Type I and type II errors (original) (raw)
Chyba typu I (neboli chyba prvního druhu) a Chyba typu II (neboli chyba druhého druhu) jsou přesné technické pojmy používané statistiky k popsání konkrétních chyb v testovacím procesu, kde (zjednodušeně řečeno) něco, co mělo být přijato, bylo odmítnuto, a kde něco, co mělo být odmítnuto, bylo přijato. Naneštěstí jsou tyto pojmy používány mnohem obecnějším způsobem v sociálních vědách a jiných (obvykle bez jakéhokoliv vysvětlení jejich významu) k poukázání na chyby v úsudku. Tento článek je věnován čistě statistickým termínům a technickým problémům statistických chyb, které tyto pojmy popisují.
| Property | Value |
|---|---|
| dbo:abstract | Chyba typu I (neboli chyba prvního druhu) a Chyba typu II (neboli chyba druhého druhu) jsou přesné technické pojmy používané statistiky k popsání konkrétních chyb v testovacím procesu, kde (zjednodušeně řečeno) něco, co mělo být přijato, bylo odmítnuto, a kde něco, co mělo být odmítnuto, bylo přijato. Naneštěstí jsou tyto pojmy používány mnohem obecnějším způsobem v sociálních vědách a jiných (obvykle bez jakéhokoliv vysvětlení jejich významu) k poukázání na chyby v úsudku. Tento článek je věnován čistě statistickým termínům a technickým problémům statistických chyb, které tyto pojmy popisují. (cs) En els estudis d'investigació en intentar acceptar o rebutjar la hipòtesi nul·la (Ho) es poden cometre dos tipus d'errors: (ca) خطأ النوع الأول وخطأ النوع الثاني (بالإنجليزية: Type I and type II errors) هي معيار في الرياضيات تستخدم لمقاسات الخطأ المتوقع في درجة الاختبار. (ar) Στον , σφάλμα τύπου Α είναι η εσφαλμένη απόρριψη μιας πραγματικής ("ψευδές θετικό", δηλαδή, η απόρριψη μιας αληθινής υπόθεσης θεωρώντας την λάθος), ενώ σφάλμα τύπου Β , είναι η αδυναμία να απορριφθεί μια ψευδής μηδενική υπόθεση ("ψευδές αρνητικό", δηλαδή, η αποδοχή λανθασμένης υπόθεσης, θεωρώντας την σωστή). Με πιο απλά λόγια, σφάλμα τύπου Α είναι η ανίχνευση ένός αποτελέσματος που δεν εμφανίζεται, ενώ σφάλμα τύπου Β είναι η αποτύχία να ανιχνευτεί ένα αποτέλεσμα που είναι παρόν. Οι όροι "σφάλμα τύπου Α" και "σφάλμα τύπου Β" συχνά χρησιμοποιούνται εναλλακτικά με την γενική έννοια του σε , όπως ιατρικές εξετάσεις, αλλά αναφέρονται συγκεκριμένα στον στατιστικό έλεγχο υποθέσεων στο πλαίσιο , όπως περιγράφεται σε αυτό το άρθρο. (el) Υπόθεση: "η προσθήκη νερού στην οδοντόκρεμα ενισχύει την προστασία κατά της τερηδόνας." Μηδενική υπόθεση: "η προσθήκη νερού στην οδοντόκρεμα δεν έχει καμία επίδραση επί της τερηδόνας." Αυτή η μηδενική υπόθεση εξετάζεται έναντι των πειραματικών δεδομένων, με σκοπό να τα ακυρώσει, με αποδείξεις για το αντίθετο. Τύπου Ι σφάλμα, συμβαίνει όταν ανιχνευτεί μια επίδραση (προσθήκη νερού στην οδοντόκρεμα ενισχύει την προστασία κατά της τερηδόνας), που δεν είναι παρούσα. Η μηδενική υπόθεση είναι αληθής (δηλαδή, είναι αλήθεια ότι η προσθήκη νερού στην οδοντόκρεμα δεν έχει καμία επίδραση επι της τερηδόνας), αλλά αυτή η μηδενική υπόθεση απορρίπτεται εξαιτίας κακών πειραματικών δεδομένων. (el) Die Fehler 1. und 2. Art, auch α-Fehler (Alpha-Fehler) und β-Fehler (Beta-Fehler) (oder α-/β-Risiko) genannt, bezeichnen eine statistische Fehlentscheidung. Sie beziehen sich auf eine Methode der mathematischen Statistik, den sogenannten Hypothesentest. Beim Test einer Hypothese liegt ein Fehler 1. Art vor, wenn die Nullhypothese zurückgewiesen wird, obwohl sie in Wirklichkeit wahr ist (beruhend auf einer zufällig erhöhten bzw. niedrigeren Anzahl positiver Ergebnisse). Dagegen bedeutet ein Fehler 2. Art, dass der Test die Nullhypothese fälschlicherweise nicht zurückweist, obwohl die Alternativhypothese korrekt ist. Fehler 1. und 2. Art werden in der statistischen Qualitätskontrolle (siehe Prüflos) häufig Produzentenrisiko und Konsumentenrisiko genannt. In der Prozesskontrolle durch Qualitätsregelkarten verwendet man dafür die Begriffe blinder Alarm und unterlassener Alarm. Fehler 1. und 2. Art werden auch als frequentistische Konzepte bezeichnet. Dennoch sind Fehler 1. und 2. Art in jedem Fall bedingte Wahrscheinlichkeiten. Das Konzept des Fehlers 1. und 2. Art wurde von Neyman und Pearson eingeführt. (de) En un estudio de investigación, el error de tipo I, también denominado error de tipo alfa (α) o falso positivo, es el error que se comete cuando el investigador rechaza la hipótesis nula (: el supuesto inicial) siendo esta verdadera en la población. Es equivalente a encontrar un resultado falso positivo, porque el investigador llega a la conclusión de que existe una diferencia entre las hipótesis cuando en realidad no existe. Se relaciona con el nivel de significancia estadística. La hipótesis de la que se parte aquí es el supuesto de que la situación experimental presentaría un «estado normal». Si no se advierte este «estado normal», aunque en realidad existe, se trata de un error estadístico tipo I. Algunos ejemplos para el error tipo I serían: * Se considera que el paciente está enfermo, a pesar de que en realidad está sano; hipótesis nula: El paciente está sano. * Se declara culpable al acusado, a pesar de que en realidad es inocente; hipótesis nula: El acusado es inocente. * No se permite el ingreso de una persona, a pesar de que tiene derecho a ingresar; hipótesis nula: La persona tiene derecho a ingresar. En un estudio de investigación, el error de tipo II, también llamado error de tipo beta (β) (β es la probabilidad de que exista este error) o falso negativo, se comete cuando el investigador no rechaza la hipótesis nula siendo esta falsa en la población. Es equivalente a la probabilidad de un resultado falso negativo, ya que el investigador llega a la conclusión de que ha sido incapaz de encontrar una diferencia que existe en la realidad. De forma general y dependiendo de cada caso, se suele aceptar en un estudio que el valor del error beta esté entre el 5 y el 20%.[cita requerida] Contrariamente al error tipo I, en la mayoría de los casos no es posible calcular la probabilidad del error tipo II. La razón de esto se encuentra en la manera en que se formulan las hipótesis en una prueba estadística. Mientras que la hipótesis nula representa siempre una afirmación enérgica (como por ejemplo «Promedio μ = 0») la hipótesis alternativa, debido a que engloba todas las otras posibilidades, es generalmente de naturaleza global (por ejemplo «Promedio μ ≠ 0» ). El gráfico de la derecha ilustra la probabilidad del error tipo II (rojo) en dependencia del promedio μ desconocido. El poder o potencia del estudio representa la probabilidad de observar en la muestra una determinada diferencia o efecto, si existe en la población. Es el complementario del error de tipo II (1 − β). (es) In statistical hypothesis testing, a type I error is the mistaken rejection of an actually true null hypothesis (also known as