Definicja
Błąd II rodzaju (zwany też fałszywym wynikiem negatywnym lub błędem beta) występuje, gdy nie odrzucasz hipotezy zerowej, która w rzeczywistości jest fałszywa. Prostymi słowami, nie zauważasz prawdziwego efektu - stwierdzasz, że "nic się nie dzieje", gdy coś faktycznie ma miejsce.
Jak do niego dochodzi
Błędy II rodzaju występują zazwyczaj, gdy nie masz wystarczającej ilości danych lub mocy statystycznej do wykrycia prawdziwego efektu.
Nowy lek faktycznie skraca czas trwania bólu głowy średnio o 20 minut. Badanie kliniczne testuje go na zaledwie 15 pacjentach.
Z powodu małej próby wyniki są bardzo zmienne. Test daje p = 0,12.
Badacze stwierdzają, że lek nie działa. To błąd II rodzaju - lek jest skuteczny, ale badanie było zbyt małe, aby wiarygodnie wykryć efekt.
Dlaczego to ważne
Błędy II rodzaju oznaczają stracone szanse. Skuteczny lek może zostać porzucony. Udana strategia marketingowa może być odrzucona. Prawdziwy problem bezpieczeństwa może pozostać niezauważony. Te "fałszywe negatywy" mogą być równie kosztowne jak fałszywe pozytywy.
Prawdopodobieństwo błędu II rodzaju nazywa się beta. Moc statystyczna (1 - beta) to prawdopodobieństwo prawidłowego wykrycia prawdziwego efektu. Większość badaczy dąży do 80% mocy, co oznacza 20% szansę na błąd II rodzaju. Zwiększenie wielkości próby to najprostszy sposób na zwiększenie mocy i zmniejszenie błędów II rodzaju.
Błąd II rodzaju oznacza przeoczenie prawdziwego efektu. Najlepsza obrona to odpowiednia wielkość próby i dobrze zaprojektowane badanie z wystarczającą mocą statystyczną.