This HTML5 document contains 177 embedded RDF statements represented using HTML+Microdata notation.

The embedded RDF content will be recognized by any processor of HTML5 Microdata.

Namespace Prefixes

Prefix	IRI
dbt	http://dbpedia.org/resource/Template:
dbpedia-el	http://el.dbpedia.org/resource/
dbpedia-no	http://no.dbpedia.org/resource/
n17	https://web.archive.org/web/20180517152618/http:/news.healingwell.com/
wikipedia-en	http://en.wikipedia.org/wiki/
dbpedia-bg	http://bg.dbpedia.org/resource/
dbr	http://dbpedia.org/resource/
dbpedia-ar	http://ar.dbpedia.org/resource/
dbpedia-et	http://et.dbpedia.org/resource/
dbpedia-he	http://he.dbpedia.org/resource/
n16	http://commons.wikimedia.org/wiki/Special:FilePath/
dcterms	http://purl.org/dc/terms/
rdfs	http://www.w3.org/2000/01/rdf-schema#
dbpedia-cs	http://cs.dbpedia.org/resource/
rdf	http://www.w3.org/1999/02/22-rdf-syntax-ns#
n31	http://dbpedia.org/resource/File:
dbp	http://dbpedia.org/property/
xsdh	http://www.w3.org/2001/XMLSchema#
dbpedia-uk	http://uk.dbpedia.org/resource/
dbo	http://dbpedia.org/ontology/
dbpedia-hu	http://hu.dbpedia.org/resource/
dbpedia-ja	http://ja.dbpedia.org/resource/
dbpedia-is	http://is.dbpedia.org/resource/
dbc	http://dbpedia.org/resource/Category:
dbpedia-de	http://de.dbpedia.org/resource/
dbpedia-th	http://th.dbpedia.org/resource/
dbpedia-ru	http://ru.dbpedia.org/resource/
wikidata	http://www.wikidata.org/entity/
gold	http://purl.org/linguistics/gold/
n41	http://news.healingwell.com/
dbpedia-nl	http://nl.dbpedia.org/resource/
n34	https://global.dbpedia.org/id/
dbpedia-ca	http://ca.dbpedia.org/resource/
prov	http://www.w3.org/ns/prov#
foaf	http://xmlns.com/foaf/0.1/
dbpedia-simple	http://simple.dbpedia.org/resource/
dbpedia-zh	http://zh.dbpedia.org/resource/
dbpedia-ko	http://ko.dbpedia.org/resource/
n29	https://web.archive.org/web/20060909224540/http:/www.publichealth.pitt.edu/supercourse/SupercoursePPT/18011-19001/
dbpedia-fa	http://fa.dbpedia.org/resource/
dbpedia-gl	http://gl.dbpedia.org/resource/
dbpedia-es	http://es.dbpedia.org/resource/
freebase	http://rdf.freebase.com/ns/
owl	http://www.w3.org/2002/07/owl#

Statements

Subject Item

dbr:Type_I_and_type_II_errors

rdf:type

owl:Thing

rdfs:label

型一錯誤與型二錯誤 Ошибки первого и второго рода خطأ النوع الأول وخطأ النوع الثاني Fout (statistiek) Chyby typu I a II Type I and type II errors Errors de tipus I i de tipus II 第一種過誤と第二種過誤 Errores de tipo I y de tipo II Σφάλματα πρώτου και δευτέρου βαθμού Помилки першого і другого роду Σφάλματα τύπου Α και Β 1종 오류와 2종 오류 Fehler 1. und 2. Art

