L'hypothèse nulle suppose qu'il n'y a pas de relation de cause à effet entre l'élément testé et les stimuli appliqués pendant le test. Une erreur de type I est un "faux positif" conduisant à un rejet incorrect de l'hypothèse nulle. Comprendre une erreur de type I Le test d'hypothèse est un processus de test d'une conjecture à l'aide d'échantillons de données. Le test est conçu pour fournir la preuve que la conjecture ou l'hypothèse est étayée par les données testées. Une hypothèse nulle est la croyance qu'il n'y a pas de signification ou d'effet statistique entre les deux ensembles de données, variables ou populations considérés dans l'hypothèse. En règle générale, un chercheur essaierait de réfuter l'hypothèse nulle. Par exemple, supposons que l'hypothèse nulle indique qu'une stratégie d'investissement ne fonctionne pas mieux qu'un indice de marché, tel que le S&P 500. Le chercheur prélèverait des échantillons de données et testerait la performance historique de la stratégie d'investissement pour déterminer si le stratégie réalisée à un niveau supérieur à celui du S&P.
Comment trouve-t-on un bug de type 1? Si l'hypothèse nulle est vraie et que vous la rejetez, vous faites une erreur de premier type. La probabilité de commettre une erreur de type I est α, qui est le niveau de signification que vous avez défini pour votre test d'hypothèse. Un de 0, 05 signifie que vous êtes prêt à accepter 5% de chances que vous vous trompiez si vous rejetez l'hypothèse nulle. Quelle est la probabilité d'une erreur de type 1? La probabilité de commettre une erreur de type I est α, qui est le niveau de signification que vous avez défini pour votre test d'hypothèse. Un de 0, 05 signifie que vous êtes prêt à accepter 5% de chances que vous vous trompiez si vous rejetez l'hypothèse nulle. Qu'est-ce qu'un questionnaire d'erreur de type II? Une erreur de type II se produit lorsque le chercheur ne rejette pas une fausse hypothèse nulle. La probabilité de commettre une erreur de type II est appelée bêta et est souvent appelée β. Si la statistique de test se situe dans la plage acceptable, l'hypothèse nulle n'est pas rejetée.
pour toutes les combinaisons des fréquences haplotypes, et l'on ajoute les probabilités obtenues par la répétition, pour ainsi calculer la probabilité d' erreur de type 1. are repeated for all the combinations of the haplotype frequencies, and the probabilities obtained by the repetition are added, thereby calculating the probability of type -1 error. Erreur de type 1: trouver quelque chose qui n'est pas présent, signifie identifier une tendance qui n'existe pas. A type 1 error means finding something that is not there would involve identifying a trend that does not exist. Globalement, l' erreur de type 1 est proche de l'erreur nominale pour le test du rapport des vraisemblances pénalisé, le test de score habituel et le SKAT ajusté pour petits échantillons. Les tests de Wald habituels et pénalisés ne maintiennent pas leur niveau nominal. Overall, type 1 error is close to nominal for the penalized likelihood ratio test, the usual score test and the small-sample-adjusted SKAT. Neither the usual nor the penalized Wald tests maintain nominal level.
Ce type d'erreur serait de « Type II », et vous les avez éliminées dans votre système. Mais imaginons un instant que votre système judiciaire aie d'autres priorités: ne jamais condamner un innocent? Dit autrement, les erreurs de Type I sont inadmissibles. Dans ce cas le seuil de qualité de preuve devra être très élevé pour garantir qu'aucun innocent ne sera condamné par erreur. Bien sur, en adoptant cette stratégie, il y aura aussi quelques meurtriers qui s'en sortiront. Cette simple leçon de statistique met en évidence un point très important. Les probabilités d'erreurs de type I et de type II sont liées. Vous décidez ce qui est le plus important pour vous et réglez les seuils en conséquence. Il y a toujours des risques d'erreur lorsqu'on prend des décisions basées sur des informations incomplètes. Mais vous devez simplement décider quel type d'erreurs est le plus tolérable. J'ai beaucoup d'amis qui discutent de l'efficacité du test PSA pour la détection du cancer de la prostate. Ce test ne laisse passer aucun cancer, mais il génère aussi beaucoup de « faux positifs ».
En tant que potentiellement victime de la maladie, est-ce que vous préférez être sur que tout va bien au prix d'une inquiétude pour une maladie que vous n'avez pas? La sélection naturelle sur le système perceptif humain a du faire face à ce type de problèmes il y a quelques centaines de milliers d'années et le choix qu'elle a fait entre privilégier les erreurs de type I et II est très clair. Imaginez le scénario suivant. Un de vos ancêtres se promène dans la forêt et voit quelque chose en bordure du chemin. Peut-être un prédateur, mais peut être aussi des feuilles déplacées par le vent, ou un animal inoffensif. S'il pense que c'est dangereux, il réagit en conséquence: il s'immobilise ou qu'il prend ses jambes à son cou. Résultat positif: il survit à une rencontre potentiellement meurtrière et peut continuer à vivre et à fonctionner. Le pire qui puisse arriver? Un « faux positif ». Il s'est fait une grosse frayeur pour rien, le cœur à fond les ballons, caché derrière un arbre avec sa lance à la main, pour un tas de brindilles sur le chemin.