Gibt es eine Möglichkeit, sich die Definitionen der Fehler vom Typ I und Typ II zu merken?

Ich bin kein Statistiker, sondern ein Software-Ingenieur. Doch die Statistik kommt sehr hoch. Während meines Studiums für die Certified Software Development Associate-Prüfung tauchen häufig Fragen speziell zu Fehlern des Typs I und des Typs II auf (Mathematik und Statistik machen 10% der Prüfung aus). Ich habe Probleme, immer die richtigen Definitionen für Fehler vom Typ I und Typ II zu finden - obwohl ich sie jetzt auswendig lerne (und mich die meiste Zeit daran erinnern kann), möchte ich diese Prüfung wirklich nicht einfrieren versuchen sich zu erinnern, was der Unterschied ist.

Ich weiß, dass der Fehler vom Typ I falsch positiv ist oder wenn Sie die Nullhypothese ablehnen und sie tatsächlich wahr ist und ein Fehler vom Typ II falsch negativ ist oder wenn Sie die Nullhypothese akzeptieren und sie tatsächlich falsch ist.

Gibt es eine einfache Möglichkeit, sich daran zu erinnern, worin der Unterschied besteht, beispielsweise eine Gedächtnisstütze? Wie machen es professionelle Statistiker - wissen sie es nur, wenn sie es oft benutzen oder diskutieren?

(Randnotiz: Diese Frage kann wahrscheinlich einige bessere Tags verwenden. Eine, die ich erstellen wollte, war "Terminologie", aber ich habe nicht genug Ruf, um das zu tun. Wenn jemand das hinzufügen könnte, wäre es großartig. Danke.)

Da Typ zwei "falsch negativ" oder "falsch falsch" bedeutet, erinnere ich mich an die Anzahl der Fehler.

• Typ I: "Ich denke fälschlicherweise, dass die alternative Hypothese wahr ist" (eine davon falsch)
• Typ II: "Ich halte die alternative Hypothese fälschlicherweise für falsch " (zwei Fehler)

Als der Junge Wolf heulte ...

Der erste Fehler, den die Dorfbewohner machten (als sie ihm glaubten), war ein Fehler vom Typ 1.
Der zweite Fehler, den die Dorfbewohner machten (als sie ihm nicht glaubten), war ein Typ-2-Fehler.

Der Schrei des Jungen war eine alternative Hypothese, weil die Nullhypothese kein Wolf ist;)

Ich entschuldige mich nicht dafür, ein so lächerliches Bild gepostet zu haben, denn genau deshalb ist es leicht, sich daran zu erinnern. Nullhypothese: Patientin ist nicht schwanger.

Bildquelle: Ellis, PD (2010), „FAQs zur Effektgröße “, Website http://www.effectsizefaq.com , abgerufen am 18.12.2014.

Hier ist ein praktischer Weg, der etwas Wahres zu bieten hat.

Junge Wissenschaftler begehen Typ I, weil sie Effekte finden und die Waffe springen wollen, während alte Wissenschaftler Typ II begehen, weil sie sich weigern, ihre Überzeugungen zu ändern.

(jemand Kommentar in einer lustigeren Version davon :))

Ich habe mit einem Freund darüber gesprochen und er hat mir einen Link zu dem Wikipedia-Artikel über Typ I- und Typ II-Fehler geklickt, in dem sie anscheinend jetzt eine (meiner Meinung nach wenig hilfreiche) Mnemonik enthalten. Ich wollte es hier jedoch nur zur Vervollständigung hinzufügen. Obwohl ich nicht dachte, dass es mir hilft, könnte es jemand anderem helfen:

Für diejenigen, die Schwierigkeiten haben, die beiden Fehlertypen korrekt zu identifizieren, basiert der folgende Hinweis auf der Tatsache, dass (a) ein "Fehler" falsch ist und (b) die Anfangsbuchstaben von "Positiv" und "Negativ" unterschiedlich geschrieben sind Anzahl senkrechter Linien:

• Ein Fehler vom Typ I ist ein falsches POSITIV. und P hat eine einzige vertikale Linie.
• Ein Fehler vom Typ II ist ein falsches NEGATIV. und N hat zwei vertikale Linien.

Dabei müssen Sie bedenken, dass ein falsches Positiv die Ablehnung einer echten Nullhypothese bedeutet und ein falsches Negativ die Ablehnung einer falschen Nullhypothese nicht ermöglicht.

Dies ist auf keinen Fall die beste Antwort hier, aber ich wollte es dort rausschmeißen, falls jemand diese Frage findet und dies kann ihm helfen.

Sie könnten die Idee komplett ablehnen.

Einige Autoren (Andrew Gelman ist einer von ihnen) beschäftigen sich mit Fehlern des Typs S (Vorzeichen) und des Typs M (Größenordnung). Sie können auf die falsche Wirkrichtung schließen (z. B. glauben Sie, dass die Behandlungsgruppe besser, aber tatsächlich schlechter abschneidet) oder auf die falsche Stärke (z. B. stellen Sie einen massiven Effekt fest, bei dem es nur einen winzigen oder im Wesentlichen keinen Effekt gibt oder umgekehrt). .

