Erro Tipo II
O que é um erro tipo II?
Um erro do tipo II é um termo estatístico usado no contexto de testes de hipóteses que descreve o erro que ocorre quando não se rejeita uma hipótese nula que é realmente falsa. Um erro do tipo II produz um falso negativo, também conhecido como erro de omissão. Por exemplo, um teste para uma doença pode relatar um resultado negativo quando o paciente está infectado. Este é um erro do tipo II porque aceitamos a conclusão do teste como negativa, mesmo que incorreta.
Na análise estatística, um erro do tipo I é a rejeição de uma hipótese nula verdadeira, enquanto um erro do tipo II descreve o erro que ocorre quando não se rejeita uma hipótese nula que é realmente falsa. O erro rejeita a hipótese alternativa , embora não ocorra por acaso.
Entendendo um erro tipo II
Um erro do tipo II, também conhecido como erro do segundo tipo ou erro beta, confirma uma ideia que deveria ter sido rejeitada, como, por exemplo, afirmar que duas observâncias são iguais, apesar de serem diferentes. Um erro do tipo II não rejeita a hipótese nula, mesmo que a hipótese alternativa seja o verdadeiro estado de natureza. Em outras palavras, um achado falso é aceito como verdadeiro.
Um erro do tipo II pode ser reduzido fazendo critérios mais rigorosos para rejeitar uma hipótese nula. Por exemplo, se um analista for qualquer coisa que esteja dentro dos limites de +/- de um intervalo de confiança de 95% como estatisticamente insignificante (um resultado negativo), então, ao diminuir essa tolerância para +/- 90% e, posteriormente, estreitar os limites, você obterá menos resultados negativos e, assim, reduzirá as chances de um falso negativo.
Tomar essas medidas, no entanto, tende a aumentar as chances de encontrar um erro do tipo I – um resultado falso-positivo. Ao realizar um teste de hipótese, a probabilidade ou risco de cometer um erro tipo I ou erro tipo II deve ser considerada.
As medidas tomadas para reduzir as chances de encontrar um erro tipo II tendem a aumentar a probabilidade de um erro tipo I.
Erros Tipo I vs. Erros Tipo II
A diferença entre um erro tipo II e um erro tipo I é que um erro tipo I rejeita a hipótese nula quando ela é verdadeira (ou seja, um falso positivo). A probabilidade de cometer um erro do tipo I é igual ao nível de significância que foi definido para o teste de hipóteses. Portanto, se o nível de significância for 0,05, há 5% de chance de ocorrer um erro tipo I.
A probabilidade de cometer um erro tipo II é igual a um menos o poder 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 tipo II.
Alguma literatura estatística incluirá nível de significância geral e risco de erro tipo II como parte da análise do relatório. Por exemplo, uma meta-análise de 2021 de exossoma no tratamento de lesão medular registrou um nível de significância geral de 0,05 e um risco de erro tipo II de 0,1.
Exemplo de um erro tipo II
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, H0, é a afirmação que a empresa espera rejeitar usando o teste unilateral. A hipótese alternativa, Ha, afirma que as duas drogas não são igualmente eficazes. A hipótese alternativa, Ha, é o estado de natureza que é suportado 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 divide aleatoriamente os 3.000 pacientes em dois grupos de tamanhos iguais, dando a um grupo um dos tratamentos e ao outro grupo o outro tratamento. 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 ela for verdadeira ou uma chance de 5% de cometer um erro tipo I.
Suponha que o beta seja calculado em 0,025, ou 2,5%. Portanto, a probabilidade de cometer um erro tipo II é de 97,5%. 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 são igualmente eficazes, ocorre um erro tipo II.
##Destaques
Um erro tipo II é essencialmente um falso negativo.
Um erro tipo II pode ser reduzido fazendo critérios mais rigorosos para rejeitar uma hipótese nula, embora isso aumente as chances de um falso positivo.
O tamanho da amostra, o tamanho real da população e o nível alfa pré-estabelecido influenciam a magnitude do risco de um erro.
Um erro do tipo II é definido como a probabilidade de não se rejeitar incorretamente a hipótese nula, quando na verdade não é aplicável a toda a população.
Os analistas precisam pesar a probabilidade e o impacto dos erros do tipo II com os erros do tipo I.
##PERGUNTAS FREQUENTES
Qual é a diferença entre os erros tipo I e tipo II?
Um erro do tipo I ocorre se uma hipótese nula for rejeitada que é realmente verdadeira na população. Este tipo de erro é representativo de um falso positivo. Alternativamente, ocorre um erro do tipo II se não for rejeitada uma hipótese nula que seja realmente falsa na população. Este tipo de erro é representativo de um falso negativo.
O que causa erros do tipo II?
Um erro do tipo II é comumente causado se o poder estatístico de um teste for muito baixo. Quanto maior o poder estatístico, maior a chance de evitar um erro. Muitas vezes, é recomendado que o poder estatístico seja definido para pelo menos 80% antes de realizar qualquer teste.
Quais fatores influenciam a magnitude do risco para erros do tipo II?
À medida que o tamanho da amostra da pesquisa aumenta, a magnitude do risco para erros do tipo II deve diminuir. À medida que o tamanho do efeito populacional verdadeiro aumenta, o erro tipo II também deve diminuir. Por último, o nível alfa pré-estabelecido pela pesquisa influencia a magnitude do risco. À medida que o nível alfa diminui, o risco de um erro tipo II aumenta.
