Typ I- och typ II-fel
Vid hypotesprövning kan två typer av fel uppstå: typ I-fel (falskt positivt, att förkasta en sann nollhypotes) och typ II-fel (falskt negativt, att inte förkasta en falsk nollhypotes). Dessa fel, som formaliserades av Neyman och Pearson (1933), är centrala för statistiskt beslutsfattande. Sannolikheten för typ I-fel kontrolleras av signifikansnivån α (konventionellt 0,05); sannolikheten för typ II-fel är β, och styrkan = 1 − β. Att förstå och balansera dessa fel är avgörande för att utforma robust och tillförlitlig forskning.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Metodkarta
Närområdet av besläktade metoder — välj en nod för att utforska.
Källor
- 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
Så citerar du den här sidan
ScholarGate. (2026, June 3). Type I and Type II Errors: Understanding False Positives and False Negatives in Hypothesis Testing. ScholarGate. https://scholargate.app/sv/research-statistics/type-i-type-ii-error
Vilken metod?
Placera den här metoden bredvid sina närmaste släktingar och läs dem sida vid sida — biblioteket lägger fram böckerna på bordet; valet är ditt.
- KonfidensintervallForskningsstatistik↔ jämför
- Hypotesprövning (Null Hypothesis Testing)Forskningsstatistik↔ jämför
- P-värde och statistisk signifikansForskningsstatistik↔ jämför
- Statistisk styrka och stickprovsstorlekForskningsstatistik↔ jämför
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →