Bij het testen van statistische hypothesen is een type II-fout een situatie waarin een hypothesetest de nulhypothese die onjuist is, niet verwerpt. Met andere woorden, het zorgt ervoor dat de gebruiker ten onrechte de valse nulhypothese niet verwerpt omdat de test niet het statistische vermogen heeft om voldoende bewijs voor de alternatieve hypothese te detecteren. De type II-fout wordt ook wel een vals negatief genoemd.
De type II-fout heeft een omgekeerde relatie met de kracht van een statistische test. Dit betekent dat hoe hoger de kracht van een statistische test is, hoe kleiner de kans op het begaan van een type II-fout. Het percentage van een type II-fout (dwz de kans op een type II-fout) wordt gemeten door bèta (β) Beta. de hele markt. Het wordt gebruikt als een risicomaatstaf en maakt integraal deel uit van het Capital Asset Pricing Model (CAPM). Een bedrijf met een hogere bèta heeft een groter risico en ook een hoger verwacht rendement. terwijl het statistisch vermogen wordt gemeten door 1- β.
Hoe de Type II-fout te vermijden?
Net als bij de type I-fout, is het niet mogelijk om de type II-fout volledig uit een hypothesetest te elimineren. Hypothesetest Hypothesetesten is een methode voor statistische inferentie. Het wordt gebruikt om te testen of een bewering over een populatieparameter correct is. Hypothesetesten. De enige beschikbare optie is om de kans op het begaan van dit soort statistische fouten te minimaliseren. Aangezien een type II-fout nauw verband houdt met de kracht van een statistische test, kan de kans op het optreden van de fout worden geminimaliseerd door de kracht van de test te vergroten.
1. Vergroot de steekproefomvang
Een van de eenvoudigste methoden om de kracht van de test te vergroten, is het vergroten van de steekproefomvang die in een test wordt gebruikt. De steekproefomvang bepaalt voornamelijk de hoeveelheid steekproeffout, wat zich vertaalt in het vermogen om de verschillen in een hypothesetest te detecteren. Een grotere steekproefomvang vergroot de kans om de verschillen in de statistische tests vast te leggen, en verhoogt ook de kracht van een test.
2. Verhoog het significantieniveau
Een andere methode is om een hoger significantieniveau te kiezen. Een onderzoeker kan bijvoorbeeld een significantieniveau van 0,10 kiezen in plaats van het algemeen aanvaardbare niveau van 0,05. Het hogere significantieniveau impliceert een grotere kans om de nulhypothese te verwerpen wanneer deze waar is.
De grotere kans om de nulhypothese te verwerpen, verkleint de kans op het begaan van een type II-fout, terwijl de kans op het maken van een type I-fout toeneemt. Daarom moet de gebruiker altijd de impact van type I- en type II-fouten op zijn beslissing beoordelen en het juiste niveau van statistische significantie bepalen.
Voorbeeld
Sam is een financieel analist Wat doet een financieel analist Wat doet een financieel analist? Verzamel gegevens, organiseer informatie, analyseer resultaten, maak prognoses en projecties, aanbevelingen, Excel-modellen, rapporten. Hij voert een hypothesetest uit om te ontdekken of er een verschil is in de gemiddelde prijsveranderingen voor large-cap- en small-capaandelen Russell 2000 De Russell 2000 is een aandelenmarktindex die de prestaties volgt van 2000 Amerikaanse small-capaandelen van de Russell 3000 index. De Russell 2000-index wordt algemeen aangehaald als een benchmark voor beleggingsfondsen die voornamelijk uit small-capaandelen bestaan. .
In de test neemt Sam als nulhypothese aan dat er geen verschil is in de gemiddelde prijsveranderingen tussen largecap- en smallcapaandelen. Zijn alternatieve hypothese stelt dus dat er een verschil bestaat tussen de gemiddelde prijsveranderingen.
Voor het significantieniveau kiest Sam 5%. Dit betekent dat er een kans van 5% is dat zijn test de nulhypothese verwerpt wanneer deze werkelijk waar is.
Als de test van Sam een type II-fout oploopt, zullen de resultaten van de test aangeven dat er geen verschil is in de gemiddelde prijsveranderingen tussen large-cap- en small-capaandelen. In werkelijkheid bestaat er echter wel een verschil in de gemiddelde prijsveranderingen.
Meer middelen
Finance is de officiële aanbieder van de wereldwijde Financial Modelling & Valuation Analyst (FMVA) ™ FMVA®-certificering Sluit je aan bij 350.600+ studenten die werken voor bedrijven als Amazon, JP Morgan en Ferrari-certificeringsprogramma, ontworpen om iedereen te helpen een financiële analist van wereldklasse te worden . Om te blijven leren en uw carrière vooruit te helpen, zijn de onderstaande aanvullende financiële bronnen nuttig:
- Type I-fout Type I-fout Bij het testen van statistische hypothesen is een type I-fout in wezen de verwerping van de echte nulhypothese. De type I-fout wordt ook wel de false genoemd
- Voorwaardelijke kans Voorwaardelijke kans Voorwaardelijke kans is de kans dat een gebeurtenis plaatsvindt, aangezien er al een andere gebeurtenis heeft plaatsgevonden. Het concept is een van de wezenlijke
- Framing Bias Framing Bias Framing bias treedt op wanneer mensen een beslissing nemen op basis van de manier waarop de informatie wordt gepresenteerd, in plaats van alleen op de feiten zelf. Dezelfde feiten die op twee verschillende manieren worden gepresenteerd, kunnen leiden tot verschillende oordelen of beslissingen van mensen.
- Wederzijds exclusieve gebeurtenissen Wederzijds exclusieve gebeurtenissen In statistieken en waarschijnlijkheidstheorie sluiten twee gebeurtenissen elkaar uit als ze niet tegelijkertijd kunnen plaatsvinden. Het eenvoudigste voorbeeld van wederzijds exclusief
