Błędy typu I i typu II
W testowaniu hipotez mogą wystąpić dwa rodzaje błędów: błąd typu I (fałszywie pozytywny, odrzucenie prawdziwej hipotezy zerowej) i błąd typu II (fałszywie negatywny, brak odrzucenia fałszywej hipotezy zerowej). Sformalizowane przez Neymana i Pearsona (1933), błędy te leżą u podstaw podejmowania decyzji statystycznych. Prawdopodobieństwo błędu typu I jest kontrolowane przez poziom istotności α (konwencjonalnie 0,05); prawdopodobieństwo błędu typu II wynosi β, a moc testu = 1 − β. Zrozumienie i zrównoważenie tych błędów jest kluczowe dla projektowania rzetelnych, wiarygodnych badań.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- Neyman, J., & Pearson, E. S. (1933). On the problem of the most efficient tests of statistical hypotheses. Philosophical Transactions of the Royal Society, 231, 289–337. DOI: 10.1098/rsta.1933.0009 ↗
- Altman, D. G., & Bland, J. M. (1994). Statistics notes: Diagnostic tests 1: sensitivity and specificity. BMJ, 308(6943), 1552. DOI: 10.1136/bmj.308.6943.1552 ↗
- Lehmann, E. L., & Romano, J. P. (2005). Testing Statistical Hypotheses (3rd ed.). Springer. ISBN: 0-387-98864-5
Jak cytować tę stronę
ScholarGate. (2026, June 3). Type I and Type II Errors: Understanding False Positives and False Negatives in Hypothesis Testing. ScholarGate. https://scholargate.app/pl/research-statistics/type-i-type-ii-error
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Przedział ufnościStatystyka w badaniach↔ compare
- Testowanie hipotez zerowychStatystyka w badaniach↔ compare
- Wartość p i istotność statystycznaStatystyka w badaniach↔ compare
- Moc statystyczna a wielkość próbyStatystyka w badaniach↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →