Erro tipo I e erro tipo II: o que são e o que indicam nas estatísticas?

Erro tipo I e erro tipo II: o que são e o que indicam nas estatísticas? 1

Quando investigamos em psicologia, nas estatísticas inferenciais encontramos dois conceitos importantes: erro tipo I e erro tipo II . Elas surgem quando estamos testando hipóteses com uma hipótese nula e uma hipótese alternativa.

Neste artigo, veremos exatamente o que são, quando os comprometemos, como os calculamos e como podemos reduzi-los.

Métodos de estimativa de parâmetros

As estatísticas inferenciais são responsáveis ​​por extrair ou extrapolar conclusões de uma população, com base nas informações de uma amostra. Ou seja, nos permite descrever certas variáveis ​​que queremos estudar, no nível populacional.

Dentro dele, encontramos os métodos de estimativa de parâmetros , que visam fornecer métodos que nos permitem determinar (com alguma precisão) o valor dos parâmetros que queremos analisar, a partir de uma amostra aleatória da população que estamos estudando.

A estimativa de parâmetro pode ser de dois tipos: pontual (quando um único valor do parâmetro desconhecido é estimado) e por intervalos (quando um intervalo de confiança é estabelecido onde o parâmetro desconhecido “cai”). É neste segundo tipo, estimativa de intervalo, onde encontramos os conceitos que analisamos hoje: erro tipo I e erro tipo II.

Erro tipo I e erro tipo II: o que são?

Erro tipo I e erro tipo II são tipos de erros que podemos cometer quando em uma investigação estamos enfrentando a formulação de hipóteses estatísticas (como a hipótese nula ou H0 e a hipótese alternativa ou H1). Ou seja, quando estamos realizando testes de hipóteses. Mas, para entender esses conceitos, devemos primeiro contextualizar seu uso na estimativa de intervalos.

Como vimos, a estimativa por intervalos baseia-se em uma região crítica baseada no parâmetro de hipótese nula (H0) que propomos, bem como no intervalo de confiança baseado no estimador de amostra.

Ou seja, o objetivo é estabelecer um intervalo matemático em que o parâmetro que queremos estudar caia . Para fazer isso, uma série de etapas deve ser executada.

1. Formulação da hipótese

O primeiro passo é formular a hipótese nula e a hipótese alternativa, que, como veremos, nos levará aos conceitos de erro tipo I e erro tipo II.

1.1 Hipótese nula (H0)

A hipótese nula (H0) é a hipótese proposta pelo pesquisador e provisoriamente aceita como verdadeira . Você só pode rejeitá-lo através de um processo de falsificação ou refutação.

Normalmente, o que é feito é declarar a ausência de efeito ou a ausência de diferenças (por exemplo, seria afirmar que: “Não há diferenças entre terapia cognitiva e terapia comportamental no tratamento da ansiedade”).

1.2 Hipótese alternativa (H1)

A hipótese alternativa (H1), por outro lado, é o aspirante a suplantar ou substituir a hipótese nula. Isso geralmente sugere que existem diferenças ou efeitos (por exemplo, “existem diferenças entre terapia cognitiva e terapia comportamental no tratamento da ansiedade”).

  • Você pode estar interessado: ” Alfa de Cronbach (α): o que é e como é usado nas estatísticas “

2. Determinação do nível de significância ou alfa (α)

O segundo passo na estimativa de intervalo é determinar o nível de significância ou o nível alfa (α) . Isso é definido pelo pesquisador no início do processo; Essa é a probabilidade máxima de erro que aceitamos cometer ao rejeitar a hipótese nula.

Geralmente, são necessários valores pequenos, como 0,001, 0,01 ou 0,05. Ou seja, seria o erro “top” ou máximo que estamos dispostos a cometer como pesquisadores. Quando o nível de significância vale 0,05 (5%), por exemplo, o nível de confiança é de 0,95 (95%), e os dois somam 1 (100%).

Uma vez estabelecido o nível de significância, quatro situações podem ocorrer: dois tipos de erros (e é aí que entram os erros do tipo I e do tipo II) ou dois tipos de decisões corretas. Ou seja, as quatro possibilidades são:

2.1 Decisão correta (1-α)

Consiste em aceitar que a hipótese nula (H0) seja verdadeira . Ou seja, não a rejeitamos, mantemos, porque é verdade. Matematicamente, seria calculado da seguinte forma: 1-α (onde α é o erro do tipo I ou nível de significância).

2.2 Decisão correta (1-β)

Nesse caso, também tomamos uma decisão correta; consiste em rejeitar a hipótese nula (H0) sendo esta falsa. É também chamado de poder de teste . É calculado: 1-β (onde β é o erro do tipo II).

2.3 Erro tipo I (α)

O erro do tipo I, também chamado de alfa (α), é cometido ao rejeitar a hipótese nula (H0) que é verdadeira . Assim, a probabilidade de cometer um erro do tipo I é α, que é o nível de significância que estabelecemos para o nosso teste de hipótese.

Se, por exemplo, o α que estabelecemos for 0,05, isso indica que estamos dispostos a aceitar uma probabilidade de 5% de cometer erros ao rejeitar a hipótese nula.

2.4 Erro tipo II (β)

O erro do tipo II ou beta (β) é feito ao aceitar a hipótese nula (H0) sendo esta falsa . Ou seja, a probabilidade de cometer um erro do tipo II é beta (β) e depende da potência do teste (1-β).

Para reduzir o risco de cometer um erro do tipo II, podemos optar por garantir que o teste tenha energia suficiente. Para fazer isso, devemos garantir que o tamanho da amostra seja grande o suficiente para detectar uma diferença quando ela realmente existir.

Referências bibliográficas:

  • Garrafa, J. Sueró, M. Ximénez, C. (2012). Análise de dados em psicologia I. Madrid: Pirâmide.
  • Lubin, P. Macià, A. Rubio de Lerma, P. (2005). Psicologia matemática I e II. Madri: UNED.
  • Pardo, A. San Martin, R. (2006). Análise de dados em psicologia II. Madri: pirâmide.

Deixe um comentário

Este site usa cookies para lhe proporcionar a melhor experiência de usuário. política de cookies, clique no link para obter mais informações.

ACEPTAR
Aviso de cookies