Erro Tipo II
O que é um erro do tipo II?
Um erro do tipo II é um termo estatístico usado no contexto de 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 apresentar um resultado negativo, quando o paciente está, de fato, infectado. Este é um erro do tipo II porque aceitamos a conclusão do teste como negativa, embora seja 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.
Principais vantagens
- Um erro do tipo II é definido como a probabilidade de reter incorretamente a hipótese nula, quando na verdade não é aplicável a toda a população.
- Um erro do tipo II é essencialmente um falso negativo.
- Um erro do tipo II pode ser reduzido criando critérios mais rigorosos para rejeitar uma hipótese nula, embora isso aumente as chances de um falso positivo.
- Os analistas precisam pesar a probabilidade e o impacto dos erros do tipo II com os erros do tipo I.
Compreendendo um erro tipo II
Um erro do tipo II, também conhecido como erro de segundo tipo ou erro beta, confirma uma ideia que deveria ter sido rejeitada, como, por exemplo, afirmar que duas observâncias são iguais, embora sejam diferentes. Um erro do tipo II não rejeita a hipótese nula, embora 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 criando critérios mais rigorosos para rejeitar uma hipótese nula. Por exemplo, se um analista está considerando qualquer coisa que caia dentro dos limites +/- de um intervalo de confiança de 95% como estatisticamente insignificante (um resultado negativo), então, diminuindo essa tolerância para +/- 90% e, subsequentemente, estreitando os limites, você obterá menos resultados negativos e, assim, reduzirá as chances de um falso negativo.
Seguir essas etapas, no entanto, tende a aumentar as chances de encontrar um erro do tipo I – um resultado falso positivo. Ao conduzir um teste de hipótese, a probabilidade ou risco de cometer um erro tipo I ou erro tipo II deve ser considerado.
As medidas tomadas para reduzir as chances de encontrar um erro do tipo II tendem a aumentar a probabilidade de um erro do tipo I.
Erros Tipo I vs. Erros Tipo II
A diferença entre um erro do tipo II e um erro do tipo I é que um erro do 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 hipótese. Portanto, se o nível de significância for 0,05, há 5% de chance de um erro do tipo I ocorrer.
A probabilidade de cometer um erro do tipo II é igual a um menos a potência 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 do tipo II.
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, H 0, é a afirmação que a empresa espera rejeitar usando o teste unicaudal. A hipótese alternativa, H a, afirma que as duas drogas não são igualmente eficazes. A hipótese alternativa, H a , é o estado de natureza que é apoiado 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. 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 como 0,025 ou 2,5%. Portanto, a probabilidade de cometer um erro do 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 do tipo II.