Typ II fel

Vad är ett typ II-fel?

Ett typ II-fel är en statistisk term som används inom ramen för hypotestestning som beskriver felet som uppstår när man misslyckas med att förkasta en nollhypotes som faktiskt är falsk. Ett typ II-fel ger ett falskt negativ, även känt som ett utelämnandefel. Till exempel kan ett test för en sjukdom rapportera ett negativt resultat när patienten är infekterad. Detta är ett typ II-fel eftersom vi accepterar testets slutsats som negativ, trots att den är felaktig.

I statistisk analys är ett typ I-fel förkastandet av en sann nollhypotes, medan ett typ II-fel beskriver det fel som uppstår när man misslyckas med att förkasta en nollhypotes som faktiskt är falsk. Felet förkastar den alternativa hypotesen , även om det inte uppstår på grund av slumpen.

Förstå ett typ II-fel

Ett typ II-fel, även känt som ett fel av det andra slaget eller ett betafel, bekräftar en idé som borde ha förkastats, som till exempel att hävda att två observationer är lika, trots att de är olika. Ett typ II-fel förkastar inte nollhypotesen, även om den alternativa hypotesen är det sanna naturtillståndet. Med andra ord, ett falskt fynd accepteras som sant.

Ett typ II-fel kan reduceras genom att göra strängare kriterier för att förkasta en nollhypotes. Till exempel, om en analytiker anser något som faller inom +/- gränserna för ett 95 % konfidensintervall som statistiskt insignifikant (ett negativt resultat), genom att minska den toleransen till +/- 90 % och därefter minska gränserna, du kommer att få färre negativa resultat och därmed minska risken för ett falskt negativt resultat.

Att ta dessa steg tenderar dock att öka chanserna att stöta på ett typ I-fel - ett falskt positivt resultat. När man genomför ett hypotestest bör sannolikheten eller risken för att göra ett typ I-fel eller ett typ II-fel beaktas.

De åtgärder som vidtas för att minska risken för att stöta på ett typ II-fel tenderar att öka sannolikheten för ett typ I-fel.

Typ I-fel vs. Typ II-fel

Skillnaden mellan ett typ II-fel och ett typ I-fel är att ett typ I-fel förkastar nollhypotesen när den är sann (dvs. en falsk positiv). Sannolikheten att begå ett typ I-fel är lika med den signifikansnivå som sattes för hypotestestet. Därför, om signifikansnivån är 0,05, finns det en 5% chans att ett typ I-fel kan inträffa.

Sannolikheten att begå ett typ II-fel är lika med en minus testets styrka, även känd som beta. Testets kraft skulle kunna ökas genom att öka urvalsstorleken,. vilket minskar risken för att begå ett typ II-fel.

Viss statistisk litteratur kommer att inkludera övergripande signifikansnivå och typ II felrisk som en del av rapportens analys. Till exempel registrerade en 2021 metaanalys av exosom vid behandling av ryggmärgsskada en total signifikansnivå på 0,05 och en typ II-felrisk på 0,1.

Exempel på ett typ II-fel

Antag att ett bioteknikföretag vill jämföra hur effektiva två av dess läkemedel är för att behandla diabetes. Nollhypotesen säger att de två läkemedlen är lika effektiva. En nollhypotes, H0, är påståendet som företaget hoppas kunna förkasta med det ensidiga testet. Den alternativa hypotesen, H_a, säger att de två läkemedlen inte är lika effektiva. Den alternativa hypotesen, H_a, är det naturtillstånd som stöds genom att förkasta nollhypotesen.

Bioteknikföretaget genomför en stor klinisk prövning av 3 000 patienter med diabetes för att jämföra behandlingarna. Företaget delar slumpmässigt in de 3 000 patienterna i två lika stora grupper, vilket ger den ena gruppen en av behandlingarna och den andra gruppen den andra behandlingen. Den väljer en signifikansnivå på 0,05, vilket indikerar att den är villig att acceptera en 5% chans att den kan förkasta nollhypotesen när den är sann eller en 5% chans att begå ett typ I-fel.

Antag att betan beräknas till 0,025, eller 2,5 %. Därför är sannolikheten för att begå ett typ II-fel 97,5 %. Om de två medicinerna inte är lika bör nollhypotesen förkastas. Men om bioteknikföretaget inte förkastar nollhypotesen när läkemedlen inte är lika effektiva uppstår ett typ II-fel.

Höjdpunkter

• Ett typ II-fel är i huvudsak ett falskt negativt.

– Ett typ II-fel kan reduceras genom att göra strängare kriterier för att förkasta en nollhypotes, även om det ökar chanserna för ett falskt positivt.

• Urvalsstorleken, den sanna populationsstorleken och den förinställda alfanivån påverkar storleken på risken för ett fel.

– Ett typ II-fel definieras som sannolikheten för att felaktigt misslyckas med att förkasta nollhypotesen, när den i själva verket inte är tillämplig på hela populationen.

– Analytiker måste väga sannolikheten och effekten av typ II-fel med typ I-fel.

Vanliga frågor

Vad är skillnaden mellan typ I- och typ II-fel?

Ett typ I-fel uppstår om en nollhypotes förkastas som faktiskt är sann i populationen. Denna typ av fel är representativ för ett falskt positivt. Alternativt uppstår ett typ II-fel om en nollhypotes inte förkastas som faktiskt är falsk i populationen. Denna typ av fel är representativ för ett falskt negativt.

Vad orsakar typ II-fel?

Ett typ II-fel uppstår vanligtvis om den statistiska styrkan för ett test är för låg. Ju högst statistisk styrka, desto större är chansen att undvika ett fel. Det rekommenderas ofta att den statistiska effekten bör ställas in på minst 80 % innan någon testning utförs.

Vilka faktorer påverkar storleken på risken för typ II-fel?

I takt med att urvalsstorleken på forskningen ökar bör risken för typ II-fel minska. När den sanna populationseffektstorleken ökar, bör också typ II-felet minska. Sist, den förinställda alfanivån som ställts in av forskningen påverkar riskens storlek. När alfanivåuppsättningen minskar ökar risken för ett typ II-fel.