Quando pesquisamos psicologia, na estatística inferencial, encontramos dois conceitos importantes: erro tipo I e erro tipo II. Eles surgem quando realizamos testes de hipótese com uma hipótese nula e uma hipótese alternativa.
Neste artigo, veremos o que são exatamente, quando os contratamos, como os calculamos e como podemos reduzi-los.
Métodos de estimativa de parâmetro
As estatísticas inferenciais são responsáveis por extrair ou extrapolar conclusões de uma população, com base nas informações de uma amostra. Ou seja, permite-nos descrever certas variáveis que queremos estudar, ao nível da população.
Dentro dele encontramos os métodos de estimativa de parâmetros, Que visam fornecer métodos para determinar (com alguma precisão) o valor dos parâmetros que queremos analisar, a partir de uma amostra aleatória da população que estamos a estudar.
A estimativa de parâmetro pode ser de dois tipos: o ponto (ao estimar um único valor do parâmetro desconhecido) e o intervalo (quando um intervalo de confiança é definido onde o parâmetro desconhecido “cairia”). É neste segundo tipo, estimativa de intervalo, que encontramos os conceitos que estamos analisando hoje: erro tipo I e erro tipo II.
Erro tipo I e erro tipo II: o que são?
O erro do tipo I e o erro do tipo II são tipos de erros que podemos cometer quando, em uma pesquisa, somos confrontados com a formulação de hipóteses estatísticas (Como a hipótese nula ou H0 e a hipótese alternativa ou H1). Em outras palavras, quando estamos fazendo testes de hipóteses. Mas para entender esses conceitos, devemos primeiro contextualizar seu uso na estimativa de intervalo.
Como vimos, a estimativa do intervalo é baseada em uma região crítica do parâmetro de hipótese nula (H0) que propomos, bem como no intervalo de confiança do estimador da amostra.
Em outras palavras, o objetivo é estabelecer um intervalo matemático onde o parâmetro que queremos estudar cairia. Para fazer isso, uma série de etapas deve ser executada.
1. Formulação de hipóteses
O primeiro passo é formular a hipótese nula e a hipótese alternativa que, como veremos, nos levará aos conceitos de erro tipo I e erro tipo II.
1.1. Hipótese nula (H0)
A hipótese nula (H0) é a hipótese proposta pelo pesquisador e que ele aceita provisoriamente como verdadeira.. Você só pode rejeitá-lo por meio de um processo de falsificação ou refutação.
Normalmente, o que se faz é observar a falta de efeito ou a ausência de diferenças (por exemplo, isso seria afirmar que: “Não há diferenças entre a terapia cognitiva e a terapia comportamental no tratamento. Ansiedade.”).
1.2. Hipótese alternativa (H1)
A hipótese alternativa (H1), por outro lado, é o aspirante a suplantar ou substituir a hipótese nula. Isso geralmente indica que há diferenças ou efeitos (por exemplo, “há diferenças entre a terapia cognitiva e a terapia comportamental no tratamento da ansiedade”).
2. Determinação do nível de significância ou alfa (α)
A segunda etapa da estimativa do intervalo é determinar o nível de significância ou nível alfa (α). Isso é definido pelo pesquisador no início do processo; é a probabilidade máxima de erro que aceitamos cometer ao rejeitar a hipótese nula.
Geralmente, leva valores pequenos, como 0,001, 0,01 ou 0,05. Em outras palavras, seria o “limite” ou o erro máximo que estamos preparados para cometer como pesquisadores. Quando o nível de significância é 0,05 (5%), por exemplo, o nível de confiança é 0,95 (95%) e os dois somam 1 (100%).
Uma vez estabelecido o nível de significância, podem ocorrer 4 situações: que dois tipos de erros ocorram (e é aqui que entram o erro tipo I e o erro tipo II), ou que dois tipos de decisões corretas ocorram. Em outras palavras, as quatro possibilidades são:
2.1. Boa decisão (1-α)
Consiste em aceitar a hipótese nula (H0) sendo esta verdadeira. Em outras palavras, não o rejeitamos, mas o mantemos, porque é verdade. Matematicamente, seria calculado da seguinte forma: 1-α (onde α é o erro Tipo I ou o nível de significância).
2.2. Boa decisão (1-β)
Nesse caso, também tomamos a decisão certa; consiste em rejeitar a hipótese nula (H0) sendo esta falsa. Também chamado de potência de teste. É calculado: 1-β (onde β é o erro do tipo II).
2.3. Erro tipo I (α)
Erro tipo I, também chamado de alfa (α), é cometido rejeitando a hipótese nula (H0) sendo isso verdadeiro. Portanto, a probabilidade de cometer um erro Tipo I é α, que é o nível de significância que estabelecemos para nosso teste de hipótese.
Se, por exemplo, α que definimos é 0,05, isso indicaria que estamos dispostos a aceitar uma probabilidade de 5% de cometer um erro ao rejeitar a hipótese nula.
2.4. Erro tipo II (β)
O erro tipo II ou beta (β) é feito aceitando a hipótese nula (H0) sendo esta falsa. Em outras palavras, a probabilidade de cometer um erro do Tipo II é beta (β) e depende do poder do teste (1-β).
Para reduzir o risco de cometer um erro do Tipo II, podemos optar por garantir que o teste tenha energia suficiente. Para fazer isso, precisamos ter certeza de que o tamanho da amostra é grande o suficiente para detectar uma diferença quando ela realmente existe.
Referências bibliográficas:
- Botella, J. Serum, M. Ximénez, C. (2012). Data Analysis in Psychology I, Madrid: Pyramid.
- Lubin, P. Macià, A. Rubio de Lerma, P. (2005). Psicologia Matemática I e II. Madrid: UNED.
- Pardo, A. San Martín, R. (2006). Análise de dados em psicologia II. Madrid: pirâmide.