Weitere Informationen finden Sie in Gelmans Blog .

Ich werde versuchen, nicht mit anderen Antworten überflüssig zu werden (obwohl es ein bisschen so aussieht, wie es JM bereits vorgeschlagen hat), aber ich mag es im Allgemeinen, die folgenden zwei Bilder zu zeigen:

Ich benutze den "juristischen" Ansatz, um mich an den Unterschied zwischen Typ I und Typ II zu erinnern: Ein Richter, der einen Fehler vom Typ I begeht, schickt einen unschuldigen Mann ins Gefängnis, während ein Richter, der einen Fehler vom Typ II begeht, einen schuldigen Mann frei laufen lässt.

Basierend auf dem Prinzip von Occams Rasiermesser sind Fehler vom Typ I (Ablehnen der Nullhypothese, wenn sie wahr sind) "wahrscheinlich" schlimmer als Fehler vom Typ II (Ablehnen der Nullhypothese, wenn sie falsch sind).

Wenn Sie solch ein Argument glauben:

• Typ-I-Fehler sind von größter Bedeutung
• Typ-II-Fehler sind zweitrangig

Hinweis: Ich unterstütze dieses Werturteil nicht, aber es hilft mir, mich an Typ I von Typ II zu erinnern.

Hier ist eine Erklärung, die Ihnen helfen könnte, sich an den Unterschied zu erinnern.

TYP I FEHLER: Ein Alarm ohne Feuer. TYP II FEHLER: Ein Feuer ohne Alarm.

Jeder Koch weiß, wie man Fehler vom Typ I vermeidet - nehmen Sie einfach die Batterien heraus. Leider erhöht dies die Häufigkeit von Fehlern des Typs II. :)

Das Verringern der Wahrscheinlichkeit eines Fehlers vom Typ II würde bedeuten, den Alarm überempfindlich zu machen, was wiederum die Wahrscheinlichkeit eines Fehlers vom Typ I erhöhen würde.

Quelle: Ein Cartoon-Leitfaden zur Statistik

Hurra, eine Frage, die nicht technisch genug ist, damit ich sie beantworten kann!

"Typ eins ist ein Betrug" (Reim) - das heißt, Sie glauben, dass ein Unterschied besteht, wenn er nicht besteht. Funktioniert immer für mich.

Früher dachte ich an das übliche Bild zweier Normalverteilungen (oder Glockenkurven). Von links nach rechts ist die Verteilung 1 die Null und die Verteilung 2 die Alternative. Typ I lehnt (fälschlicherweise) den ersten (Null) und Typ II "lehnt" den zweiten (Alternative) ab.

(Jetzt müssen Sie nur daran denken, dass Sie die Alternative nicht wirklich ablehnen, sondern fälschlicherweise die Null akzeptieren (oder ablehnen) - dh alles in Form der Null wiederholen. Hey, es hat bei mir funktioniert!)

(ein bisschen witzige Antwort, die ich erst vor einer Minute erfunden habe)

1. Ein erstklassiger Mensch denkt, er hat immer Recht.
2. Eine Person zweiter Klasse glaubt, immer falsch zu liegen.

1. Die erstklassige Person kann nur einen Fehler vom Typ I machen (weil er manchmal falsch liegt).
2. Die Person der zweiten Klasse kann nur einen Fehler vom Typ II machen (weil sie manchmal Recht hat).

Mein Freund hat sich das ausgedacht und ich fand es ziemlich genial. Sie sagte, dass die Republikaner während der letzten beiden Präsidentschaften beide Fehler begangen haben: Präsident ONE war Bush, der einen Fehler vom Typ ONE begangen hat, indem er behauptet hat, dass es im Irak tatsächlich Massenvernichtungswaffen gab ) Republikaner begehen einen Typ-ZWEI-Fehler und argumentieren, der Klimawandel sei ein Mythos, obwohl ...

Was auch immer Sie über Politik oder Klimawandel denken, es ist eine ziemlich einfache Art, sich daran zu erinnern !!

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

$\alpha$

RAAR 'wie ein Löwe' = Erster Teil ist * R * Auswerfen, wenn wir * A * sollten (Typ I Fehler) Zweiter Teil ist * A * Akzeptieren wenn wir sollten * R * Auswerfen (Typ II Fehler)

Dies ist der einfachste Weg, es mir zu merken :)

Viel Glück!

Typ 1 = Ablehnen: Dies ist ein Ausdruck mit einem Wort. Typ 2 = Nicht: Dies ist ein Ausdruck mit zwei Wörtern

Ich erinnere mich daran, indem ich dachte: Was mache ich als Erstes, wenn ich einen Nullhypothesen-Signifikanztest durchführe? Ich stelle das Kriterium für die Wahrscheinlichkeit ein, dass ich eine falsche Ablehnung mache. Somit ist Typ 1 dieses Kriterium und Typ 2 die andere Wahrscheinlichkeit von Interesse: die Wahrscheinlichkeit, dass ich die Null nicht ablehne, wenn die Null falsch ist. Also, 1 = erste Wahrscheinlichkeit, die ich gesetzt habe, 2 = die andere.