a "false positive" finding or conclusion; example: "an innocent person is convicted"), while a type II error is the failure to reject a null hypothesis that is actually false (also known as a "false negative" finding or conclusion; example: "a guilty person is not convicted"). Much of statistical theory revolves around the minimization of one or both of these errors, though the complete elimination of either is a statistical impossibility if the outcome is not determined by a known, observable causal process.By selecting a low threshold (cut-off) value and modifying the alpha (α) level, the quality of the hypothesis test can be increased. The knowledge of type I errors and type II errors is widely used in medical science, biometrics and computer science. Intuitively, type I errors can be thought of as errors of commission, i.e. the researcher unluckily concludes that something is the fact. For instance, consider a study where researchers compare a drug with a placebo. If the patients who are given the drug get better than the patients given the placebo by chance, it may appear that the drug is effective, but in fact the conclusion is incorrect.In reverse, type II errors are errors of omission. In the example above, if the patients who got the drug did not get better at a higher rate than the ones who got the placebo, but this was a random fluke, that would be a type II error. The consequence of a type II error depends on the size and direction of the missed determination and the circumstances. An expensive cure for one in a million patients may be inconsequential even if it truly is a cure. (en) ( 이 문서는 통계 실험의 잘못된 결과에 관한 것입니다. 이진 분류 및 실험에 대해서는 거짓 양성과 거짓 음성 문서를 참고하십시오.) 가설 검정 이론에서, 1종 오류(一種誤謬, 영어: type I error)와 2종 오류(二種誤謬, 영어: type II error)는 각각 귀무가설을 잘못 기각하는 오류와 귀무가설을 잘못 채택하는 오류이다. (ko) 第一種過誤（だいいっしゅかご、英: Type I error）または偽陽性（ぎようせい、英: False positive）と第二種過誤（だいにしゅかご、英: Type II error）または偽陰性（ぎいんせい、英: False negative）は、仮説検定において過誤を表す統計学用語である。第一種過誤をα過誤（α error）やあわてものの誤り、第二種過誤をβ過誤（β error）やぼんやりものの誤りとも呼ぶ。なお「過誤」とは、誤差によって二項分類などの分類を間違うことを意味する。 (ja) Het begrip fout is een integraal onderdeel van de statistische toetsingstheorie. Met fout wordt in dit verband een verkeerde (foutieve) beslissing bedoeld. Een beslissing is de uitkomst van een statistische toets, die gebaseerd is op het resultaat van een steekproef. Zo'n beslissing kan, behoudens in uitzonderlijke situaties, nooit gegarandeerd foutvrij zijn, dat wil zeggen dat er altijd de mogelijkheid is dat de genomen beslissing verkeerd is. Afhankelijk van het type verkeerde beslissing onderscheidt men twee soorten fouten: een fout van de eerste soort en een fout van de tweede soort. (nl) Оши́бка пе́рвого ро́да (α-ошибка, ложноположительное заключение) — ситуация, когда отвергнута верная нулевая гипотеза (об отсутствии связи между явлениями или искомого эффекта). Оши́бка второ́го ро́да (β-ошибка, ложноотрицательное заключение) — ситуация, когда принята неверная нулевая гипотеза. В математической статистике это ключевые понятия задач проверки статистических гипотез. Данные понятия часто используются и в других областях, когда речь идёт о принятии «бинарного» решения (да/нет) на основе некоего критерия (теста, проверки, измерения), который с некоторой вероятностью может давать ложный результат. (ru) 型一錯誤與型二錯誤（英語：Type I error & Type II error）為统计学中推論統計學統計術語，表示統計學假說檢定中的两种錯誤。 (zh) Помилки першого роду (англ. type I errors α errors, false positives) та помилки другого роду (англ. type II errors β errors, false negatives) — поняття математичної статистики та її прикладних застосувань, які виникають під час перевірки статистичних гіпотез. Дані поняття часто використовуються в різних галузях науки і техніки, коли йдеться про ухвалення «бінарного» рішення (так/ні) на основі якогось критерію (тесту, перевірки, вимірювання), який з деякою ймовірністю може давати помилковий результат. Якщо істинна гіпотеза помилково відкидається, то ця помилка називається помилкою першого роду. Якщо помилково приймається хибна гіпотеза — це помилка другого роду. (uk) |
| dbo:thumbnail | wiki-commons:Special:FilePath/ROC_curves.svg?width=300 |
| dbo:wikiPageExternalLink | http://news.healingwell.com/index.php%3Fp=news1&id=533064 https://web.archive.org/web/20060909224540/http:/www.publichealth.pitt.edu/supercourse/SupercoursePPT/18011-19001/18951.ppt https://web.archive.org/web/20180517152618/http:/news.healingwell.com/index.php%3Fp=news1&id=533064 |
| dbo:wikiPageID | 5657877 (xsd:integer) |
| dbo:wikiPageLength | 33180 (xsd:nonNegativeInteger) |
| dbo:wikiPageRevisionID | 1120723905 (xsd:integer) |
| dbo:wikiPageWikiLink | dbr:Cardiac_stress_test dbr:Bayesian_inference dbr:Power_(statistics) dbr:Ronald_Fisher dbr:Testing_hypotheses_suggested_by_the_data dbr:Bayes'_theorem dbr:Biometrics dbc:Statistical_hypothesis_testing dbr:Hypothyroidism dbr:Detection_theory dbr:Null_hypothesis dbr:Statisticians'_and_engineers'_cross-reference_of_statistical_terms dbr:Computer_security dbr:Medical_science dbr:Errors_and_residuals dbr:Neyman–Pearson_lemma dbr:Optical_character_recognition dbr:Egon_Pearson dbr:Coronary_arteries dbr:Critical_value dbr:Mammography dbr:Statistical_significance dbr:Statistically_significant dbr:Stenosis dbr:Computer_science dbr:P-value dbr:Pap_test dbr:Visual_inspection dbc:Design_of_experiments dbr:HIV dbr:Iris_recognition dbr:K._Ruben_Gabriel dbr:Airport_security dbr:Alternative_hypothesis dbr:Facial_recognition_system dbr:Family-wise_error_rate dbr:Florence_Nightingale_David dbr:False_alarm dbr:False_positive_paradox dbr:Precision_and_recall dbr:Test_(assessment) dbr:Hypothesis dbc:Spam_filtering dbc:Error dbr:Jerzy_Neyman dbr:Binary_classification dbr:Blood_donation dbr:Blood_test dbr:Hepatitis dbr:Phenylketonuria dbr:Information_retrieval_evaluation dbr:Receiver_operating_characteristic dbr:Screening_(medicine) dbr:Sensitivity_and_specificity dbr:Type_III_error dbr:Ethics_in_mathematics dbr:Statistical_hypothesis_testing dbr:Fingerprint_recognition dbr:Malware dbr:Prosecutor's_fallacy dbr:Prozone_phenomenon dbr:Hypothesis_Testing dbr:Congenital_disorders dbr:Positive_Predictive_Value dbr:Spam_filtering dbr:Medical_testing_on_animals dbr:Z_table dbr:File:ROC_curves.svg |
| dbp:date | 2018-05-17 (xsd:date) |
| dbp:url | https://web.archive.org/web/20180517152618/http:/news.healingwell.com/index.php%3Fp=news1&id=533064 |
| dbp:wikiPageUsesTemplate | dbt:About dbt:Anchor dbt:Blockquote dbt:Citation_needed dbt:Clarify dbt:Clear dbt:Div_col dbt:Div_col_end dbt:Further dbt:Main dbt:Portal dbt:Reflist dbt:See_also dbt:Short_description dbt:Technical dbt:Use_dmy_dates dbt:Webarchive dbt:Statistics |
| dct:subject | dbc:Statistical_hypothesis_testing dbc:Design_of_experiments dbc:Spam_filtering dbc:Error |
| gold:hypernym | dbr:Rejection |
