Est-il possible de se rappeler les définitions des erreurs de type I et de type II?

Je ne suis pas un statisticien de formation, je suis un ingénieur en logiciel. Pourtant, les statistiques sont nombreuses. En fait, des questions spécifiques concernant les erreurs de type I et de type II se posent souvent au cours de mes études pour l’examen d’associé en développement de logiciel certifié (les mathématiques et les statistiques représentent 10% de l’examen). J'ai toujours du mal à trouver les bonnes définitions pour les erreurs de types I et II - bien que je les mémorise maintenant (et que je m'en souvienne la plupart du temps), je ne veux vraiment pas geler pour cet examen. essayer de se rappeler quelle est la différence.

Je sais que l'erreur de type I est un faux positif, ou lorsque vous rejetez l'hypothèse nulle et que c'est en fait vrai et qu'une erreur de type II est un faux négatif, ou lorsque vous acceptez l'hypothèse nulle et qu'elle est en réalité fausse.

Existe-t-il un moyen facile de se souvenir de la différence, par exemple un mnémonique? Comment les statisticiens professionnels le font-ils? Est-ce simplement quelque chose qu'ils savent en utiliser ou en discuter souvent?

(Remarque: cette question peut probablement utiliser de meilleurs tags. Je voulais créer une "terminologie", mais je n'ai pas assez de réputation pour le faire. Si quelqu'un pouvait ajouter cela, ce serait génial. Merci.)

Puisque le type deux signifie "Faux négatif" ou une sorte de "faux faux", je m'en souviens comme du nombre de faux.

• Type I: "Je pense faussement que l'hypothèse alternative est vraie" (une fausse)
• Type II: "Je pense faussement que l'hypothèse alternative est fausse " (deux fausses )

Quand le garçon a crié au loup ...

La première erreur commise par les villageois (quand ils le croyaient) était une erreur de type 1.
La deuxième erreur commise par les villageois (quand ils ne le croyaient pas) était une erreur de type 2.

Le cri du garçon était une hypothèse alternative car l'hypothèse nulle n'est pas le loup;)

Je ne m'excuse pas d'avoir publié une image aussi ridicule, car c'est exactement pourquoi il est facile de s'en souvenir. Hypothèse nulle: la patiente n'est pas enceinte.

Source de l'image: Ellis, PD (2010), «Effect Size FAQs», site Web http://www.effectsizefaq.com , consulté le 18/12/2014.

Voici un moyen pratique d'avoir la vérité.

Les jeunes scientifiques commettent le type I parce qu'ils veulent trouver des effets et passer à l'action tandis que les vieux scientifiques commettent le type II parce qu'ils refusent de changer leurs croyances.

(Quelqu'un commente dans une version plus drôle de ça :))

J'en parlais à un de mes amis et il m'a envoyé un lien vers l'article de Wikipedia sur les erreurs de type I et de type II , où ils fournissent apparemment un mnémonique (quelque peu inutile, à mon avis). Cependant, je voulais l’ajouter ici, par souci d’achèvement. Même si je ne pensais pas que cela m'aidait, cela pourrait aider quelqu'un d'autre:

Pour ceux qui éprouvent des difficultés à identifier correctement les deux types d'erreur, la mnémonique suivante est basée sur le fait que (a) une "erreur" est fausse, et (b) les lettres initiales de "Positif" et "Négatif" sont écrites avec un code différent. nombre de lignes verticales:

• Une erreur de type I est un faux positif; et P a une seule ligne verticale.
• Une erreur de type II est un faux NÉGATIF; et N a deux lignes verticales.

Avec ceci, vous devez vous rappeler qu'un faux positif signifie rejeter une hypothèse nulle vraie et qu'un faux négatif ne permet pas de rejeter une hypothèse fausse nulle.

Ce n’est certainement pas la meilleure réponse ici, mais j’ai voulu la mettre au cas où quelqu'un trouverait cette question et que cela puisse les aider.

Vous pouvez totalement rejeter l’idée.

Certains auteurs (Andrew Gelman, par exemple) commencent à parler d’erreurs de type S (signe) et de type M (magnitude). Vous pouvez en déduire la mauvaise direction d'effet (par exemple, vous pensez que le groupe de traitement fait mieux mais en fait pire) ou la mauvaise ampleur (par exemple, vous trouvez un effet massif là où il n'y a qu'un effet minuscule ou pratiquement nul, ou vice versa). .

