипотеза: Процент кликов на рекламный баннер зависит от цвета фона.
В этом примере мы хотим проверить, есть ли статистически значимая зависимость между цветом фона и процентом кликов на рекламный баннер. Гипотеза нулевой предполагает, что процент кликов не зависит от цвета фона, а альтернативная гипотеза предполагает, что зависимость существует.
Это лишь несколько примеров гипотез нулевой, которые могут быть использованы в статистических исследованиях. Важно формулировать гипотезу нулевой и альтернативную гипотезу ясно и точно, чтобы провести правильный статистический тест и сделать выводы на основе данных.
Статистические тесты для проверки гипотезы нулевой
Статистические тесты используются для проверки гипотезы нулевой и принятия решения о том, следует ли отвергнуть гипотезу нулевой в пользу альтернативной гипотезы. В зависимости от типа данных и характера исследования, могут быть применены различные статистические тесты.
Т-тест
Т-тест используется для проверки гипотезы нулевой о равенстве средних значений двух групп. Например, если мы хотим проверить, есть ли статистически значимая разница в среднем доходе мужчин и женщин, мы можем использовать т-тест.
ANOVA
ANOVA (анализ дисперсии) используется для проверки гипотезы нулевой о равенстве средних значений в трех или более группах. Например, если мы хотим проверить, есть ли статистически значимая разница в среднем времени реакции на разные типы стимулов, мы можем использовать ANOVA.
Хи-квадрат тест
Хи-квадрат тест используется для проверки гипотезы нулевой о независимости двух категориальных переменных. Например, если мы хотим проверить, есть ли статистически значимая связь между предпочтениями музыки и возрастной группой, мы можем использовать хи-квадрат тест.
Корреляционный анализ
Корреляционный анализ используется для проверки гипотезы нулевой о отсутствии связи между двумя непрерывными переменными. Например, если мы хотим проверить, есть ли статистически значимая связь между количеством часов, проведенных на подготовку к экзамену, и полученным баллом, мы можем использовать корреляционный анализ.
Это лишь несколько примеров статистических тестов, которые могут быть использованы для проверки гипотезы нулевой. Выбор конкретного теста зависит от типа данных, количества групп и характера исследования. Важно выбрать подходящий тест и правильно интерпретировать его результаты для принятия обоснованного решения.
Ошибки первого и второго рода при проверке гипотезы нулевой
При проверке гипотезы нулевой существуют два типа ошибок, которые могут возникнуть: ошибка первого рода и ошибка второго рода.
Ошибка первого рода
Ошибка первого рода происходит, когда мы отвергаем гипотезу нулевой, хотя она на самом деле верна. То есть, мы делаем неверное заключение о наличии статистически значимого эффекта или связи, когда на самом деле такой эффект или связь отсутствуют.
Вероятность совершить ошибку первого рода обозначается как α (альфа) и называется уровнем значимости. Обычно выбирают уровень значимости 0.05 или 0.01, что означает, что мы готовы принять ошибку первого рода с вероятностью 5% или 1% соответственно.
Чтобы минимизировать вероятность ошибки первого рода, необходимо выбрать подходящий уровень значимости и правильно интерпретировать результаты статистического теста.
Ошибка второго рода
Ошибка второго рода происходит, когда мы принимаем гипотезу нулевой, хотя она на самом деле неверна. То есть, мы делаем неверное заключение о отсутствии статистически значимого эффекта или связи, когда на самом деле такой эффект или связь существуют.
Вероятность совершить ошибку второго рода обозначается как β (бета) и зависит от мощности статистического теста. Мощность теста определяет вероятность правильно отвергнуть гипотезу нулевой, когда она действительно неверна. Чем выше мощность теста, тем меньше вероятность ошибки второго рода.
Для уменьшения вероятности ошибки второго рода необходимо увеличить мощность статистического теста. Это можно сделать, увеличивая размер выборки, уменьшая уровень значимости или выбирая более чувствительный статистический тест.
Критическая область и уровень значимости при проверке гипотезы нулевой
При проверке гипотезы нулевой используется понятие критической области и уровня значимости. Критическая область – это диапазон значений статистической меры, при которых гипотеза нулевой отвергается в пользу альтернативной гипотезы. Уровень значимости – это вероятность ошибки первого рода, то есть вероятность отвергнуть верную гипотезу нулевой.