| rdf:type | owl:Thing |
| rdfs:comment | Chyba typu I (neboli chyba prvního druhu) a Chyba typu II (neboli chyba druhého druhu) jsou přesné technické pojmy používané statistiky k popsání konkrétních chyb v testovacím procesu, kde (zjednodušeně řečeno) něco, co mělo být přijato, bylo odmítnuto, a kde něco, co mělo být odmítnuto, bylo přijato. Naneštěstí jsou tyto pojmy používány mnohem obecnějším způsobem v sociálních vědách a jiných (obvykle bez jakéhokoliv vysvětlení jejich významu) k poukázání na chyby v úsudku. Tento článek je věnován čistě statistickým termínům a technickým problémům statistických chyb, které tyto pojmy popisují. (cs) En els estudis d'investigació en intentar acceptar o rebutjar la hipòtesi nul·la (Ho) es poden cometre dos tipus d'errors: (ca) خطأ النوع الأول وخطأ النوع الثاني (بالإنجليزية: Type I and type II errors) هي معيار في الرياضيات تستخدم لمقاسات الخطأ المتوقع في درجة الاختبار. (ar) Στον , σφάλμα τύπου Α είναι η εσφαλμένη απόρριψη μιας πραγματικής ("ψευδές θετικό", δηλαδή, η απόρριψη μιας αληθινής υπόθεσης θεωρώντας την λάθος), ενώ σφάλμα τύπου Β , είναι η αδυναμία να απορριφθεί μια ψευδής μηδενική υπόθεση ("ψευδές αρνητικό", δηλαδή, η αποδοχή λανθασμένης υπόθεσης, θεωρώντας την σωστή). Με πιο απλά λόγια, σφάλμα τύπου Α είναι η ανίχνευση ένός αποτελέσματος που δεν εμφανίζεται, ενώ σφάλμα τύπου Β είναι η αποτύχία να ανιχνευτεί ένα αποτέλεσμα που είναι παρόν. Οι όροι "σφάλμα τύπου Α" και "σφάλμα τύπου Β" συχνά χρησιμοποιούνται εναλλακτικά με την γενική έννοια του σε , όπως ιατρικές εξετάσεις, αλλά αναφέρονται συγκεκριμένα στον στατιστικό έλεγχο υποθέσεων στο πλαίσιο , όπως περιγράφεται σε αυτό το άρθρο. (el) ( 이 문서는 통계 실험의 잘못된 결과에 관한 것입니다. 이진 분류 및 실험에 대해서는 거짓 양성과 거짓 음성 문서를 참고하십시오.) 가설 검정 이론에서, 1종 오류(一種誤謬, 영어: type I error)와 2종 오류(二種誤謬, 영어: type II error)는 각각 귀무가설을 잘못 기각하는 오류와 귀무가설을 잘못 채택하는 오류이다. (ko) 第一種過誤（だいいっしゅかご、英: Type I error）または偽陽性（ぎようせい、英: False positive）と第二種過誤（だいにしゅかご、英: Type II error）または偽陰性（ぎいんせい、英: False negative）は、仮説検定において過誤を表す統計学用語である。第一種過誤をα過誤（α error）やあわてものの誤り、第二種過誤をβ過誤（β error）やぼんやりものの誤りとも呼ぶ。なお「過誤」とは、誤差によって二項分類などの分類を間違うことを意味する。 (ja) Het begrip fout is een integraal onderdeel van de statistische toetsingstheorie. Met fout wordt in dit verband een verkeerde (foutieve) beslissing bedoeld. Een beslissing is de uitkomst van een statistische toets, die gebaseerd is op het resultaat van een steekproef. Zo'n beslissing kan, behoudens in uitzonderlijke situaties, nooit gegarandeerd foutvrij zijn, dat wil zeggen dat er altijd de mogelijkheid is dat de genomen beslissing verkeerd is. Afhankelijk van het type verkeerde beslissing onderscheidt men twee soorten fouten: een fout van de eerste soort en een fout van de tweede soort. (nl) 型一錯誤與型二錯誤（英語：Type I error & Type II error）為统计学中推論統計學統計術語，表示統計學假說檢定中的两种錯誤。 (zh) Помилки першого роду (англ. type I errors α errors, false positives) та помилки другого роду (англ. type II errors β errors, false negatives) — поняття математичної статистики та її прикладних застосувань, які виникають під час перевірки статистичних гіпотез. Дані поняття часто використовуються в різних галузях науки і техніки, коли йдеться про ухвалення «бінарного» рішення (так/ні) на основі якогось критерію (тесту, перевірки, вимірювання), який з деякою ймовірністю може давати помилковий результат. Якщо істинна гіпотеза помилково відкидається, то ця помилка називається помилкою