So sehr sich Spezialisten, Tagebücher und Zeitungen über die Chance, etwas zu vermuten, freuen können, so wenig sind Messungen eine sichere Wissenschaft. Einsichten sind eine Runde der Wahrscheinlichkeit, und wir können nie mit Sicherheit wissen, ob unsere messbaren Entscheidungen richtig sind. An jedem Punkt, an dem es eine Verwundbarkeit gibt, besteht die Wahrscheinlichkeit, einen Fehler zu machen. Bei Einsichten sind zwei Arten von messbaren Endfehlern denkbar, wenn man Theorien ausprobiert: Typ I und Typ II.
Typ-I-Fehler passieren, wenn man eine wirklich ungültige Spekulation ungenau abtut. Für den unwahrscheinlichen Fall, dass Sie dank dieser Definition ins Stocken geraten sind, betonen Sie nicht – eine kurze Methode, um sich daran zu erinnern, was genau impliziert, dass ein Fehler vom Typ I ein “falsch konstruktiver Fehler” ist. Geben Sie an, dass Sie eine Untersuchung durchgeführt haben, in der Sie das Zufriedenheitsniveau von Personen, denen ein junges Hündchen in die Hand gedrückt wurde, mit dem eines Welpen verglichen haben, den man nur flüchtig betrachten konnte. Ihre ungültigen Theorien besagen, dass es keinen sachlich bemerkenswerten Unterschied im Zufriedenheitsniveau zwischen den Personen gibt, die ein Hündchen in der Hand hielten, und den Personen, die einen Blick auf einen kleinen Hund warfen.
Nehmen Sie dennoch an, es gäbe keinen echten Kontrast in der Glückseligkeit zwischen den Versammlungen – oder mit anderen Worten, die Individuen sind in Wirklichkeit ähnlich fröhlich, wenn sie einen kleinen Hund halten oder einen Blick auf einen werfen. Für den unwahrscheinlichen Fall, dass Ihr messbarer Test bemerkenswert wäre, hätten Sie dann einen Sort I-Fehler gewidmet, da die ungültige Spekulation in Wirklichkeit offensichtlich ist. Als solches fanden Sie nur aufgrund der Möglichkeit ein bemerkenswertes Ergebnis.
Die Kehrseite der Medaille ist, dass Sie einen Fehler des Typs II gemacht haben: Sie haben es versäumt, eine gefälschte ungültige Spekulation abzulehnen. Dies wäre eine “falsche Negativaussage”. Gehen Sie davon aus, dass Sie anhand unseres Modells des kleinen Hundes festgestellt haben, dass es keinen sachlich kritischen Unterschied zwischen Ihren Zusammenkünften gibt, doch in Wirklichkeit sind Menschen, die Welpen halten, viel freudiger. In dieser Situation haben Sie es fälschlicherweise versäumt, die ungültige Spekulation abzutun, da Sie sagten, es gebe keinen Unterschied, wenn es ihn wirklich gibt.
Die Chancen, diese beiden Arten von Fehlern geltend zu machen, entsprechen sich im Gegenteil – d.h. eine sinkende Fehlerquote bei Sorte I erhöht die Fehlerquote bei Typ II, und umgekehrt. Ihre Gefahr, einen Fehler vom Typ I einzureichen, wird durch Ihre Alpha-Ebene angesprochen (die p-Schätzung, unter der Sie die ungültige Spekulation abtun). Der allgemein anerkannte α = .05 bedeutet, dass Sie die ungültige Theorie in etwa 5% der Fälle irrtümlich abtun werden. Um Ihnen die Möglichkeit zu nehmen, einen Sort I-Fehler einzureichen, sollten Sie im Wesentlichen Ihre Alpha-(p)-Einstufung immer strenger machen. Die Chancen, einen Fehler der Kategorie II einzureichen, werden mit der messbaren Kraft Ihrer Prüfungen identifiziert. Um Ihre Chance zu verringern, einen Fehler der Sorte II einzureichen, erhöhen Sie die Kapazität Ihrer Prüfungen, indem Sie entweder die Größe Ihres Beispiels vergrößern oder Ihr Alpha-Niveau lockern!
Abhängig von Ihrem Fachgebiet und Ihrer speziellen Prüfung kann die eine Art von Fehlern teurer sein als die andere. Angenommen, Sie leiten eine Untersuchung, bei der Sie einen Blick darauf werfen, ob ein Pflanzenuntergebener Passagen von bestimmten bösartigen Wucherungen zurückhalten könnte. Für den Fall, dass Sie fälschlicherweise annehmen würden, dass sie bösartige, wachstumsbedingte Übergänge nicht bekämpfen könnte, obwohl sie es tatsächlich könnte (Fehler vom Typ II), könnten Sie möglicherweise Personen das Leben kosten! Für den Fall, dass Sie feststellen würden, ob die Freude von Einzelpersonen größer war, wenn sie einen Blick auf ein junges Hündchen warfen, wären beide Arten von Fehlern wahrscheinlich nicht so wichtig.
You may also like
Falsch-negativ
Beim Verständnis der Hypothese können zwei Fehler ziemlich verwirrend sein. Diese beiden Fehler sind falsch negativ und falsch positiv. Sie können den falsch-negativen Fehler auch als Fehler vom Typ II und den falsch-positiven als Fehler vom Typ I bezeichnen. Während des Lernens denken Sie vielleicht, dass diese Fehler keinen Nutzen haben und nur Ihre Zeit […]
Box-Plot-Übersicht
Mit Hilfe eines Box-Plots oder Box-and-Whisker-Plots können Sie die Verteilung der Datenbank in einer fünfstelligen Zusammenfassung darstellen. Das erste Quartil Q1 ist das Minimum, das dritte Quartil Q3 ist der Median und das fünfte Quartil Q5 ist das Maximum. Sie können die Ausreißer und ihre Werte mit Hilfe eines Boxplots finden. Sie können auch erkennen, […]
Bayes’sche Netzwerke
Das Erstellen eines probabilistischen Modells kann eine Herausforderung sein, erweist sich aber beim maschinellen Lernen als hilfreich. Um ein solches grafisches Modell zu erstellen, müssen Sie die probabilistischen Beziehungen zwischen den Variablen finden. Angenommen, Sie erstellen eine grafische Darstellung der Variablen. Sie müssen die Variablen als Knoten und die bedingte Unabhängigkeit als das Fehlen von […]
