다양한 연구 기사에서 유형 I 오류가 (알파 값으로 표시) 설명되는 많은 경우를 보았습니다. 나는 연구원이 힘 또는 타입 II 오류를 고려하는 경우는 드물다.
유형 II 오류가 큰 문제 일 수 있습니까? 우리는 대체 가설이 실제로 거짓 일 때 우연히 거부했다. 베타 값 대신 알파 값이 강조되는 이유는 무엇입니까?
첫해 통계를봤을 때 베타를 배우지 못했습니다. 알파 만있었습니다. 이 두 가지 오류를 동등하게 처리해야한다고 생각합니다. 그러나 알파 만 강조되는 것 같습니다.
1
+1 그 이유는 전통적으로 제 1 종 오류 (일명 또는 유의 수준 )가 먼저 수정 된 다음 제 2 종 오류를 최소화하도록 (동일하게 전력 을 최대화 하는 등) 테스트가 구성되기 때문 입니다. wikipedia에서이 문제를 이해하는 데 도움이되는 유용한 기사는 UMP (Uniformally Most Powerful) 테스트에 관한 기사입니다. en.wikipedia.org/wiki/Uniformly_most_powerful_test
—
Jeremias K
당신은 "우리는 귀무 가설을 수락"에 대한 잘못된 - 우리는 결코 그것을지지 않습니다. "null hyp 거부"또는 "null hyp 거부 실패"이지만 null hyp을 허용하지 않습니다!
—
원시인
자신의 경험을 전체 통계 문학 분야와 혼동하지 않도록주의하십시오. 읽지 않은 자료의 내용을 거의 추론 할 수 없습니다.
—
Glen_b-복지 주 모니카