rdfs:comment

In statistical hypothesis testing, a type I error is the mistaken rejection of an actually true null hypothesis (also known as a "false positive" finding or conclusion; example: "an innocent person is convicted"), while a type II error is the failure to reject a null hypothesis that is actually false (also known as a "false negative" finding or conclusion; example: "a guilty person is not convicted"). Much of statistical theory revolves around the minimization of one or both of these errors, though the complete elimination of either is a statistical impossibility if the outcome is not determined by a known, observable causal process.By selecting a low threshold (cut-off) value and modifying the alpha (α) level, the quality of the hypothesis test can be increased. The knowledge of type I er Die Fehler 1. und 2. Art, auch α-Fehler (Alpha-Fehler) und β-Fehler (Beta-Fehler) (oder α-/β-Risiko) genannt, bezeichnen eine statistische Fehlentscheidung. Sie beziehen sich auf eine Methode der mathematischen Statistik, den sogenannten Hypothesentest. Beim Test einer Hypothese liegt ein Fehler 1. Art vor, wenn die Nullhypothese zurückgewiesen wird, obwohl sie in Wirklichkeit wahr ist (beruhend auf einer zufällig erhöhten bzw. niedrigeren Anzahl positiver Ergebnisse). Dagegen bedeutet ein Fehler 2. Art, dass der Test die Nullhypothese fälschlicherweise nicht zurückweist, obwohl die Alternativhypothese korrekt ist. Fehler 1. und 2. Art werden in der statistischen Qualitätskontrolle (siehe Prüflos) häufig Produzentenrisiko und Konsumentenrisiko genannt. In der Prozesskontrolle durch Qual Chyba typu I (neboli chyba prvního druhu) a Chyba typu II (neboli chyba druhého druhu) jsou přesné technické pojmy používané statistiky k popsání konkrétních chyb v testovacím procesu, kde (zjednodušeně řečeno) něco, co mělo být přijato, bylo odmítnuto, a kde něco, co mělo být odmítnuto, bylo přijato. Naneštěstí jsou tyto pojmy používány mnohem obecnějším způsobem v sociálních vědách a jiných (obvykle bez jakéhokoliv vysvětlení jejich významu) k poukázání na chyby v úsudku. Tento článek je věnován čistě statistickým termínům a technickým problémům statistických chyb, které tyto pojmy popisují. 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統計学用語である。第一種過誤をα過誤（α error）やあわてものの誤り、第二種過誤をβ過誤（β error）やぼんやりものの誤りとも呼ぶ。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。 Het begrip fout is een integraal onderdeel van de statistische toetsingstheorie. Met fout wordt in dit verband een verkeerde (foutieve) beslissing bedoeld. Een beslissing is de uitkomst van een statistische toets, die gebaseerd is op het resultaat van een steekproef. Zo'n beslissing 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 het type verkeerde beslissing onderscheidt men twee soorten fouten: een fout van de eerste soort en een fout van de tweede soort. En els estudis d'investigació en intentar acceptar o rebutjar la hipòtesi nul·la (Ho) es poden cometre dos tipus d'errors: Оши́бка пе́рвого ро́да (α-ошибка, ложноположительное заключение) — ситуация, когда отвергнута верная нулевая гипотеза (об отсутствии связи между явлениями или искомого эффекта). Оши́бка второ́го ро́да (β-ошибка, ложноотрицательное заключение) — ситуация, когда принята неверная нулевая гипотеза. خطأ النوع الأول وخطأ النوع الثاني (بالإنجليزية: Type I and type II errors)‏ هي معيار في الرياضيات تستخدم لمقاسات الخطأ المتوقع في درجة الاختبار. 型一錯誤與型二錯誤（英語：Type I error & Type II error）為统计学中推論統計學統計術語，表示統計學假說檢定中的两种錯誤。 Υπόθεση: "η προσθήκη νερού στην οδοντόκρεμα ενισχύει την προστασία κατά της τερηδόνας." Μηδενική υπόθεση: "η προσθήκη νερού στην οδοντόκρεμα δεν έχει καμία επίδραση επί της τερηδόνας." Αυτή η μηδενική υπόθεση εξετάζεται έναντι των πειραματικών δεδομένων, με σκοπό να τα ακυρώσει, με αποδείξεις για το αντίθετο. ( 이 문서는 통계 실험의 잘못된 결과에 관한 것입니다. 이진 분류 및 실험에 대해서는 거짓 양성과 거짓 음성 문서를 참고하십시오.) 가설 검정 이론에서, 1종 오류(一種誤謬, 영어: type I error)와 2종 오류(二種誤謬, 영어: type II error)는 각각 귀무가설을 잘못 기각하는 오류와 귀무가설을 잘못 채택하는 오류이다. Στον , σφάλμα τύπου Α είναι η εσφαλμένη απόρριψη μιας πραγματικής ("ψευδές θετικό", δηλαδή, η απόρριψη μιας αληθινής υπόθεσης θεωρώντας την λάθος), ενώ σφάλμα τύπου Β , είναι η αδυναμία να απορριφθεί μια ψευδής μηδενική υπόθεση ("ψευδές αρνητικό", δηλαδή, η αποδοχή λανθασμένης υπόθεσης, θεωρώντας την σωστή). Με πιο απλά λόγια, σφάλμα τύπου Α είναι η ανίχνευση ένός αποτελέσματος που δεν εμφανίζεται, ενώ σφάλμα τύπου Β είναι η αποτύχία να ανιχνευτεί ένα αποτέλεσμα που είναι παρόν. Οι όροι "σφάλμα τύπου Α" και "σφάλμα τύπου Β" συχνά χρησιμοποιούνται εναλλακτικά με την γενική έννοια του σε , όπως ιατρικές εξετάσεις, αλλά αναφέρονται συγκεκριμένα στον στατιστικό έλεγχο υποθέσεων στο πλαίσιο , όπως περιγράφεται σε αυτό το άρθρο. 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 rechaza la hipótesis nula (: el supuesto inicial) 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. Помилки першого роду (англ. type I errors α errors, false positives) та помилки другого роду (англ. type II errors β errors, false negatives) — поняття математичної статистики та її прикладних застосувань, які виникають під час перевірки статистичних гіпотез. Дані поняття часто використовуються в різних галузях науки і техніки, коли йдеться про ухвалення «бінарного» рішення (так/ні) на основі якогось критерію (тесту, перевірки, вимірювання), який з деякою ймовірністю може давати помилковий результат. Якщо істинна гіпотеза помилково відкидається, то ця помилка називається помилкою першого роду. Якщо помилково приймається хибна гіпотеза — це помилка другого роду.