Voir plus sur le blog de Gelman .

J'essaierai de ne pas être redondant avec d'autres réponses (bien que cela semble un peu ce que JM a déjà suggéré), mais j'aime généralement montrer les deux images suivantes:

J'utilise l'approche "judiciaire" pour me souvenir de la différence entre le type I et le type II: un juge qui commet une erreur de type I envoie un homme innocent en prison, tandis qu'un juge qui commet une erreur de type II laisse un coupable libre.

Selon le principe du rasoir d'Occam , les erreurs de type I (rejeter l'hypothèse nulle quand elle est vraie) sont "sans doute" pires que les erreurs de type II (ne pas rejeter l'hypothèse nulle lorsqu'elle est fausse).

Si vous croyez un tel argument:

• Les erreurs de type I sont une préoccupation majeure
• Les erreurs de type II sont une préoccupation secondaire

Remarque: je n'approuve pas ce jugement de valeur, mais cela m'aide à me souvenir du type I du type II.

Voici une explication qui pourrait vous aider à vous rappeler la différence.

TYPE I ERROR: Une alarme sans feu. TYPE II ERROR: Un incendie sans alarme.

Chaque cuisinier sait comment éviter les erreurs de type I: il suffit de retirer les piles. Malheureusement, cela augmente les incidences d'erreur de type II. :)

Réduire les risques d'erreur de type II reviendrait à rendre l'alarme hypersensible, ce qui augmenterait les risques d'erreur de type I.

Source: Un guide de la bande dessinée

Hourra, une question assez peu technique pour que je puisse y répondre!

"Tapez un est un con" [rimes] - c'est-à-dire vous trompe en pensant qu'il existe une différence quand ce n'est pas le cas. Travaille toujours pour moi.

J'avais l'habitude de penser cela en termes de l' image habituelle de deux distributions de Normal (ou courbes en cloche). En allant de gauche à droite, la distribution 1 correspond au null et la distribution 2 à la variante. Le type I (à tort) rejette le premier (Null) et le type II "rejette" le second (Alternative).

(Maintenant, vous devez juste vous rappeler que vous ne rejetez pas réellement l'alternative, mais que vous acceptiez à tort (ou que vous ne le rejetiez pas) le Null - c'est-à-dire que tout est reformulé sous la forme du Null. Hé, cela a fonctionné pour moi!)

(réponse un peu blague j'ai inventé il y a juste une minute)

1. Une personne de première classe pense avoir toujours raison.
2. Une personne de deuxième classe pense avoir toujours tort.

1. La personne de première classe ne peut commettre qu'une erreur de type I (car parfois elle se trompera).
2. La personne de deuxième classe ne peut commettre qu'une erreur de type II (car parfois elle aura raison).

Mon ami est venu avec cela et j'ai pensé que c'était plutôt brillant. Elle a déclaré que, pendant les deux dernières présidences, les républicains avaient commis les deux erreurs: le président ONE était Bush qui avait commis une erreur de type ONE en déclarant qu'il y avait des armes de destruction massive en Irak alors que ... Sous le président TWO, Obama ( ) Les républicains commettent une erreur de type 2 affirmant que le changement climatique est un mythe alors qu'en réalité ....

Quel que soit votre point de vue sur la politique ou le changement climatique, c'est un moyen assez facile de s'en souvenir !!

$\alpha$$\beta$$\alpha$$\beta$$\alpha$$\alpha$$\beta$$\beta$

$\alpha$

RAAR 'like a lion' = la première partie est * R * éjecter lorsque nous devrions * A * ccept (erreur de type I) la deuxième partie est * A * ccept quand nous devrions * R * éjecter (erreur de type II)

C'est la meilleure façon de s'en souvenir pour moi :)

Bonne chance!

Type 1 = Rejeter: il s'agit d'une expression de UN mot Type 2 = Ne pas faire: il s'agit d'une expression DEUX mots

Je m'en souviens en pensant: Quelle est la première chose que je fais quand je fais un test de signification pour une hypothèse nulle? Je fixe le critère de probabilité de faire un faux rejet. Ainsi, le type 1 correspond à ce critère et le type 2 à l’autre probabilité d’intérêt: la probabilité que je ne réussisse pas à rejeter la valeur null lorsque la valeur null est fausse. Donc, 1 = première probabilité que je pose, 2 = l'autre.

