Existe uma maneira de lembrar as definições de erros tipo I e tipo II?

Não sou estatístico em educação, sou engenheiro de software. No entanto, as estatísticas surgem muito. De fato, perguntas específicas sobre o erro Tipo I e Tipo II estão surgindo muito no decorrer dos meus estudos para o exame Associado de Desenvolvimento de Software Certificado (matemática e estatística são 10% do exame). Estou tendo problemas para sempre apresentar as definições corretas para os erros Tipo I e Tipo II - embora eu esteja memorizando-as agora (e possa lembrá-las na maioria das vezes), eu realmente não quero congelar este exame tentando lembrar qual é a diferença.

Eu sei que o Erro Tipo I é um falso positivo, ou quando você rejeita a hipótese nula e é realmente verdade e um erro Tipo II é um falso negativo, ou quando você aceita a hipótese nula e é realmente falso.

Existe uma maneira fácil de lembrar qual é a diferença, como um mnemônico? Como os estatísticos profissionais fazem isso - é apenas algo que eles sabem sobre o uso ou a discussão sobre isso com frequência?

(Nota: Essa pergunta provavelmente pode usar tags melhores. Uma que eu queria criar era "terminologia", mas não tenho reputação suficiente para fazê-lo. Se alguém pudesse adicionar isso, seria ótimo. Obrigado.)

Como o tipo dois significa "Falso negativo" ou uma espécie de "falso falso", lembro-me dele como o número de falsos.

• Tipo I: "Penso falsamente que a hipótese alternativa é verdadeira" (uma falsa)
• Tipo II: "Penso falsamente que a hipótese alternativa é falsa " (duas falsas)

Quando o menino chorou lobo ...

O primeiro erro que os aldeões cometeram (quando acreditaram nele) foi um erro do tipo 1.
O segundo erro que os aldeões cometeram (quando não acreditaram nele) foi um erro do tipo 2.

O choro do menino era uma hipótese alternativa porque a hipótese nula não é lobo;)

Não peço desculpas por postar uma imagem tão ridícula, porque é exatamente por isso que é fácil lembrar. Hipótese nula: A paciente não está grávida.

Fonte da imagem: Ellis, PD (2010), “Effect Size FAQs”, site http://www.effectsizefaq.com , acessado em 18/12/2014.

Aqui está uma maneira prática de acontecer alguma verdade.

Os jovens cientistas cometem o Tipo I porque querem encontrar efeitos e pular a arma, enquanto os antigos cientistas cometem o Tipo II porque se recusam a mudar de opinião.

(alguém comenta em uma versão mais engraçada disso :))

Eu estava conversando com um amigo meu sobre isso e ele me deu um link para o artigo da Wikipedia sobre erros do tipo I e tipo II , onde aparentemente eles agora fornecem um mnemônico (um tanto inútil, na minha opinião). No entanto, eu queria adicioná-lo aqui apenas para fins de conclusão. Embora eu não ache que isso me ajudou, isso pode ajudar outra pessoa:

Para aqueles que têm dificuldade em identificar corretamente os dois tipos de erro, o mnemônico a seguir baseia-se no fato de que (a) um "erro" é falso e (b) as letras Iniciais de "Positivo" e "Negativo" são escritas com letras diferentes. número de linhas verticais:

• Um erro do tipo I é um POSITIVO falso; e P tem uma única linha vertical.
• Um erro do tipo II é um falso negativo; e N tem duas linhas verticais.

Com isso, lembre-se de que um falso positivo significa rejeitar uma hipótese nula verdadeira e um negativo negativo está falhando em rejeitar uma hipótese nula falsa.

Essa não é a melhor resposta aqui, mas eu queria divulgá-la no caso de alguém encontrar essa pergunta e isso pode ajudá-la.

Você pode rejeitar a ideia completamente.

Alguns autores (Andrew Gelman é um deles) estão mudando para discutir erros do tipo S (sinal) e tipo M (magnitude). Você pode inferir a direção do efeito errado (por exemplo, você acredita que o grupo de tratamento se sai melhor, mas na verdade pior) ou a magnitude errada (por exemplo, você encontra um efeito maciço em que há apenas um efeito minúsculo ou praticamente inexistente ou vice-versa) .

Veja mais no blog de Gelman .

Tentarei não ser redundante com outras respostas (embora pareça um pouco o que JM já sugeriu), mas geralmente gosto de mostrar as duas fotos a seguir:

Uso a abordagem "judicial" para lembrar a diferença entre o tipo I e o tipo II: um juiz que comete um erro do tipo I envia um homem inocente para a cadeia, enquanto um juiz que comete um erro do tipo II permite que um culpado se liberte.

