Type I and Type II Error
Type IIエラーとは、実際には帰無仮説を棄却すべきなのに、それを受け入れる（言い換えれば「帰無仮説を棄却できない」）確率のことを指すことを覚えているかと思います。 この確率はβの文字で示されます。 一方、本当は帰無仮説を棄却すべきでないのに棄却してしまうのはI型エラーで、αの文字で示されます。 このビデオでは、H0が真、HAltが真という二つの分布の図面上でこれらの値がどこにあるかを絵で示します。
- Type I エラー（α）：帰無仮説が真なのに間違ってH0を否定したこと。
- Type II error (β):対立仮説が真であるにもかかわらず、H0を誤って受け入れる（または「棄却に失敗する」）。
エラーメモニック
対立仮説（Ha）：オオカミがいる
帰無仮説（H0）：オオカミがいない
- 第一種の過誤（α）：オオカミがいないという帰無仮説を間違って否定（すなわち,
- Type II error (β):対立仮説が真である（オオカミがいる）にもかかわらず、帰無仮説（オオカミがいない）を誤って受け入れる（または「棄却しない」）。
Statistical Power
テストの検出力は、対立仮説が真であるときにテストが帰無仮説を棄却する確率である。 言い換えれば、第2種の過誤を起こさない確率である。 言い換えれば、2つの母集団（H0とHA）の間に差がある場合、その差を判定する我々の検定の検出力はどのくらいか。
- 検出力（1-β）：帰無仮説を正しく棄却する確率（帰無仮説が真でない時）。
- Type II error (β):帰無仮説を棄却できない確率（帰無仮説が真でないとき）
検出力の相互に関連する4つの要素がある：
- B：ベータ（β）、検出力は1-β
- A: アルファ (α), 通常0.05に設定される有意値で、これは我々が帰無仮説を受け入れるか拒否するかのカットオフである。 αを小さくすると（α=0.1）、H0を棄却しにくくなる。 このため検出力が小さくなる。
- N：サンプルサイズ（n）。 母集団を大きくすると標準誤差が小さくなる（SE = σ/√n）。 基本的には標本分布が狭くなるので、βが小さくなります。
E：効果量、H0 と HAltの標本分布の平均間の差異である。 これらの2つの平均の差が大きければ大きいほど，あなたのテストは差を検出するためにより多くの検出力を持つことになる． d = (μ1-μ0)/σ.
ビデオでこれらをグラフで見るのは本当に役に立ちます。
Clinical versus Statistical Significance
Clinical significanceは統計的有意性とは異なるものである。 平均値の差や治療効果は、統計的に有意でも臨床的には意味がない場合があります。 例えば、サンプルサイズが十分大きければ、患者の転帰に実質的な影響がなくても、非常に小さな差（例えば、体重の1ポンド変化、血圧の1mmHg変化）が統計的に有意である場合があります。 したがって、試験結果を評価する際には、統計的有意性だけでなく、臨床的有意性にも注意を払うことが重要である。 臨床的意義は、臨床的判断と、短期的な試験結果の下流の臨床的影響を示す他の試験結果を用いて決定します。
理解力を試す
この問題はパワーに設定されている
。