Coursera Learner working on a presentation with Coursera logo and
Coursera Learner working on a presentation with Coursera logo and

Per quanto gli specialisti, i diari e i documenti possano essere entusiasti della possibilità di sospettare qualcosa, le misurazioni non sono certo una scienza sicura. Le intuizioni sono un giro di probabilità, e non possiamo mai sapere con certezza se le nostre decisioni misurabili sono giuste. In qualsiasi punto ci sia una vulnerabilità, c’è la probabilità di commettere un errore. Nelle intuizioni, ci sono due tipi di errori misurabili che si possono immaginare quando si provano teorie: Tipo I e Tipo II.

L’errore di tipo I si verifica quando si respinge in modo impreciso una vera e propria speculazione non valida. Nella remota possibilità che tu abbia vacillato grazie a quella definizione, non sottolineare – un metodo abbreviato per ricordare esattamente ciò che diavolo implica è che un errore di Tipo I è un “falso costruttivo”. Dichiari di aver fatto un’indagine che contrapponeva i livelli di soddisfazione di individui a cui era stato dato un giovane cagnolino da tenere in braccio a un cucciolo per dare solo un’occhiata. Le vostre teorie non valide sarebbero che non c’è una distinzione di fatto degna di nota nei livelli di soddisfazione tra gli individui che hanno tenuto e gli individui che hanno dato uno sguardo a un cagnolino.

Tuttavia, supponiamo che non ci fosse un autentico contrasto di beatitudine tra gli incontri – o, in altre parole, gli individui sono in realtà altrettanto allegri quando tengono in braccio un cagnolino o danno un’occhiata a un cagnolino. Nella remota possibilità che il vostro test misurabile fosse degno di nota, avreste poi dedicato un Sort I mistake, poiché la speculazione non valida è in realtà ovvia. Come tale, avete trovato un risultato degno di nota solo per la possibilità.

Il rovescio della medaglia di questo problema è presentare un errore Sort II: trascurare di respingere una speculazione non valida fasulla. Questo sarebbe un “falso negativo”. Utilizzando il nostro modello del cagnolino, supponiamo che abbiate trovato che non ci fosse una distinzione di fatto critica tra i vostri raduni, ma in realtà gli individui che tengono i cuccioli sono molto più gioiosi. Per questa situazione, lei ha erroneamente trascurato di respingere la speculazione non valida, poiché ha detto che non c’è distinzione quando una di esse esiste veramente.

Le probabilità di presentare questi due tipi di errori corrispondono al contrario – cioè, diminuendo il tasso di errore di Tipo I si espande il tasso di errore di Tipo II, e viceversa. Il vostro pericolo di presentare un errore di Tipo I è espresso dal vostro livello alfa (la stima sotto la quale respingete la speculazione non valida). Il valore generalmente riconosciuto α = .05 implica che per circa il 5% del tempo rifiuterete erroneamente la teoria non valida. Per diminuire la possibilità di presentare un errore di Sort I, in sostanza rendete la vostra stima alfa (p) sempre più severa. Le probabilità di presentare un errore di Tipo II sono identificate con la potenza misurabile dei vostri esami. Per diminuire la possibilità di presentare un errore di tipo II, aumentate la capacità degli esami ampliando le dimensioni del vostro esempio o allentando il vostro livello alfa!

A seconda del vostro campo e del vostro particolare esame, un tipo di errore può essere più costoso dell’altro. Supponiamo che abbiate condotto un’indagine per verificare se un subordinato di una pianta possa mantenere i passaggi da specifiche crescite maligne. Nella remota possibilità che abbiate erroneamente presunto che non potesse contrastare i passaggi di crescita maligna quando invece potrebbe (errore di tipo II), potreste eventualmente costare la vita ad alcuni individui! Nel caso in cui si vedesse se i livelli di gioia degli individui fossero più alti quando si tengono contro un giovane cagnolino, una delle due cose non sarebbe così significativa.