Com base no princípio do barbeador de Occam , os erros do Tipo I (rejeitando a hipótese nula quando verdadeira) são "indiscutivelmente" piores que os erros do Tipo II (não rejeitando a hipótese nula quando falsa).

Se você acredita em tal argumento:

• Erros do tipo I são a principal preocupação
• Erros do tipo II são uma preocupação secundária

Nota: Não estou endossando esse julgamento de valor, mas isso me ajuda a lembrar do Tipo I do Tipo II.

Aqui está uma explicação que pode ajudá-lo a lembrar a diferença.

ERRO TIPO I: Um alarme sem fogo. ERRO TIPO II: Incêndio sem alarme.

Todo cozinheiro sabe como evitar o erro do tipo I - basta remover as pilhas. Infelizmente, isso aumenta a incidência de erros do tipo II. :)

Reduzir as chances de erro do tipo II significaria tornar o alarme hipersensível, o que por sua vez aumentaria as chances de erro do tipo I.

Fonte: Um Guia de Cartum para Estatísticas

Hurrah, uma pergunta não técnica o suficiente para que eu possa responder!

"O tipo um é um golpe" [rima] - ou seja, engana você a pensar que existe uma diferença quando não existe. Sempre funciona para mim.

Eu costumava pensar nisso em termos da imagem usual de duas distribuições normais (ou curvas de sino). Indo da esquerda para a direita, a distribuição 1 é o Nulo e a distribuição 2 é a Alternativa. Tipo I (erroneamente) rejeita o primeiro (Nulo) e Tipo II "rejeita" o segundo (Alternativa).

(Agora você só precisa se lembrar de que não está realmente rejeitando a alternativa, mas aceitando erroneamente (ou falhando em rejeitar) o Nulo - isto é, reafirme tudo na forma do Nulo. Ei, funcionou para mim!)

(uma piada que eu inventei há apenas um minuto)

1. Uma pessoa de primeira classe pensa que está sempre certa.
2. Uma pessoa de segunda classe pensa que está sempre errado.

1. A pessoa da primeira classe só pode cometer um erro do tipo I (porque às vezes ele estará errado).
2. A pessoa da segunda classe só pode cometer um erro do tipo II (porque às vezes ele estará certo).

Meu amigo veio com isso e eu pensei que era bastante brilhante. Ela disse que, durante as duas últimas presidências, os republicanos cometeram ambos os erros: o Presidente ONE foi Bush, que cometeu um erro do tipo ONE, dizendo que havia armas de destruição em massa no Iraque quando, de fato ... ) Os republicanos estão cometendo um erro do tipo DOIS, argumentando que a mudança climática é um mito quando na verdade ....

Quaisquer que sejam suas opiniões sobre política ou mudança climática, é uma maneira muito fácil de lembrar !!

Estou surpreso que ninguém tenha sugerido o mnemônico 'art / baf'. Lembre-se basicamente de que é a probabilidade do erro do tipo I e é a probabilidade de um erro do tipo II (isso é fácil de lembrar porque é a primeira letra do alfabeto grego, assim como o primeiro erro, é a segunda letra e acompanha o segundo erro). Agora lembre-se da palavra "art" ou " rt" diz que é a probabilidade de rejeitar uma hipótese nula True e a palavra psuedo "baf" ou " af" diz que é a probabilidade de aceitar um falso hipótese nula.β α β α α β $\alpha$$\beta$$\alpha$$\beta$$\alpha$$\alpha$$\beta$$\beta$

A porção "art" é razoavelmente aceitável, a porção "baf" sofre com o fato de que 1). não é uma palavra real e 2). não devemos aceitar o nulo, apenas falhamos em rejeitá-lo. Mas se você se lembra de "art / baf" e a idéia de Reject True é R e T na arte e a / vincula ao erro do tipo I, é um mnemônico bastante bom.$\alpha$

RAAR 'como um leão' = primeira parte é * R * ejetar quando deveríamos * A * aceitar (erro tipo I) segunda parte é * A * aceitar quando devemos * R * ejetar (erro tipo II)

Esta é a maneira mais fácil de lembrar para mim :)

Boa sorte!

Tipo 1 = Rejeitar: esta é uma expressão de UMA Palavra Tipo 2 = Não: esta é uma expressão de DUAS Palavras

Lembro-me disso pensando: Qual é a primeira coisa que faço quando faço um teste de significância de hipótese nula? Defino o critério para a probabilidade de que eu faça uma rejeição falsa. Assim, o tipo 1 é esse critério e o tipo 2 é a outra probabilidade de interesse: a probabilidade de que eu não consiga rejeitar o nulo quando o nulo for falso. Então, 1 = primeira probabilidade definida, 2 = a outra.