першого роду. Якщо помилково приймається хибна гіпотеза — це помилка другого роду. (uk) Υπόθεση: "η προσθήκη νερού στην οδοντόκρεμα ενισχύει την προστασία κατά της τερηδόνας." Μηδενική υπόθεση: "η προσθήκη νερού στην οδοντόκρεμα δεν έχει καμία επίδραση επί της τερηδόνας." Αυτή η μηδενική υπόθεση εξετάζεται έναντι των πειραματικών δεδομένων, με σκοπό να τα ακυρώσει, με αποδείξεις για το αντίθετο. (el) Die Fehler 1. und 2. Art, auch α-Fehler (Alpha-Fehler) und β-Fehler (Beta-Fehler) (oder α-/β-Risiko) genannt, bezeichnen eine statistische Fehlentscheidung. Sie beziehen sich auf eine Methode der mathematischen Statistik, den sogenannten Hypothesentest. Beim Test einer Hypothese liegt ein Fehler 1. Art vor, wenn die Nullhypothese zurückgewiesen wird, obwohl sie in Wirklichkeit wahr ist (beruhend auf einer zufällig erhöhten bzw. niedrigeren Anzahl positiver Ergebnisse). Dagegen bedeutet ein Fehler 2. Art, dass der Test die Nullhypothese fälschlicherweise nicht zurückweist, obwohl die Alternativhypothese korrekt ist. Fehler 1. und 2. Art werden in der statistischen Qualitätskontrolle (siehe Prüflos) häufig Produzentenrisiko und Konsumentenrisiko genannt. In der Prozesskontrolle durch Qual (de) En un estudio de investigación, el error de tipo I, también denominado error de tipo alfa (α) o falso positivo, es el error que se comete cuando el investigador rechaza la hipótesis nula (: el supuesto inicial) siendo esta verdadera en la población. Es equivalente a encontrar un resultado falso positivo, porque el investigador llega a la conclusión de que existe una diferencia entre las hipótesis cuando en realidad no existe. Se relaciona con el nivel de significancia estadística. (es) In statistical hypothesis testing, a type I error is the mistaken rejection of an actually true null hypothesis (also known as a "false positive" finding or conclusion; example: "an innocent person is convicted"), while a type II error is the failure to reject a null hypothesis that is actually false (also known as a "false negative" finding or conclusion; example: "a guilty person is not convicted"). Much of statistical theory revolves around the minimization of one or both of these errors, though the complete elimination of either is a statistical impossibility if the outcome is not determined by a known, observable causal process.By selecting a low threshold (cut-off) value and modifying the alpha (α) level, the quality of the hypothesis test can be increased. The knowledge of type I er (en) Оши́бка пе́рвого ро́да (α-ошибка, ложноположительное заключение) — ситуация, когда отвергнута верная нулевая гипотеза (об отсутствии связи между явлениями или искомого эффекта). Оши́бка второ́го ро́да (β-ошибка, ложноотрицательное заключение) — ситуация, когда принята неверная нулевая гипотеза. (ru) |
| rdfs:label | خطأ النوع الأول وخطأ النوع الثاني (ar) Errors de tipus I i de tipus II (ca) Chyby typu I a II (cs) Fehler 1. und 2. Art (de) Σφάλματα πρώτου και δευτέρου βαθμού (el) Σφάλματα τύπου Α και Β (el) Errores de tipo I y de tipo II (es) 1종 오류와 2종 오류 (ko) Fout (statistiek) (nl) 第一種過誤と第二種過誤 (ja) Type I and type II errors (en) Ошибки первого и второго рода (ru) Помилки першого і другого роду (uk) 型一錯誤與型二錯誤 (zh) |
| rdfs:seeAlso | dbr:Specificity dbr:Coverage_probability dbr:Sensitivity |