So mache ich das: Typ I ist ein optimistischer Fehler. Typ II ist ein pessimistischer Fehler.

O, P: 1, 2. Sie sind alphabetisch.

Merken Sie sich „Es ist Typ I, nicht II, wo die Null wahr ist“, während Sie sich reimen und den Rest herausfinden, während Sie das Problem betrachten

Da Sie einen Fehler machen, geben Sie I ein - die Null ist wahr, aber Sie sagen, dass dies nicht der Fall ist (verwerfen Sie sie) - falsch positiv Dann ist Typ II dort, wo die Null nicht wahr ist, aber Sie sagen, dass dies der Fall ist (nicht verwerfen) - falsch Negativ

Es ist auch hilfreich anzugeben, was Ihre Null- und Alternativhypothese sind, BEVOR Sie etwas anderes tun

So erinnere ich mich an den Unterschied zwischen Typ I- und Typ II-Fehlern

Typ I ist ein falsches POSITIV

Typ II ist ein falsches NEGATIV

Typ I ist so POSITIV, dass er zuerst aus dem Bett springt, die Treppe hinunter rennt und ein reichhaltiges Frühstück findet, während Typ II so NEGATIV ist, dass er den ganzen Tag im Bett bleibt. Es kann nie etwas finden!

Fehler vom Typ Eins Lehnen Sie die Nullhypothese ab, wenn sie wahr ist

TOERNHWIIT

Kleine übermäßig eifrige Waschbären verstecken sich nie, wenn es Teatime ist

Fehler Typ zwei Akzeptieren Sie die Nullhypothese, wenn sie falsch ist

TTEANHWIIF

Zwölf Schinken von Tan Elvis mit intelligenten irischen Bauern

An einen Softwareentwickler: Wie wäre es, wenn Sie den Fehler vom Typ I (den ersten der beiden) mit dem Begriff "S" erial "N" umber verknüpfen - Sie finden etwas "Bedeutendes", aber es ist tatsächlich "nicht". Typ-II-Fehler ist genau das Gegenteil, sobald Sie wissen, um welchen Typ-I-Fehler es sich handelt.

Manchmal hilft mir das Lesen wirklich alter wissenschaftlicher Arbeiten, einige Ideen hinter Statistiken zu verstehen.

... identifizierten sie "zwei Fehlerquellen", nämlich:

a) den Fehler, eine Hypothese abzulehnen, die hätte akzeptiert werden müssen, und

(b) der Fehler, eine Hypothese zu akzeptieren, die hätte abgelehnt werden müssen.

(Wiki)

Original source: Neyman, J .; Pearson, ES (1967) [1928]. "Zur Verwendung und Interpretation bestimmter Testkriterien für statistische Inferenzzwecke, Teil I". Gemeinsame statistische Papiere. Cambridge University Press. S. 1–66. http://biomet.oxfordjournals.org/content/20A/1-2/175.full.pdf+html

Ich denke, dass die übliche Tabelle verwirrend ist, weil sie Negationsverben verkettet. Ich fand die folgende "Urteilstabelle" einfacher, sich an eine Verallgemeinerung zu erinnern:

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

Beachten Sie, dass:

1. Die Entscheidung (positiv / negativ) stimmt mit dem Urteilsnamen überein
2. die urteile mit "falsch" sind die fehler

RouTiNe FoR FuN Typ I-Fehler lautet RTN: Reject Der Null-Typ II-Fehler lautet FRFN: Fehler beim Zurückweisen einer falschen Null (Hypothese)

Meine Mnemonik für Typ II-Fehler lautet:

ZWEI : T seine W wie O pposing [unsere Chance veröffentlicht zu werden / Finanzierung / berühmte], also wurde die experimentelle Hypothese (wenn auch irrtümlich) abgelehnt.

Oder

ZWEI : T seine W wie O ut-and-out - Fehler (aber es ist ein Fehler , es ist also nicht).

Typ I ist das, was übrig bleibt (dh falsch positiv).

Nachdem ich all dies durchgelesen hatte, kam ich auf meine eigene Idee, um mich an Typ I zu erinnern (das Gegenteil trifft auf Typ II zu).

[A] lpha steht an erster Stelle und ist ein Fehler, wenn Sie [A] das [A] lternat akzeptieren. AAA.

RAT! RAF

RAT bezeichnet Fehler vom Typ I und! RAF ist vom Typ II.

Fehler Typ I - RAT

R ausstoß H ₀ , wenn es A ctually T rue

Typ II - ! RAF

  !   R ausstoß H ₀ , wenn es A ctually F ALSE ≡

nicht R H ausstoß ₀ , wenn es A ctually F ALSE

! bezeichnet den nicht betreiber also austauschen! mit dem Wort "nicht".

NB: H ₀ = Nullhypothese

Merken:

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.

Also denk daran

I  True
II False