Chyby typu 2 | Statistika

K chybě typu 2 nebo typu II dochází tehdy, když se v práci dojde k závěru, že neexistuje žádný účinek, i když ve skutečnosti existuje. Výzkumníci se drží nulové hypotézy, i když je ve skutečnosti nepravdivá.

Vyjádřeno v jednotce Beta

Pravděpodobnost, že se dopustíte chyby typu 2, se při testování statistických hypotéz označuje jako (beta). Znamená to možnost nesprávného určení, že mezi skupinami nebo léčebnými postupy není žádný rozdíl nebo žádný dopad, i když ve skutečnosti existuje. Výzkumníci ji obvykle stanovují na 20 % nebo 0,20, což znamená, že jsou ochotni akceptovat 20% pravděpodobnost takové chyby v dlouhodobém horizontu. Pokud by však falešně negativní výsledek měl vážné následky, mohou se výzkumní pracovníci rozhodnout snížit jej na 10 % nebo dokonce na 5 %. Rozhodování o úrovni beta by mělo být informovaným rozhodnutím, nicméně výzkumníci se často vracejí k 20% heuristice.

Všimněte si, že tato procenta hovoří o dlouhodobém horizontu. Pokud provedete sto podobných studií, 20 % z nich může ukázat falešně negativní výsledek a 80 % nikoli. Jedna jediná studie prostě má chybu typu 2, nebo nemá.

Snížení počtu chyb typu 2

Vzhledem k potenciálně škodlivým důsledkům chyb typu 2 musí výzkumní pracovníci vynaložit veškeré úsilí na jejich snížení. Cílem je zvýšit statistickou sílu testu pro zjištění skutečného účinku nebo rozdílu. Jinými slovy, vědci se snaží snížit možnost, že omylem přijmou/udrží nulovou hypotézu, která je ve skutečnosti chybná.

Uvědomte si, že existuje vnitřní kompromis mezi chybami typu 1 a typu 2. Pravděpodobnost chyby typu 2 se zvyšuje, když se snižuje pravděpodobnost chyby typu 1, a naopak. K nalezení správné rovnováhy mezi těmito dvěma aspekty je třeba pečlivě posoudit konkrétní prostředí výzkumu, zmírnění rizik, potenciální výsledky a dostupné zdroje.

Výzkumní pracovníci používají různé taktiky ke snížení pravděpodobnosti výskytu chyb typu 2. Mohou zahrnovat zvýšení statistické síly zvýšením velikosti vzorku, zlepšením návrhu a metodiky studie, použitím citlivějších měřítek výsledků a zohledněním dalších statistických metod. Chcete-li se dozvědět více o statistické síle, klikněte zde.

Bower, D. (2019), Medical Statistics from Scratch: An Introduction for Health Professionals (4. vydání), Wiley

Akobeng A. K. (2016). Porozumění chybám typu I a typu II, statistické síle a velikosti vzorku. Acta paediatrica (Oslo, Norsko : 1992), 105(6), 605-609. https://doi.org/10.1111/apa.13384