rdfs:seeAlso

dbr:Sensitivity dbr:Specificity dbr:Coverage_probability

foaf:depiction

n16:ROC_curves.svg

dcterms:subject

dbc:Statistical_hypothesis_testing dbc:Spam_filtering dbc:Error dbc:Design_of_experiments

dbo:wikiPageID

5657877

dbo:wikiPageRevisionID

1120723905

dbo:wikiPageWikiLink

dbr:Statistically_significant dbr:Null_hypothesis dbr:Spam_filtering dbr:Cardiac_stress_test dbr:Neyman–Pearson_lemma dbr:Statisticians'_and_engineers'_cross-reference_of_statistical_terms dbr:Blood_donation dbr:Statistical_hypothesis_testing dbr:Sensitivity_and_specificity dbr:HIV dbc:Spam_filtering dbc:Statistical_hypothesis_testing dbr:Phenylketonuria dbr:Mammography dbr:Test_(assessment) dbr:Iris_recognition dbr:False_positive_paradox dbr:Pap_test dbr:Coronary_arteries dbr:P-value dbr:Type_III_error dbr:Biometrics dbr:Ronald_Fisher dbr:Positive_Predictive_Value dbr:Medical_science dbr:Fingerprint_recognition dbr:False_alarm dbr:Computer_science dbr:Information_retrieval_evaluation dbr:Hepatitis dbr:Screening_(medicine) dbr:Ethics_in_mathematics dbr:Hypothesis_Testing dbc:Error dbr:Blood_test dbr:Testing_hypotheses_suggested_by_the_data dbr:Bayes'_theorem dbr:Malware dbr:Receiver_operating_characteristic dbr:K._Ruben_Gabriel dbr:Detection_theory dbr:Visual_inspection dbr:Hypothesis n31:ROC_curves.svg dbr:Hypothyroidism dbr:Power_(statistics) dbr:Family-wise_error_rate dbr:Congenital_disorders dbr:Airport_security dbr:Optical_character_recognition dbr:Prosecutor's_fallacy dbr:Alternative_hypothesis dbr:Z_table dbr:Statistical_significance dbr:Errors_and_residuals dbr:Prozone_phenomenon dbr:Facial_recognition_system dbr:Egon_Pearson dbr:Florence_Nightingale_David dbr:Computer_security dbc:Design_of_experiments dbr:Bayesian_inference dbr:Stenosis dbr:Precision_and_recall dbr:Binary_classification dbr:Medical_testing_on_animals dbr:Jerzy_Neyman dbr:Critical_value