| owl:sameAs | freebase:Type I and type II errors freebase:Type I and type II errors wikidata:Type I and type II errors wikidata:Type I and type II errors dbpedia-ar:Type I and type II errors dbpedia-bg:Type I and type II errors dbpedia-ca:Type I and type II errors dbpedia-cs:Type I and type II errors dbpedia-de:Type I and type II errors dbpedia-el:Type I and type II errors dbpedia-el:Type I and type II errors dbpedia-es:Type I and type II errors dbpedia-et:Type I and type II errors dbpedia-fa:Type I and type II errors dbpedia-gl:Type I and type II errors dbpedia-he:Type I and type II errors dbpedia-hu:Type I and type II errors dbpedia-is:Type I and type II errors dbpedia-ja:Type I and type II errors dbpedia-ko:Type I and type II errors dbpedia-nl:Type I and type II errors dbpedia-no:Type I and type II errors dbpedia-ru:Type I and type II errors dbpedia-simple:Type I and type II errors dbpedia-th:Type I and type II errors dbpedia-uk:Type I and type II errors dbpedia-zh:Type I and type II errors https://global.dbpedia.org/id/2QAi7 |
| prov:wasDerivedFrom | wikipedia-en:Type_I_and_type_II_errors?oldid=1120723905&ns=0 |
| foaf:depiction | wiki-commons:Special:FilePath/ROC_curves.svg |
| foaf:isPrimaryTopicOf | wikipedia-en:Type_I_and_type_II_errors |
| is dbo:wikiPageRedirects of | dbr:A_error dbr:B_error dbr:Type_I_error dbr:Type_I_error_rate dbr:Error_of_the_second_kind dbr:Failed_to_show dbr:Level_of_significance dbr:Type_2_error dbr:Type_I_and_Type_II_errors dbr:Type_I_errors dbr:False_Alarm_Rate dbr:False_alarm_rate dbr:Alpha_error dbr:Alpha_level dbr:Error_of_the_first_kind dbr:Error_of_the_fourth_kind dbr:Error_of_the_third_kind dbr:Beta_error dbr:Α_error dbr:Β_error dbr:Type_1_and_Type_2_errors dbr:Type_1_and_type_2_error dbr:Type_1_error dbr:Type_II_Error dbr:Type_II_error dbr:Type_II_errors dbr:Type_I_Error dbr:Type_I_and_type_II_error dbr:Type_i_and_type_ii_error dbr:Type_one_error dbr:Types_of_error |
| is dbo:wikiPageWikiLink of | dbr:Americium dbr:A_error dbr:B_error dbr:Prenatal_testing dbr:Scientific_method dbr:FART dbr:Multinomial_test dbr:Methods_used_to_study_memory dbr:Testing_hypotheses_suggested_by_the_data dbr:Prevalence dbr:Bias_(statistics) dbr:Blackstone's_ratio dbr:Bloom_filter dbr:Detection_limit dbr:Anovulation dbr:Human_chorionic_gonadotropin dbr:List_of_MythBusters_pilot_episodes dbr:List_of_countries_by_suicide_rate dbr:Cuckoo_filter dbr:DNA_microarray dbr:Detection_theory dbr:Duncan's_new_multiple_range_test dbr:Index_of_genetics_articles dbr:Index_of_oncology_articles dbr:Inferring_horizontal_gene_transfer dbr:Innumeracy_(book) dbr:Institutional_review_board dbr:Intention-to-treat_analysis dbr:Intuitive_statistics dbr:Postage_stamp_test dbr:Power_of_a_test dbr:Pregnancy_test dbr:Why_Most_Published_Research_Findings_Are_False dbr:Welch's_t-test dbr:Comprehensive_metabolic_panel dbr:Error_exponents_in_hypothesis_testing dbr:Errors_and_residuals dbr:Gene_prediction dbr:Genetic_linkage dbr:Genomic_control dbr:Geobytes dbr:Neuroticism dbr:Neyman–Pearson_lemma dbr:Policyd-weight dbr:Glossary_of_probability_and_statistics dbr:Contesting_controversies dbr:Control_chart dbr:Ottawa_ankle_rules dbr:2019_OK dbr:Alpha_(disambiguation) dbr:Lesch–Nyhan_syndrome dbr:Lyme_disease dbr:Mammography dbr:Chilomastix_mesnili dbr:Statistical_significance dbr:Statistics dbr:Stool_guaiac_test dbr:Student's_t-test dbr:Clinical_trials_in_India dbr:Cluster-randomised_controlled_trial dbr:Fecal_occult_blood