Voici comment je le fais: Le type I est une erreur optimiste. Le type II est une erreur pessimiste.

O, P: 1, 2. Ils sont alphabétiques.

Mémorisez «C’est le type I et non pas II où le zéro est vrai», car il rime et calcule le reste pendant que vous examinez le problème.

Puisque vous faites une erreur de type I - le null est vrai mais vous dites que ce n’est pas le (rejetez-le) - faux positif alors le type II est où le nul n’est pas vrai mais vous le dites (échec de le rejeter) - faux Négatif

En outre, il est utile d’indiquer quelles sont vos hypothèses Null et Alternative AVANT de faire autre chose

Voici comment je me souviens de la différence entre les erreurs de type I et de type II

Le type I est un faux positif

Le type II est un faux négatif

Le type I est tellement POSITIF qu'il saute du lit en premier, descend en bas et trouve un petit-déjeuner important tandis que le type II est tellement NÉGATIF ​​qu'il reste au lit toute la journée et qu'il finit par ramper, toute la nourriture est partie. Il ne peut jamais rien trouver!

Erreur de type un Rejete l'hypothèse nulle lorsqu'elle est vraie

TOERNHWIIT

Des ratons laveurs minuscules, trop impatients, ne se cachent jamais lorsqu'il est l'heure du thé

Erreur de type deux Accepter l'hypothèse nulle lorsqu'elle est fausse

TTEANHWIIF

Douze neuf jambons de Tan Elvis avec des agriculteurs irlandais intelligents

Pour un ingénieur en logiciel, pourquoi ne pas associer une erreur de type I (le premier des deux) au terme "série" "numéro" - vous trouvez quelque chose de "significatif" mais c'est en réalité "pas". L'erreur de type II est exactement l'inverse une fois que vous savez ce que l'erreur de type I est.

Parfois, la lecture de très vieux articles scientifiques m'aide à comprendre certaines idées derrière les statistiques.

... ils ont identifié "deux sources d'erreur", à savoir:

(a) l'erreur de rejeter une hypothèse qui aurait dû être acceptée, et

(b) l'erreur d'accepter une hypothèse qui aurait dû être rejetée.

(wiki)

Source originale: Neyman, J .; Pearson, ES (1967) [1928]. "Sur l'utilisation et l'interprétation de certains critères de test aux fins de l'inférence statistique, Partie I". Documents statistiques conjoints. La presse de l'Universite de Cambridge. pp. 1–66. http://biomet.oxfordjournals.org/content/20A/1-2/175.full.pdf+html

Je pense que le tableau habituel est déroutant car il concatène des verbes de négation. J'ai trouvé le "tableau de verdict" suivant plus facile à retenir qu'une généralisation:

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

Notez que:

1. la décision (positive / négative) correspond au nom du verdict
2. les verdicts avec "faux" sont les erreurs

Erreur de type I est RTN: rejeter l'erreur de type II nulle est FRFN: échec du rejet d'un faux faux (hypothèse)

Mon mnémonique pour les erreurs de type II est:

DEUX : T son W comme O pposing [nos chances de faire publier / financement / célèbre], par exemple, a été rejeté l'hypothèse expérimentale (quoique par erreur).

Ou

DEUX : T son W comme O échec ut-et-out (mais il est une erreur si ce n'est pas).

Le type I est ce qui reste (c.-à-d. Faux positif).

Après avoir lu tout cela, je me suis inspiré du type I (le contraire s’applique au type II).

[A] lpha est le premier et constitue une erreur lorsque vous [A] acceptez le [A] Lternate. AAA.

RAT! RAF

RAT désigne les erreurs de type I et! RAF est de type II.

Erreur de type I - RAT

R éjection H ₀ quand il est A n fait T rue

Type II - ! RAF

  !   R éjection H ₀ quand il est A n fait F alse ≡

pas R éjection H ₀ quand il est A n fait F alse

! dénote le pas opérateur alors remplacez! avec le mot "pas".

NB: H ₀ = hypothèse nulle

Rappelles toi:

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.

Alors souviens-toi

I  True
II False