Typ I und Typ II Fehler
Analogie: Vergleich mit einem Gerichtsurteil
Gericht f¨ allt Entscheidung “unschuldig” Gericht f¨ allt Entscheidung “schuldig”
Angeklagter ist unschuldig
Angeklagter ist schuldig
richtige Entscheidung
ein Schuldiger wird freigesprochen
ein Unschuldiger wird verurteilt
richtige Entscheidung
Typ I und Typ II Fehler
Entscheidung auf Grundlage eines statistischen Tests: Nullhypothese H0 wird nicht verworfen Nullhypothese H0 wird verworfen
Wahrer Sachverhalt: H0 ist wahr korrekte Entscheidung (1 − α) Typ I Fehler
Wahrer Sachverhalt: H0 ist falsch Typ II Fehler korrekte Entscheidung (1 − β: “Power”)
Typ I und Typ II Fehler
Typ I Fehler: Wahrscheinlichkeit eine wahre Nullhypothese zu verwerfen (irrt¨ umlicher Glaube an einen Zusammenhang, der tats¨achlich nicht existiert)
Typ I und Typ II Fehler
Typ I Fehler: Wahrscheinlichkeit eine wahre Nullhypothese zu verwerfen (irrt¨ umlicher Glaube an einen Zusammenhang, der tats¨achlich nicht existiert) ⇒ Verwerfungsfehler
Typ I und Typ II Fehler
Typ I Fehler: Wahrscheinlichkeit eine wahre Nullhypothese zu verwerfen (irrt¨ umlicher Glaube an einen Zusammenhang, der tats¨achlich nicht existiert) ⇒ Verwerfungsfehler
Typ II Fehler: Wahrscheinlichkeit eine tats¨achlich falsche Nullhypothese nicht zu verwerfen (irrt¨ umlicher Glaube, daß kein Zusammenhang existiert, wo tats¨achlich einer besteht)
Typ I und Typ II Fehler
Typ I Fehler: Wahrscheinlichkeit eine wahre Nullhypothese zu verwerfen (irrt¨ umlicher Glaube an einen Zusammenhang, der tats¨achlich nicht existiert) ⇒ Verwerfungsfehler
Typ II Fehler: Wahrscheinlichkeit eine tats¨achlich falsche Nullhypothese nicht zu verwerfen (irrt¨ umlicher Glaube, daß kein Zusammenhang existiert, wo tats¨achlich einer besteht) ⇒ Nichtverwerfungsfehler
Typ I und Typ II Fehler
Typ I Fehler: Wahrscheinlichkeit eine wahre Nullhypothese zu verwerfen (irrt¨ umlicher Glaube an einen Zusammenhang, der tats¨achlich nicht existiert) ⇒ Verwerfungsfehler
Typ II Fehler: Wahrscheinlichkeit eine tats¨achlich falsche Nullhypothese nicht zu verwerfen (irrt¨ umlicher Glaube, daß kein Zusammenhang existiert, wo tats¨achlich einer besteht) ⇒ Nichtverwerfungsfehler Gr¨ oße h¨angt ab von konkreter Alternativhypothese!
Typ I und Typ II Fehler
Signifikanzniveau: α = 0.01 0.4
Verteilung unter H0
Verteilung unter HA
0.2 Typ II Fehler
−5
−4
−3
−2
−1 Typ I Fehler
1
2
3
4
5
6
b
Typ I und Typ II Fehler
Signifikanzniveau: α = 0.05 0.4
Verteilung unter H0
Verteilung unter HA
0.2
−5
−4
−3
−2
−1
1
2
3
4
5
6
b
Typ I und Typ II Fehler
Signifikanzniveau: α = 0.1 0.4
Verteilung unter H0
Verteilung unter HA
0.2
−5
−4
−3
−2
−1
1
2
3
4
5
6
b
Power
Die ‘Power’ oder Trennsch¨arfe eines Tests gibt die Wahrscheinlichkeit an, mit der ein tats¨achlich vorhandener Unterschied auch aufgedeckt werden kann,
Power
Die ‘Power’ oder Trennsch¨arfe eines Tests gibt die Wahrscheinlichkeit an, mit der ein tats¨achlich vorhandener Unterschied auch aufgedeckt werden kann, das heißt, die Wahrscheinlichkeit, mit der eine tats¨achlich falsche Nullhypothese auch verworfen werden kann!