Уровень значимости обозначается как α (альфа) и выбирается исследователем перед проведением статистического теста. Обычно используются уровни значимости 0.05 (5%) или 0.01 (1%). Это означает, что если p-значение (вероятность получить наблюдаемое значение статистики или еще более экстремальное при условии, что гипотеза нулевой верна) меньше или равно уровню значимости, то гипотеза нулевой отвергается.
Критическая область определяется на основе уровня значимости и выбранного статистического теста. Для односторонних тестов критическая область находится только в одной из хвостов распределения, а для двусторонних тестов – в обоих хвостах. Если значение статистики попадает в критическую область, то гипотеза нулевой отвергается, иначе она не отвергается.
Выбор уровня значимости и определение критической области являются важными шагами при проверке гипотезы нулевой. Они позволяют контролировать вероятность ошибки первого рода и принимать статистически обоснованные решения на основе данных.
Применение гипотезы нулевой в практических исследованиях
Гипотеза нулевой является важным инструментом в практических исследованиях, таких как медицинские исследования, социологические исследования, экономические исследования и другие. Она позволяет проверить наличие или отсутствие эффекта или различий между группами.
Пример 1: Медицинские исследования
В медицинских исследованиях гипотеза нулевой может использоваться для проверки эффективности нового лекарства или метода лечения. Например, исследователи могут сформулировать гипотезу нулевой, что новое лекарство не имеет никакого эффекта на пациентов. Затем проводится эксперимент, в котором одной группе пациентов дают новое лекарство, а другой группе – плацебо. После этого сравниваются результаты двух групп, и если статистический анализ показывает, что различия между группами статистически значимы, то гипотеза нулевой отвергается, и можно сделать вывод о наличии эффекта нового лекарства.
Пример 2: Социологические исследования
В социологических исследованиях гипотеза нулевой может использоваться для проверки различий между группами людей по определенным характеристикам. Например, исследователи могут сформулировать гипотезу нулевой, что нет различий в уровне образования между мужчинами и женщинами. Затем проводится опрос или анализ данных, и если статистический анализ показывает, что различия между группами статистически значимы, то гипотеза нулевой отвергается, и можно сделать вывод о наличии различий в уровне образования между мужчинами и женщинами.
Пример 3: Экономические исследования
В экономических исследованиях гипотеза нулевой может использоваться для проверки влияния различных факторов на экономические показатели. Например, исследователи могут сформулировать гипотезу нулевой, что нет различий в среднем доходе между людьми с высшим образованием и без высшего образования. Затем проводится анализ данных, и если статистический анализ показывает, что различия в среднем доходе статистически значимы, то гипотеза нулевой отвергается, и можно сделать вывод о наличии различий в среднем доходе между людьми с высшим образованием и без высшего образования.
Таким образом, гипотеза нулевой является важным инструментом в практических исследованиях, позволяющим делать статистически обоснованные выводы на основе данных и проверять наличие или отсутствие эффекта или различий между группами.
Таблица сравнения гипотезы нулевой
Свойство | Определение | Пример |
---|---|---|
Гипотеза нулевой | Предположение о равенстве или отсутствии эффекта в популяции | Средний рост мужчин и женщин одинаков |
Свойство 2 | Описание свойства 2 | Пример свойства 2 |
Свойство 3 | Описание свойства 3 | Пример свойства 3 |
Свойство 4 | Описание свойства 4 | Пример свойства 4 |
Заключение
Гипотеза нулевой является основной гипотезой, которая подлежит проверке в статистических исследованиях. Она формулируется так, чтобы предположить отсутствие эффекта или различий между группами. При проверке гипотезы нулевой используются статистические тесты, которые позволяют оценить вероятность получения наблюдаемых данных при условии, что гипотеза нулевой верна. Ошибки первого и второго рода могут возникнуть при проверке гипотезы нулевой, поэтому важно выбрать уровень значимости и критическую область. Гипотеза нулевой имеет широкое применение в практических исследованиях, позволяя проверить статистическую значимость различий и эффектов.