W testowaniu hipotez statystycznych błąd typu II to sytuacja, w której test hipotezy nie odrzuca hipotezy zerowej, która jest fałszywa. Innymi słowy, powoduje to, że użytkownik błędnie nie odrzuca fałszywej hipotezy zerowej, ponieważ testowi brakuje mocy statystycznej do wykrycia wystarczających dowodów dla hipotezy alternatywnej. Błąd typu II jest również znany jako fałszywie ujemny.
Błąd typu II ma odwrotną zależność z mocą testu statystycznego. Oznacza to, że im wyższa moc testu statystycznego, tym mniejsze prawdopodobieństwo popełnienia błędu typu II. Współczynnik błędu typu II (tj. Prawdopodobieństwo błędu typu II) jest mierzony za pomocą współczynnika beta (β) Beta Współczynnik beta (β) papieru wartościowego inwestycji (tj. Akcji) jest miarą zmienności jego zwrotów w stosunku do cały rynek. Jest używany jako miara ryzyka i stanowi integralną część modelu wyceny aktywów kapitałowych (CAPM). Firma z wyższą wersją beta ma większe ryzyko, a także większe oczekiwane zwroty. podczas gdy moc statystyczna jest mierzona przez 1- β.
Jak uniknąć błędu typu II?
Podobnie jak w przypadku błędu typu I, nie jest możliwe całkowite wyeliminowanie błędu typu II z testu hipotezy. Testowanie hipotezy Testowanie hipotezy Testowanie jest metodą wnioskowania statystycznego. Służy do sprawdzenia, czy stwierdzenie dotyczące parametru populacji jest poprawne. Testowanie hipotez . Jedyną dostępną opcją jest zminimalizowanie prawdopodobieństwa popełnienia tego typu błędu statystycznego. Ponieważ błąd typu II jest ściśle powiązany z mocą testu statystycznego, prawdopodobieństwo wystąpienia błędu można zminimalizować poprzez zwiększenie mocy testu.
1. Zwiększ wielkość próbki
Jedną z najprostszych metod zwiększenia mocy testu jest zwiększenie wielkości próbki używanej w teście. Wielkość próby determinuje przede wszystkim wielkość błędu próbkowania, co przekłada się na możliwość wykrycia różnic w teście hipotezy. Większy rozmiar próby zwiększa szanse na uchwycenie różnic w testach statystycznych, a także zwiększa moc testu.
2. Zwiększ poziom istotności
Inną metodą jest wybranie wyższego poziomu istotności. Na przykład badacz może wybrać poziom istotności 0,10 zamiast powszechnie akceptowanego poziomu 0,05. Wyższy poziom istotności oznacza większe prawdopodobieństwo odrzucenia hipotezy zerowej, jeśli jest prawdziwa.
Większe prawdopodobieństwo odrzucenia hipotezy zerowej zmniejsza prawdopodobieństwo popełnienia błędu typu II, podczas gdy prawdopodobieństwo popełnienia błędu typu I. Dlatego użytkownik powinien zawsze ocenić wpływ błędów I i II typu na jego decyzję i określić odpowiedni poziom istotności statystycznej.
Przykład
Sam jest analitykiem finansowym Co robi analityk finansowy Co robi analityk finansowy? Zbieraj dane, organizuj informacje, analizuj wyniki, twórz prognozy i prognozy, zalecenia, modele Excel, raporty. Przeprowadza test hipotezy, aby odkryć, czy istnieją różnice w średnich zmianach cen akcji spółek o dużej i małej kapitalizacji Russell 2000 Russell 2000 to indeks giełdowy, który śledzi wyniki 2000 amerykańskich akcji spółek o małej kapitalizacji z Russell Indeks 3000. Indeks Russell 2000 jest powszechnie cytowany jako punkt odniesienia dla funduszy inwestycyjnych, które składają się głównie z akcji o małej kapitalizacji. .
W teście Sam przyjmuje jako hipotezę zerową, że nie ma różnicy w średnich zmianach cen między akcjami spółek o dużej i małej kapitalizacji. Zatem jego hipoteza alternatywna głosi, że istnieje różnica między średnimi zmianami cen.
Jako poziom istotności Sam wybiera 5%. Oznacza to, że istnieje 5% prawdopodobieństwo, że jego test odrzuci hipotezę zerową, gdy jest ona rzeczywiście prawdziwa.
Jeśli w teście Sama wystąpi błąd typu II, wyniki testu wskażą, że nie ma różnicy w średnich zmianach cen między akcjami o dużej i małej kapitalizacji. Jednak w rzeczywistości istnieje różnica w średnich zmianach cen.
Więcej zasobów
Finance jest oficjalnym dostawcą globalnego programu Financial Modeling & Valuation Analyst (FMVA) ™ Certyfikat FMVA® Dołącz do ponad 350 600 studentów, którzy pracują dla firm takich jak Amazon, JP Morgan i Ferrari, program certyfikacji, który ma pomóc każdemu zostać światowej klasy analitykiem finansowym . Aby kontynuować naukę i rozwijać swoją karierę, przydatne będą poniższe dodatkowe zasoby finansowe:
- Błąd typu I Błąd typu I W testowaniu hipotez statystycznych błąd typu I jest zasadniczo odrzuceniem prawdziwej hipotezy zerowej. Błąd typu I jest również znany jako fałsz
- Prawdopodobieństwo warunkowe Prawdopodobieństwo warunkowe Prawdopodobieństwo warunkowe to prawdopodobieństwo wystąpienia zdarzenia przy założeniu, że inne zdarzenie już miało miejsce. Koncepcja jest jedną z kwintesencji
- Odchylenie w ramkach Odchylenie do kadrowania Odchylenie do kadrowania występuje, gdy ludzie podejmują decyzję na podstawie sposobu przedstawienia informacji, a nie samych faktów. Te same fakty przedstawione na dwa różne sposoby mogą prowadzić do różnych sądów lub decyzji ludzi.
- Wzajemnie wykluczające się zdarzenia Wzajemnie wykluczające się zdarzenia W statystyce i teorii prawdopodobieństwa dwa zdarzenia wykluczają się wzajemnie, jeśli nie mogą wystąpić w tym samym czasie. Najprostszy przykład wzajemnego wykluczania się
