Même si les spécialistes, les journaux intimes et les journaux peuvent s’amuser à soupçonner quelque chose, les mesures ne sont certainement pas une science sûre. Les intuitions sont un cycle de probabilité, et nous ne pouvons jamais savoir avec certitude si nos décisions mesurables sont bonnes. Quel que soit le point de vulnérabilité, il y a une probabilité de faire une erreur. Dans le domaine de l’insight, il existe deux sortes de bévues finales mesurables qui sont concevables lorsque vous essayez des théories : Le type I et le type II.

L’erreur de type I survient lorsque vous écartez de manière inexacte une spéculation authentique et non valable. Si par malchance vous vous êtes trompé grâce à cette définition, n’insistez pas – une méthode abrégée pour rappeler exactement ce que cela implique, c’est qu’une erreur de type I est un “faux constructif”. Dites que vous avez fait une enquête pour comparer les niveaux de satisfaction entre les personnes qui ont reçu un jeune chien à tenir et un chiot à regarder. Vos théories non valables seraient qu’il n’y a pas de distinction factuelle notable dans les niveaux de satisfaction entre les individus qui ont tenu et ceux qui ont jeté un coup d’oeil à un petit chien.

Néanmoins, supposons qu’il n’y ait pas de véritable contraste de bonheur entre les rassemblements – ou, en d’autres termes, que les individus soient en réalité tout aussi joyeux lorsqu’ils tiennent un petit chien ou jettent un coup d’œil à l’un d’entre eux. Au cas où votre test mesurable aurait été remarquable, vous auriez alors commis une erreur de tri, car la spéculation non valable est en réalité évidente. Vous n’avez trouvé un résultat remarquable que parce qu’il était possible.

L’envers de la médaille est de soumettre une erreur de type II : en négligeant d’écarter une spéculation fausse et non valable. Il s’agirait d’un “faux adverse”. En utilisant notre modèle de petit chien, supposons que vous ayez trouvé qu’il n’y avait pas de distinction critique entre vos rassemblements, même si, en réalité, les personnes qui tiennent des chiots sont beaucoup plus joyeuses. Pour cette situation, vous avez négligé à tort d’écarter la spéculation non valable, puisque vous avez dit qu’il n’y avait pas de distinction alors qu’il y en a vraiment une.

Les chances de soumettre ces deux types de bévues correspondent au contraire, c’est-à-dire que la diminution du taux d’erreurs de type I augmente le taux d’erreurs de type II, et inversement. Le danger de soumettre une erreur de type I est indiqué par votre niveau alpha (l’estime en dessous de laquelle vous rejetez la spéculation non valable). La valeur généralement reconnue de α = 0,05 implique que vous écarterez par erreur la théorie non valable dans environ 5 % des cas. Pour réduire vos chances de soumettre une erreur de type “Sort I”, il faut essentiellement rendre votre estime alpha (p) de plus en plus rigoureuse. Les chances de soumettre une erreur de type II sont identifiées par la puissance mesurable de vos examens. Pour réduire vos chances de soumettre une erreur de type II, augmentez la capacité de vos examens en augmentant la taille de votre exemple ou en assouplissant votre niveau alpha !

En fonction de votre domaine et de votre examen particulier, un type d’erreur peut être plus coûteux qu’un autre. Supposons que vous ayez mené une enquête en jetant un coup d’œil sur la possibilité pour un subordonné de la plante de ne pas passer des examens sur des pousses malignes spécifiques. Si par malchance vous présumiez à tort qu’elle ne pouvait pas empêcher les passages de plantes malignes alors qu’elle le pouvait vraiment (erreur de type II), vous pourriez éventuellement coûter la vie à des personnes ! Dans le cas où vous verriez si le niveau de joie des individus était plus élevé lorsqu’ils tenaient un jeune chien que lorsqu’ils le regardaient, les deux types de bévues ne seront probablement pas aussi importants.