ETFFIN Finance >> Corso di Finanza Personale >  >> Gestione Finanziaria >> Finanze

Errore di Tipo II: Cause, Conseguenze ed Esempi

Cos'è l'Errore di Tipo II?

L'errore di tipo II è un termine statistico nel contesto del test d'ipotesi che descrive l'errore che si verifica quando si accetta un'ipotesi nulla che è in realtà falsa. Produce un falso negativo, noto anche come errore di omissione. Esempio: un test per una malattia dà esito negativo, ma il paziente è infetto. È errore di tipo II perché si accetta la conclusione negativa del test, benché errata.

In analisi statistica, l'errore di tipo I è il rigetto di un'ipotesi nulla vera; l'errore di tipo II è il mancato rigetto di un'ipotesi nulla che è falsa. L'errore rigetta l'ipotesi alternativa, anche se non è dovuta al caso.

Punti Chiave

  • L'errore di tipo II è la probabilità di mantenere erroneamente l'ipotesi nulla, quando in realtà non si applica all'intera popolazione.
  • È essenzialmente un falso negativo.
  • Può essere ridotto rendendo più stringenti i criteri per rigettare l'ipotesi nulla, anche se questo aumenta i falsi positivi.
  • Gli analisti devono soppesare probabilità e impatto degli errori di tipo II con quelli di tipo I.

Capire l'Errore di Tipo II

L'errore di tipo II (errore di seconda specie o errore beta) conferma un'idea che andava respinta, es. affermare che due osservazioni sono uguali quando sono diverse. Non rigetta l'ipotesi nulla, anche se l'alternativa è la vera realtà. In altre parole, un risultato falso viene accettato come vero.

Si può ridurre rendendo più stringenti i criteri di rigetto dell'ipotesi nulla. Esempio: se un analista considera statisticamente non significativo (risultato negativo) tutto ciò che cade entro i limiti ± di un intervallo di confidenza 95%, riducendo la tolleranza a ±90% si restringono i limiti, si ottengono meno risultati negativi e si riducono i falsi negativi.

Tuttavia, questo tende ad aumentare la probabilità di errore di tipo I (falso positivo). Nel test d'ipotesi, va considerata la probabilità/rischio di entrambi gli errori.

Le misure per ridurre l'errore di tipo II tendono ad aumentare la probabilità di errore di tipo I.

Errori di Tipo I vs Errori di Tipo II

Differenza: l'errore di tipo I rigetta l'ipotesi nulla quando è vera (falso positivo). La sua probabilità è uguale al livello di significatività fissato. Se significatività = 0,05, c'è 5% di probabilità di errore tipo I.

La probabilità di errore di tipo II = 1 - potenza del test (beta). La potenza aumenta con la dimensione del campione, riducendo il rischio di errore tipo II.

Esempio di Errore di Tipo II

Un'azienda biotech vuole confrontare l'efficacia di due farmaci per il diabete. Ipotesi nulla: i due farmaci sono ugualmente efficaci. L'ipotesi nulla H₀ è la tesi che l'azienda spera di respingere con test unilaterale. Ipotesi alternativa Hₐ: i due farmaci non sono ugualmente efficaci. Hₐ è lo stato di natura supportato respingendo H₀.

L'azienda fa un ampio trial clinico su 3.000 pazienti, divisi casualmente in due gruppi uguali (uno per farmaco). Sceglie livello significatività 0,05: accetta 5% di probabilità di rigettare H₀ quando è vera (errore tipo I).

Supponiamo beta = 0,025 (2,5%). Quindi probabilità di errore tipo II = 97,5%. Se i farmaci non sono uguali, H₀ va respinta. Ma se l'azienda non respinge H₀ quando i farmaci non sono ugualmente efficaci, si verifica errore di tipo II.