Вероятность и статистика · объяснение и практика
Как различать ошибки первого и второго рода
Различите ошибочную тревогу и пропуск отклонения в статистическом тесте, задав нулевую гипотезу до названия ошибки.

В теме Оценивание и проверка гипотез: углубление · Учебная карта
Главная мысль
Ошибка первого рода — отклонить истинную H₀. Ошибка второго рода — не отклонить ложную H₀. Название определяется одновременно решением теста и фактическим состоянием, а не бытовым знаком «хорошо» или «плохо».
Две оси таблицы решений
Сначала формулируют нулевую гипотезу и альтернативу. Затем возможны два решения: отклонить H₀ или не отклонить. Отдельно существует действительность: H₀ истинна или ложна. Четыре сочетания дают две корректные ситуации и две ошибки. Без указания H₀ слова «ложноположительный» способны запутать, потому что положительный результат можно определять по-разному.
Если тест объявил отклонение, хотя нулевая модель верна, это ошибка первого рода. Если нулевая модель неверна, но данных не хватило для её отклонения, это ошибка второго. Неотклонение не является доказательством истинности H₀: тест мог иметь низкую мощность или столкнуться с небольшим отклонением при малом объёме.
Вероятности условны на состоянии модели
Уровень α связывают с вероятностью ошибки первого рода при выполнении нулевой гипотезы. β — вероятность ошибки второго рода при конкретном альтернативном состоянии. Последняя обычно меняется с величиной настоящего эффекта, объёмом данных и правилом теста. Мощность для этой альтернативы равна 1−β.
Нельзя читать α как вероятность того, что уже отклонённая H₀ оказалась истинной. Это обратное условие, для которого нужны дополнительные сведения и другая постановка. Уровень пять процентов описывает поведение процедуры при повторениях в нулевой модели, а не автоматически долю ложных гипотез среди любых полученных значимых результатов.
Пример
H₀: среднее время операции равно 20 минутам. На деле оно равно 20, но тест отклонил H₀. Какая ошибка произошла?
Это первый род: отклонена истинная нулевая гипотеза. Если реальное среднее было бы 22, а тест не отклонил значение 20, получился бы второй род.
Цена ошибок не задаётся одним названием
Уменьшение α при фиксированном объёме и прочих настройках часто делает отклонение труднее и может увеличить β. Больший объём способен улучшить различение, но только при подходящей модели данных. Выбор уровня должен учитывать задачу и последствия обоих видов ошибок, а не определяться после просмотра желаемого вывода.
Если тест не отклонил H₀, для доказательства практической близости к ней может понадобиться отдельная проверка эквивалентности с заранее заданной допустимой границей. Обычный незначимый результат такой вывод сам по себе не обеспечивает. Следует сообщать оценку эффекта, неопределённость и условия теста вместе с решением, а не превращать двоичный порог в окончательную характеристику реальности.
От чтения к действию
А теперь — вы
Частые вопросы
Не отклонить H₀ — значит доказать её?
Нет. Отсутствие оснований для отклонения может быть связано с малой мощностью. Для утверждения эквивалентности нужна отдельная постановка и допустимая граница.
β одинакова для всех альтернатив?
Обычно нет. Шанс пропустить отклонение зависит от конкретного истинного значения, размера эффекта, объёма и правила теста.
Источники и работа с материалом
Объяснение, примеры и вопросы написаны для erudeet. Факты и определения сверены по источникам ниже; это ссылки для самостоятельной проверки.
Продолжить разбираться
Почему статистическая значимость не задаёт величину эффекта
Сравните оценку эффекта с её неопределённостью и заранее выбранной полезной величиной; не читайте малое p как большой практический результат.
Открыть темуЧем стандартная ошибка среднего отличается от разброса отдельных наблюдений
Отделите разброс отдельных значений от неопределённости выборочного среднего и проверьте, когда действует деление на квадратный корень объёма.
Открыть тему