dbo:wikiPageExternalLink

n29:18951.ppt n17:index.php%3Fp=news1&id=533064 n41:index.php%3Fp=news1&id=533064

owl:sameAs

dbpedia-hu:Elsőfajú_és_másodfajú_hiba wikidata:Q989120 dbpedia-simple:Type_I_and_type_II_errors dbpedia-de:Fehler_1._und_2._Art dbpedia-ru:Ошибки_первого_и_второго_рода freebase:m.0159l8 dbpedia-bg:Грешки_от_първи_и_от_втори_род dbpedia-cs:Chyby_typu_I_a_II dbpedia-ar:خطأ_النوع_الأول_وخطأ_النوع_الثاني dbpedia-th:ความผิดพลาดชนิดที่_1_และ_2 dbpedia-et:I_ja_II_tüüpi_viga dbpedia-zh:型一錯誤與型二錯誤 dbpedia-he:שגיאות_מסוג_I_ו-II freebase:m.0dynqq dbpedia-nl:Fout_(statistiek) dbpedia-es:Errores_de_tipo_I_y_de_tipo_II dbpedia-uk:Помилки_першого_і_другого_роду n34:2QAi7 dbpedia-el:Σφάλματα_πρώτου_και_δευτέρου_βαθμού dbpedia-el:Σφάλματα_τύπου_Α_και_Β dbpedia-ca:Errors_de_tipus_I_i_de_tipus_II dbpedia-ja:第一種過誤と第二種過誤 dbpedia-no:Statistisk_feil dbpedia-gl:Erros_do_tipo_I_e_do_tipo_II dbpedia-ko:1종_오류와_2종_오류 wikidata:Q25536108 dbpedia-fa:خطای_نوع_اول_و_دوم dbpedia-is:Höfnunar-_og_fastheldnismistök

dbp:wikiPageUsesTemplate

dbt:Further dbt:Clear dbt:Clarify dbt:Webarchive dbt:Main dbt:Citation_needed dbt:Anchor dbt:Portal dbt:Statistics dbt:About dbt:See_also dbt:Short_description dbt:Use_dmy_dates dbt:Blockquote dbt:Div_col dbt:Div_col_end dbt:Technical dbt:Reflist

