In statistical hypothesis testing, a type I error is the incorrect rejection of a true null hypothesis (a "false positive"), while a type II error is incorrectly retaining a false null hypothesis (a "false negative"). More simply stated, a type I error is detecting an effect that is not present, while a type II error is failing to detect an effect that is present.

Property Value
dbo:abstract
  • En un estudio de investigación, el error de tipo I también denominado error de tipo alfa (α) o falso positivo, es el error que se comete cuando el investigador no acepta la hipótesis nula () siendo esta verdadera en la población. Es equivalente a encontrar un resultado falso positivo, porque el investigador llega a la conclusión de que existe una diferencia entre las hipótesis cuando en realidad no existe. Se relaciona con el nivel de significancia estadística. La hipótesis de la que se parte aquí es el supuesto de que la situación experimental presentaría un «estado normal». Si no se advierte este «estado normal», aunque en realidad existe, se trata de un error estadístico tipo I. Algunos ejemplos para el error tipo I serían: * Se considera que el paciente está enfermo, a pesar de que en realidad está sano; hipótesis nula: El paciente está sano. * Se declara culpable al acusado, a pesar de que en realidad es inocente; hipótesis nula: El acusado es inocente. * No se permite el ingreso de una persona, a pesar de que tiene derecho a ingresar; hipótesis nula: La persona tiene derecho a ingresar. En un estudio de investigación, el error de tipo II, también llamado error de tipo beta (β) (β es la probabilidad de que exista este error) o falso negativo, se comete cuando el investigador no rechaza la hipótesis nula siendo esta falsa en la población. Es equivalente a la probabilidad de un resultado falso negativo, ya que el investigador llega a la conclusión de que ha sido incapaz de encontrar una diferencia que existe en la realidad. Se acepta en un estudio que el valor del error beta esté entre el 5 y el 20%. Contrariamente al error tipo I, en la mayoría de los casos no es posible calcular la probabilidad del error tipo II. La razón de esto se encuentra en la manera en que se formulan las hipótesis en una prueba estadística. Mientras que la hipótesis nula representa siempre una afirmación enérgica (como por ejemplo «Promedio μ = 0») la hipótesis alternativa, debido a que engloba todas las otras posibilidades, es generalmente de naturaleza global (por ejemplo «Promedio μ ≠ 0» ). El gráfico de la derecha ilustra la probabilidad del error tipo II (rojo) en dependencia del promedio μ desconocido. El poder o potencia del estudio representa la probabilidad de observar en la muestra una determinada diferencia o efecto, si existe en la población. Es el complementario del error de tipo II (1-β). (es)
  • خطأ النوع الأول وخطأ النوع الثاني (بالإنجليزية: Type I and type II errors) هي معيار في الرياضيات تستخدم لمقاسات الخطأ المتوقع في درجة الاختبار. (ar)
  • 第一種過誤(だいいっしゅかご、英: Type I error)または偽陽性(ぎようせい、英: False positive)と第二種過誤(だいにしゅかご、英: Type II error)または偽陰性(ぎいんせい、英: False negative)は、仮説検定において過誤を表す用語である。第一種過誤をα過誤(α error)、第二種過誤をβ過誤(β error)とも呼ぶ。なお「過誤」とは、誤差によって二項分類などの分類を間違うことを意味する。 (ja)
  • In statistical hypothesis testing, a type I error is the incorrect rejection of a true null hypothesis (a "false positive"), while a type II error is incorrectly retaining a false null hypothesis (a "false negative"). More simply stated, a type I error is detecting an effect that is not present, while a type II error is failing to detect an effect that is present. (en)
  • Het begrip fout is een integraal onderdeel van de statistische toetsingstheorie. Een beslissing gebaseerd op de uitkomst van een statistische toets, kan, behoudens in uitzonderlijke situaties, nooit gegarandeerd foutvrij zijn, dat wil zeggen dat er altijd de mogelijkheid is dat de genomen beslissing verkeerd is. Afhankelijk van de soort beslissing onderscheidt men twee soorten fouten: een fout van de eerste soort en een fout van de tweede soort. (nl)