Aqui está como eu faço: O tipo I é um erro otimista. Tipo II é um erro pessimista.

O, P: 1, 2. Eles são alfabéticos.

Memorize “É do tipo I não II onde o nulo é verdadeiro”, pois rima e descubra o resto enquanto você está olhando para o problema

Como você está cometendo um erro Tipo I - o nulo é verdadeiro, mas você diz que não é (rejeite) - Falso positivo Então o Tipo II é onde o nulo não é Verdadeiro, mas você diz (Falha ao rejeitá-lo) - Falso Negativo

Além disso, ajuda a indicar quais são suas hipóteses nulas e alternativas antes de fazer qualquer outra coisa

É assim que me lembro da diferença entre erros tipo I e tipo II

O tipo I é um POSITIVO falso

O tipo II é um falso NEGATIVO

O Tipo I é tão POSITIVO que pula da cama primeiro, desce as escadas e encontra um café da manhã significativo, enquanto o Tipo II é tão NEGATIVO que fica na cama o dia todo, para que, eventualmente, rasteje para fora, toda a comida acabe. Nunca pode encontrar nada!

Erro tipo 1 Rejeitar hipótese nula quando for verdadeira

TOERNHWIIT

Pequenos guaxinins excessivamente ansiosos nunca se escondem quando é hora do chá

Erro do tipo dois Aceitar hipótese nula quando falsa

TTEANHWIIF

Doze Tan Elvis comeram nove presuntos com agricultores irlandeses inteligentes

Para um engenheiro de software: que tal associar um erro do tipo I (primeiro dos dois) ao termo "S" serial "N" - você encontra algo "significativo", mas é "não". O erro do tipo II é exatamente o oposto quando você sabe o que é o erro do tipo I.

Às vezes, ler artigos científicos realmente antigos me ajuda a entender algumas idéias por trás das estatísticas.

... eles identificaram "duas fontes de erro", a saber:

(a) o erro de rejeitar uma hipótese que deveria ter sido aceita, e

(b) o erro de aceitar uma hipótese que deveria ter sido rejeitada.

(wiki)

Fonte original: Neyman, J .; Pearson, ES (1967) [1928]. "Sobre o uso e interpretação de determinados critérios de teste para fins de inferência estatística, parte I". Artigos estatísticos conjuntos. Cambridge University Press. pp. 1-66. http://biomet.oxfordjournals.org/content/20A/1-2/175.full.pdf+html

Eu acho que a tabela usual é confusa porque concatena verbos de negação. Achei a seguinte "tabela de veredicto" mais fácil de lembrar de uma generalização:

                              H0 (fair)
                     True                False
          Positive   False positive      True positive
Decision             Type I error
(Gilty)
          Negative   True negative       False negative
                                         Type II error

Observe que:

1. a decisão (positiva / negativa) corresponde ao nome do veredicto
2. os veredictos com "false" são os erros

RouTiNe for FuN O erro do tipo I é RTN: Rejeitar O erro nulo do tipo II é FRFN: falha ao rejeitar um nulo falso (hipótese)

Meu mnemônico para erros do tipo II é:

DOIS : T seu W como O pposing [nossa chance de ser publicado / financiamento / famoso], ou seja, a hipótese experimental foi rejeitado (embora em erro).

Ou

DOIS : T seu W como O ut-and-out falha (mas é um erro, então não é).

O tipo I é o que resta (ou seja, falso positivo).

Depois de ler tudo isso, criei o meu próprio para lembrar sobre o tipo I (fazendo o oposto se aplicar ao tipo II).

[A] lpha é o primeiro e é um erro quando você [A] aceita o [A] alternativo. AAA.

RAT! RAF

RAT indica erros do tipo I e! RAF é do tipo II.

Erro tipo I - RAT

R ejectando H ₀ quando é Um ctually T rue

Tipo II - ! RAF

  !   R ejectando H ₀ quando é Um ctually F alse ≡

não R , ejectando H ₀ quando é Um ctually F alse

! denota o operador not, então substitua! com a palavra "não".

NB: H ₀ = hipótese nula

Lembrar:

I  True
II False
or
I  TRue
II FAlse
or
I  TR
II FA
or
I  T         R.
II F         A
or 
Type  I error: True Ho is Rejected.
Type II error: False Ho is Accepted.

Então lembre

I  True
II False