dbo:thumbnail

n16:ROC_curves.svg?width=300

dbp:date

2018-05-17

dbp:url

n17:index.php%3Fp=news1&id=533064

dbo:abstract

In statistical hypothesis testing, a type I error is the mistaken rejection of an actually true null hypothesis (also known as a "false positive" finding or conclusion; example: "an innocent person is convicted"), while a type II error is the failure to reject a null hypothesis that is actually false (also known as a "false negative" finding or conclusion; example: "a guilty person is not convicted"). Much of statistical theory revolves around the minimization of one or both of these errors, though the complete elimination of either is a statistical impossibility if the outcome is not determined by a known, observable causal process.By selecting a low threshold (cut-off) value and modifying the alpha (α) level, the quality of the hypothesis test can be increased. The knowledge of type I errors and type II errors is widely used in medical science, biometrics and computer science. Intuitively, type I errors can be thought of as errors of commission, i.e. the researcher unluckily concludes that something is the fact. For instance, consider a study where researchers compare a drug with a placebo. If the patients who are given the drug get better than the patients given the placebo by chance, it may appear that the drug is effective, but in fact the conclusion is incorrect.In reverse, type II errors are errors of omission. In the example above, if the patients who got the drug did not get better at a higher rate than the ones who got the placebo, but this was a random fluke, that would be a type II error. The consequence of a type II error depends on the size and direction of the missed determination and the circumstances. An expensive cure for one in a million patients may be inconsequential even if it truly is a cure. 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統計学用語である。第一種過誤をα過誤（α error）やあわてものの誤り、第二種過誤をβ過誤（β error）やぼんやりものの誤りとも呼ぶ。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。 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 rechaza la hipótesis nula (: el supuesto inicial) 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. De forma general y dependiendo de cada caso, se suele aceptar en un estudio que el valor del error beta esté entre el 5 y el 20%.[cita requerida] 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). Υπόθεση: "η προσθήκη νερού στην οδοντόκρεμα ενισχύει την προστασία κατά της τερηδόνας." Μηδενική υπόθεση: "η προσθήκη νερού στην οδοντόκρεμα δεν έχει καμία επίδραση επί της τερηδόνας." Αυτή η μηδενική υπόθεση εξετάζεται έναντι των πειραματικών δεδομένων, με σκοπό να τα ακυρώσει, με αποδείξεις για το αντίθετο. Τύπου Ι σφάλμα, συμβαίνει όταν ανιχνευτεί μια επίδραση (προσθήκη νερού στην οδοντόκρεμα ενισχύει την προστασία κατά της τερηδόνας), που δεν είναι παρούσα. Η μηδενική υπόθεση είναι αληθής (δηλαδή, είναι αλήθεια ότι η προσθήκη νερού στην οδοντόκρεμα δεν έχει καμία επίδραση επι της τερηδόνας), αλλά αυτή η μηδενική υπόθεση απορρίπτεται εξαιτίας κακών πειραματικών δεδομένων. Chyba typu I (neboli chyba prvního druhu) a Chyba typu II (neboli chyba druhého druhu) jsou přesné technické pojmy používané statistiky k popsání konkrétních chyb v testovacím procesu, kde (zjednodušeně řečeno) něco, co mělo být přijato, bylo odmítnuto, a kde něco, co mělo být odmítnuto, bylo přijato. Naneštěstí jsou tyto pojmy používány mnohem obecnějším způsobem v sociálních vědách a jiných (obvykle bez jakéhokoliv vysvětlení jejich významu) k poukázání na chyby v úsudku. Tento článek je věnován čistě statistickým termínům a technickým problémům statistických chyb, které tyto pojmy popisují. Στον , σφάλμα τύπου Α είναι η εσφαλμένη απόρριψη μιας πραγματικής ("ψευδές θετικό", δηλαδή, η απόρριψη μιας αληθινής υπόθεσης θεωρώντας την λάθος), ενώ σφάλμα τύπου Β , είναι η αδυναμία να απορριφθεί μια ψευδής μηδενική υπόθεση ("ψευδές