  • Ошибки первого рода (англ. type I errors, α errors, false positives) и ошибки второго рода (англ. type II errors, β errors, false negatives) в математической статистике — это ключевые понятия задач проверки статистических гипотез.Тем не менее, данные понятия часто используются и в других областях, когда речь идёт о принятии «бинарного» решения (да/нет) на основе некоего критерия (теста, проверки, измерения), который с некоторой вероятностью может давать ложный результат. (ru)
  • 第一型及第二型错误(英语:Type I error & Type II error)或型一錯誤及型二錯誤為统计学中推论统计学的名詞。 在假設檢定中,會有一種稱為虛無假設的假設。假設檢定的目的就是利用統計的方式,推測虛無假設是否成立。若虛無假設事實上成立,但統計檢驗的結果不支持虛無假設(拒絕虛無假設),這種錯誤稱為第一型錯誤。若虛無假設事實上不成立,但統計檢驗的結果支持虛無假設(接受虛無假設),這種錯誤稱為第二型錯誤。 以利用驗孕棒驗孕為例,此時未懷孕為虛無假設。若用驗孕棒為一位未懷孕的女士驗孕,結果是已懷孕,這是第一型錯誤。若用驗孕棒為一位孕婦驗孕,結果是未懷孕,這是第二型錯誤。 (zh)
dbo:wikiPageExternalLink
dbo:wikiPageID
  • 5657877 (xsd:integer)
dbo:wikiPageRevisionID
  • 744291329 (xsd:integer)
dbp:bot
  • medic
dbp:date
  • September 2016
dct:subject
http://purl.org/linguistics/gold/hypernym
rdf:type
rdfs:comment
  • خطأ النوع الأول وخطأ النوع الثاني (بالإنجليزية: Type I and type II errors) هي معيار في الرياضيات تستخدم لمقاسات الخطأ المتوقع في درجة الاختبار. (ar)
  • 第一種過誤(だいいっしゅかご、英: Type I error)または偽陽性(ぎようせい、英: False positive)と第二種過誤(だいにしゅかご、英: Type II error)または偽陰性(ぎいんせい、英: False negative)は、仮説検定において過誤を表す用語である。第一種過誤をα過誤(α error)、第二種過誤をβ過誤(β error)とも呼ぶ。なお「過誤」とは、誤差によって二項分類などの分類を間違うことを意味する。 (ja)
  • In statistical hypothesis testing, a type I error is the incorrect rejection of a true null hypothesis (a "false positive"), while a type II error is incorrectly retaining a false null hypothesis (a "false negative"). More simply stated, a type I error is detecting an effect that is not present, while a type II error is failing to detect an effect that is present. (en)
  • Het begrip fout is een integraal onderdeel van de statistische toetsingstheorie. Een beslissing gebaseerd op de uitkomst van een statistische toets, kan, behoudens in uitzonderlijke situaties, nooit gegarandeerd foutvrij zijn, dat wil zeggen dat er altijd de mogelijkheid is dat de genomen beslissing verkeerd is. Afhankelijk van de soort beslissing onderscheidt men twee soorten fouten: een fout van de eerste soort en een fout van de tweede soort. (nl)
  • Ошибки первого рода (англ. type I errors, α errors, false positives) и ошибки второго рода (англ. type II errors, β errors, false negatives) в математической статистике — это ключевые понятия задач проверки статистических гипотез.Тем не менее, данные понятия часто используются и в других областях, когда речь идёт о принятии «бинарного» решения (да/нет) на основе некоего критерия (теста, проверки, измерения), который с некоторой вероятностью может давать ложный результат. (ru)
  • 第一型及第二型错误(英语:Type I error & Type II error)或型一錯誤及型二錯誤為统计学中推论统计学的名詞。 在假設檢定中,會有一種稱為虛無假設的假設。假設檢定的目的就是利用統計的方式,推測虛無假設是否成立。若虛無假設事實上成立,但統計檢驗的結果不支持虛無假設(拒絕虛無假設),這種錯誤稱為第一型錯誤。若虛無假設事實上不成立,但統計檢驗的結果支持虛無假設(接受虛無假設),這種錯誤稱為第二型錯誤。 以利用驗孕棒驗孕為例,此時未懷孕為虛無假設。若用驗孕棒為一位未懷孕的女士驗孕,結果是已懷孕,這是第一型錯誤。若用驗孕棒為一位孕婦驗孕,結果是未懷孕,這是第二型錯誤。 (zh)
  • En un estudio de investigación, el error de tipo I también denominado error de tipo alfa (α) o falso positivo, es el error que se comete cuando el investigador no acepta la hipótesis nula () siendo esta verdadera en la población. Es equivalente a encontrar un resultado falso positivo, porque el investigador llega a la conclusión de que existe una diferencia entre las hipótesis cuando en realidad no existe. Se relaciona con el nivel de significancia estadística. La hipótesis de la que se parte Se acepta en un estudio que el valor del error beta esté entre el 5 y el 20%. (es)
rdfs:label
  • خطأ النوع الأول وخطأ النوع الثاني (ar)
  • Errores de tipo I y de tipo II (es)
  • Type I and type II errors (en)
  • 第一種過誤と第二種過誤 (ja)
  • Fout (statistiek) (nl)
  • Ошибки первого и второго рода (ru)
  • 第一型及第二型錯誤 (zh)
rdfs:seeAlso
owl:sameAs
prov:wasDerivedFrom
foaf:isPrimaryTopicOf
is dbo:wikiPageRedirects of
is foaf:primaryTopic of