So verringern Sie die Wahrscheinlichkeit, einen Fehler vom Typ I zu machen

In der Statistik tritt ein Fehler vom Typ I auf, wenn Sie die Nullhypothese falsch ablehnen. Die Null ist fast immer so etwas wie “nichts ist los” – das heißt, es gibt keinen Unterschied zwischen Gruppen oder keine Beziehung zwischen Variablen oder so etwas. In einfachem Englisch bedeutet ein Fehler vom Typ I, dass etwas los ist, wenn nichts los ist.

Sie können einen Fehler vom Typ I nur machen, wenn nichts los ist.

Um das Risiko , einen Fehler vom Typ I zu machen, zu verringern, müssen Sie keine Fälle untersuchen, in denen nichts passiert. Glücklicherweise ist dies auch aus anderen Gründen eine sehr vernünftige Strategie, der wir natürlich folgen.

“Aber”, ich kann Sie fragen hören, “was ist mit dem Signifikanzniveau?” Es ist richtig, dass das Festlegen eines strengeren Signifikanzniveaus (z. B. 0,01 statt 0,05) die Wahrscheinlichkeit eines Fehlers vom Typ I verringern kann, aber nur, wenn überhaupt die Möglichkeit besteht, einen Fehler zu machen!

Wenn Sie das Signifikanzniveau einstellen, legen Sie einen „Poop Stick“ -Faktor fest. Das heißt, wenn Sie einen Haufen Kot gegen eine Wand werfen, wie viel wird bleiben? Oder in etwas formelleren Begriffen: Wenn Sie 1000 völlig lächerliche statistische Tests durchführen, wie viele möchten Sie signifikant sein?

Weil Sie nur dann einen Fehler vom Typ I machen können, wenn die Population keine Auswirkungen hat. Dies ist im wahrsten Sinne des Wortes nie der Fall, aber es kommt dem Fall selten auch nur annähernd nahe, zumindest in Fällen, die wir untersuchen möchten.

Vielleicht hilft ein Beispiel. Angenommen, Sie sind wirklich reich und können alle Studien finanzieren, die Sie mögen. Angenommen, Sie haben viele verrückte Ideen wie:

und so weiter. Nehmen wir an, Sie haben 100 solcher Ideen. Sie werden von keiner Wissenschaft oder Forschung unterstützt. Sie sind nur Ihre Ideen. Aber du bist reich! Sie führen also 100 Studien durch. Ungefähr 5 dieser Goofball-Studien werden Bedeutung zeigen.

Der Weg, diese Zahl zu senken, besteht darin, keine Goofball-Forschung zu betreiben.