αρνητικό", δηλαδή, η αποδοχή λανθασμένης υπόθεσης, θεωρώντας την σωστή). Με πιο απλά λόγια, σφάλμα τύπου Α είναι η ανίχνευση ένός αποτελέσματος που δεν εμφανίζεται, ενώ σφάλμα τύπου Β είναι η αποτύχία να ανιχνευτεί ένα αποτέλεσμα που είναι παρόν. Οι όροι "σφάλμα τύπου Α" και "σφάλμα τύπου Β" συχνά χρησιμοποιούνται εναλλακτικά με την γενική έννοια του σε , όπως ιατρικές εξετάσεις, αλλά αναφέρονται συγκεκριμένα στον στατιστικό έλεγχο υποθέσεων στο πλαίσιο , όπως περιγράφεται σε αυτό το άρθρο. خطأ النوع الأول وخطأ النوع الثاني (بالإنجليزية: Type I and type II errors)‏ هي معيار في الرياضيات تستخدم لمقاسات الخطأ المتوقع في درجة الاختبار. Помилки першого роду (англ. type I errors α errors, false positives) та помилки другого роду (англ. type II errors β errors, false negatives) — поняття математичної статистики та її прикладних застосувань, які виникають під час перевірки статистичних гіпотез. Дані поняття часто використовуються в різних галузях науки і техніки, коли йдеться про ухвалення «бінарного» рішення (так/ні) на основі якогось критерію (тесту, перевірки, вимірювання), який з деякою ймовірністю може давати помилковий результат. Якщо істинна гіпотеза помилково відкидається, то ця помилка називається помилкою першого роду. Якщо помилково приймається хибна гіпотеза — це помилка другого роду. En els estudis d'investigació en intentar acceptar o rebutjar la hipòtesi nul·la (Ho) es poden cometre dos tipus d'errors: Оши́бка пе́рвого ро́да (α-ошибка, ложноположительное заключение) — ситуация, когда отвергнута верная нулевая гипотеза (об отсутствии связи между явлениями или искомого эффекта). Оши́бка второ́го ро́да (β-ошибка, ложноотрицательное заключение) — ситуация, когда принята неверная нулевая гипотеза. В математической статистике это ключевые понятия задач проверки статистических гипотез. 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. ( 이 문서는 통계 실험의 잘못된 결과에 관한 것입니다. 이진 분류 및 실험에 대해서는 거짓 양성과 거짓 음성 문서를 참고하십시오.) 가설 검정 이론에서, 1종 오류(一種誤謬, 영어: type I error)와 2종 오류(二種誤謬, 영어: type II error)는 각각 귀무가설을 잘못 기각하는 오류와 귀무가설을 잘못 채택하는 오류이다. Het begrip fout is een integraal onderdeel van de statistische toetsingstheorie. Met fout wordt in dit verband een verkeerde (foutieve) beslissing bedoeld. Een beslissing is de uitkomst van een statistische toets, die gebaseerd is op het resultaat van een steekproef. Zo'n beslissing 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 het type verkeerde beslissing onderscheidt men twee soorten fouten: een fout van de eerste soort en een fout van de tweede soort. 型一錯誤與型二錯誤（英語：Type I error & Type II error）為统计学中推論統計學統計術語，表示統計學假說檢定中的两种錯誤。 Die Fehler 1. und 2. Art, auch α-Fehler (Alpha-Fehler) und β-Fehler (Beta-Fehler) (oder α-/β-Risiko) genannt, bezeichnen eine statistische Fehlentscheidung. Sie beziehen sich auf eine Methode der mathematischen Statistik, den sogenannten Hypothesentest. Beim Test einer Hypothese liegt ein Fehler 1. Art vor, wenn die Nullhypothese zurückgewiesen wird, obwohl sie in Wirklichkeit wahr ist (beruhend auf einer zufällig erhöhten bzw. niedrigeren Anzahl positiver Ergebnisse). Dagegen bedeutet ein Fehler 2. Art, dass der Test die Nullhypothese fälschlicherweise nicht zurückweist, obwohl die Alternativhypothese korrekt ist. Fehler 1. und 2. Art werden in der statistischen Qualitätskontrolle (siehe Prüflos) häufig Produzentenrisiko und Konsumentenrisiko genannt. In der Prozesskontrolle durch Qualitätsregelkarten verwendet man dafür die Begriffe blinder Alarm und unterlassener Alarm. Fehler 1. und 2. Art werden auch als frequentistische Konzepte bezeichnet. Dennoch sind Fehler 1. und 2. Art in jedem Fall bedingte Wahrscheinlichkeiten. Das Konzept des Fehlers 1. und 2. Art wurde von Neyman und Pearson eingeführt.

gold:hypernym

dbr:Rejection

prov:wasDerivedFrom

wikipedia-en:Type_I_and_type_II_errors?oldid=1120723905&ns=0

dbo:wikiPageLength

33180

foaf:isPrimaryTopicOf

wikipedia-en:Type_I_and_type_II_errors