Power
Die ‘Power’ oder Trennsch¨arfe eines Tests gibt die Wahrscheinlichkeit an, mit der ein tats¨achlich vorhandener Unterschied auch aufgedeckt werden kann, das heißt, die Wahrscheinlichkeit, mit der eine tats¨achlich falsche Nullhypothese auch verworfen werden kann! Die Power eines Tests ist die Gegenwahrscheinlichkeit f¨ ur das Auftreten eines Typ II Fehlers Power = 1 − P(Typ II Fehler)
Power
Die ‘Power’ oder Trennsch¨arfe eines Tests gibt die Wahrscheinlichkeit an, mit der ein tats¨achlich vorhandener Unterschied auch aufgedeckt werden kann, das heißt, die Wahrscheinlichkeit, mit der eine tats¨achlich falsche Nullhypothese auch verworfen werden kann! Die Power eines Tests ist die Gegenwahrscheinlichkeit f¨ ur das Auftreten eines Typ II Fehlers Power = 1 − P(Typ II Fehler) Verglichen wird die Verteilung unter G¨ ultigkeit von H0 mit der Verteilung unter G¨ ultigkeit einer spezifischen Alternativhypothese.
Power
0.4
Verteilung unter H0
Verteilung unter HA
0.2
−5
−4
−3
−2
−1
Power
1
2
3
4
5
6
b
Power
0.4
Verteilung unter H0
Verteilung unter HA
0.2
−5
−4
−3
−2
−1
1
2
3
4
5
6
b
Power
0.4
Verteilung unter H0 Verteilung unter HA
0.2
−5
−4
−3
−2
−1
1
2
3
4
5
6
b
Power
0.4
Verteilung unter H0
0.2
−5
−4
−3
−2
−1
1
2
3
4
5
6
b
Power
0.4
Verteilung unter H0
0.2
−5
−4
−3
−2
−1
1
2
3
4
5
6
b
Power
0.4
Verteilung unter H0
0.2
−5
−4
−3
−2
−1
1
2
3
4
5
6
b
Power
Verteilung unter HA 0.4
0.2
Power
−5
−4
−3
Verteilung unter H0
−2
−1
1
2
3
4
5
6
b
Power
Die Power eines Tests nimmt ceteris paribus zu, wenn der Stichprobenumfang vergr¨ oßert wird!
Power
0.6
0.4
0.2
−5
−4
−3
−2
−1
Power
1
2
3
4
5
6
b
Power
0.6
0.4
0.2
−5
−4
−3
−2
−1
1
2
3
4
5
6
b
Power
0.6
0.4
0.2
−5
−4
−3
−2
−1
1
2
3
4
5
6
b
Power
0.6
0.4
0.2
−5
−4
−3
−2
−1
1
2
3
4
5
6
b
Power
0.6
0.4
0.2
−5
−4
−3
−2
−1
1
2
3
4
5
6
b
Power
0.6
0.4
0.2
−5
−4
−3
−2
−1
1
2
3
4
5
6
b
Power
0.6
0.4
0.2
Power
−5
−4
−3
−2
−1
1
2
3
4
5
6
b
Power Power-Funktionen eines m¨achtigeren und weniger m¨achtigen Tests (z.B. große und kleine Stichprobe): 1.0
großes N 0.5
0
β0 Close
α b
Power Power-Funktionen eines m¨achtigeren und weniger m¨achtigen Tests (z.B. große und kleine Stichprobe): 1.0
großes N 0.5
0
β0 Close
kleines N
α b