dbr:Full-text_search dbr:Harmonic_mean_p-value dbr:Prostate-specific_antigen dbr:Subjective_units_of_distress_scale dbr:Medical_statistics dbr:Microsoft_Corp._v._Commission dbr:Rootkit dbr:CLs_method_(particle_physics) dbr:C_(programming_language) dbr:Certified_Senders_Alliance dbr:Traditional_Chinese_medicine dbr:Tyler_Hamilton dbr:Type_I_error dbr:Type_I_error_rate dbr:Data_analysis dbr:Windows_Genuine_Advantage dbr:HARKing dbr:False_Alarm_(disambiguation) dbr:Jurimetrics dbr:Probability_of_error dbr:Research_design dbr:RNA-Seq dbr:No_Fly_List dbr:Data_transformation_(statistics) dbr:Earthquake_prediction dbr:Alternative_hypothesis dbr:Error dbr:Error_of_the_second_kind dbr:Errors-in-variables_models dbr:Familial_hypercholesterolemia dbr:Family-wise_error_rate dbr:Barnard's_test dbr:Breast_cancer_screening dbr:Norton_AntiVirus dbr:Beta_(disambiguation) dbr:Dirofilaria_immitis dbr:False_discovery_rate dbr:False_positives_and_false_negatives dbr:Fragility_Index dbr:Gold_standard_(test) dbr:Goldfeld–Quandt_test dbr:History_of_statistics dbr:History_of_syphilis dbr:Statistical_conclusion_validity dbr:Precision_and_recall dbr:Quantitative_precipitation_forecast dbr:Randomized_controlled_trial dbr:Robust_regression dbr:Counting_Bloom_filter dbr:Cover_your_ass dbr:Big_Five_personality_traits dbr:Binary_classification dbr:Biology_of_depression dbr:Cognitive_science_of_religion dbr:Heparin-induced_thrombocytopenia dbr:Homoscedasticity_and_heteroscedasticity dbr:Zero_tolerance dbr:Mann–Whitney_U_test dbr:Bonferroni_correction dbr:Boosting_(machine_learning) dbr:Classification_rule dbr:Frequentist_inference dbr:Greek_letters_used_in_mathematics,_science,_and_engineering dbr:Failed_to_show dbr:Koreans_in_the_United_Kingdom dbr:Omnibus_test dbr:Cancer_screening dbr:Raven_paradox dbr:Matched_filter dbr:Missile_approach_warning_system dbr:Soft_tissue_injury dbr:Screening_(medicine) dbr:Sensitivity_and_specificity dbr:Type_1 dbr:Type_2 dbr:Type_III_error dbr:Uniformly_most_powerful_test dbr:Voice_activity_detection dbr:Neuroanatomy_of_handedness dbr:Shock_detector dbr:F-score dbr:Illusory_correlation dbr:List_of_statistics_articles dbr:Level_of_significance dbr:Pre-_and_post-test_probability dbr:Statistical_hypothesis_testing dbr:Pneumococcal_infection dbr:Exact_test dbr:Fisher's_method dbr:Malingering_of_post-traumatic_stress_disorder dbr:Perceptual_trap dbr:Prosecutor's_fallacy dbr:Sex-determining_region_Y_protein dbr:Paired_difference_test dbr:Quotient_filter dbr:Personnel_selection dbr:Reverse_correlation_technique dbr:Outline_of_statistics dbr:Quantitative_marketing_research dbr:Wizards_Project dbr:Trial_trenching dbr:Sutton's_law dbr:Sequential_probability_ratio_test dbr:Stratified_randomization dbr:Type_2_error dbr:Type_I_and_Type_II_errors dbr:Type_I_errors dbr:False_Alarm_Rate dbr:False_alarm_rate dbr:Alpha_error dbr:Alpha_level dbr:Error_of_the_first_kind dbr:Error_of_the_fourth_kind dbr:Error_of_the_third_kind dbr:Beta_error dbr:Α_error dbr:Β_error dbr:Type_1_and_Type_2_errors dbr:Type_1_and_type_2_error dbr:Type_1_error dbr:Type_II_Error dbr:Type_II_error dbr:Type_II_errors dbr:Type_I_Error dbr:Type_I_and_type_II_error dbr:Type_i_and_type_ii_error dbr:Type_one_error dbr:Types_of_error |
| is dbp:content of | dbr:Glossary_of_probability_and_statistics |
| is foaf:primaryTopic of | wikipedia-en:Type_I_and_type_II_errors |
