Sai lầm loại II (Type II Error) là gì? Sự khác nhau giữa sai lầm loại I và loại II

Hình minh họa. Nguồn: Notawfulandboring.blogspot.com

Sai lầm loại II

Khái niệm

Sai lầm loại II trong tiếng Anh là Type II Error.

Trong phân tích thống kê, sai lầm loại I là bác bỏ một giả thuyết không H₀ đúng, trong khi sai lầm loại II mô tả lỗi chấp nhận một giả thuyết không H₀ sai. Lỗi này bác bỏ giả thuyết thay thế H_a, mặc dù nó đúng.

Đặc điểm sai lầm loại II

Một sai lầm loại II chấp nhận một ý tưởng nên bị bác bỏ và tuyên bố hai quan sát là như nhau mặc dù chúng khác nhau. Sai lầm loại II không bác bỏ giả thuyết không (null hypothesis) dù giả thuyết thay thế mang tính chất thực tế của tổng thể. Nói một cách đơn giản, sai lầm loại II là một phát hiện sai được chấp nhận là đúng. Sai lầm loại II đôi khi được gọi là lỗi beta.

Có thể hạn chế sai lầm loại II bằng cách đưa ra các tiêu chí nghiêm ngặt hơn khi bác bỏ giả thuyết không. Chẳng hạn, nếu một nhà phân tích đang xem xét bất cứ điểm quan sát nào nằm giữa khoảng tin cậy +/- 95% là có ý nghĩa thống kê, nếu tăng khoảng đúng sai này lên +/- 99%, nhà phân tích sẽ giảm khả năng mắc lỗi dương tính giả xuống.

Tuy nhiên, làm như vậy sẽ đồng thời làm tăng khả năng nhà phân tích này gặp phải sai lầm loại I. Khi tiến hành kiểm định giả thuyết, cần phải xem xét xác suất hoặc rủi ro mắc sai lầm loại I hoặc sai lầm loại II.

Sự khác nhau giữa sai lầm loại I và loại II

Sự khác biệt giữa sai lầm loại II và sai lầm loại I là sai lầm loại I loại bỏ giả thuyết không trong khi nó đúng. Xác suất phạm sai lầm loại I bằng với mức ý nghĩa được đặt cho kiểm định giả thuyết. Do đó, nếu mức ý nghĩa là 0.05 thì có khả năng sai lầm loại I có thể xảy ra là 5%.

Xác suất phạm sai lầm loại II bằng một trừ đi mức ý nghĩa của kiểm định, hay còn được gọi là beta. Mức ý nghĩa có thể được tăng lên bằng cách tăng kích thước mẫu, giúp làm giảm nguy cơ phạm sai lầm loại II.

Ví dụ về sai lầm loại II

Giả sử một công ty công nghệ sinh học muốn so sánh hiệu quả của hai loại thuốc trong điều trị bệnh tiểu đường. giả thuyết không là hai loại thuốc này có hiệu quả như nhau. Công ty này hi vọng sẽ bác bỏ H₀ bằng cách sử dụng kiểm định một đuôi. Giả thuyết thay thế H_a cho rằng hai loại thuốc này không có hiệu quả như nhau.

Công ty công nghệ sinh học thực hiện một thử nghiệm lâm sàng lớn trên 3.000 bệnh nhân mắc bệnh tiểu đường để so sánh hai loại thuốc điều trị. Công ty hi vọng hai loại thuốc này có số lượng bệnh nhân bằng nhau để chỉ ra rằng cả hai loại thuốc này đều có hiệu quả. Họ chọn mức ý nghĩa 0.05, cho thấy họ sẵn sàng chấp nhận 5% cơ hội giả thuyết không có thể bị bác bỏ khi nó đúng hay 5% cơ hội phạm sai lầm loại I.

Giả sử beta được tính là 0.025, hoặc 2.5%. Do đó, xác suất phạm sai lầm loại II là 2.5%. Nếu hai loại thuốc không có hiệu quả bằng nhau, giả thuyết không bị bác bỏ. Tuy nhiên, nếu công ty công nghệ sinh học không bác bỏ giả thuyết không khi hai thuốc không có hiệu quả tương đương nhau, thì công ty đang mắc sai lầm loại II.

Các ý chính

- Sai lầm loại II được định nghĩa là xác suất chấp nhận giả thuyết không trong khi thực tế nó không đại diện cho tổng thể.

- Sai lầm loại II về cơ bản là một lỗi dương tính giả.

- Sai lầm loại II có thể được hạn chế bằng cách đưa ra các tiêu chí nghiêm ngặt hơn khi bác bỏ giả thuyết không.

- Các nhà phân tích cần cân nhắc khả năng và tác động của sai lầm loại II với sai lầm loại I khi kiểm định giả thuyết.

(Theo Investopedia)