A statisztikai hipotézis tesztelés során a II. Típusú hiba olyan helyzet, amikor egy hipotézis teszt nem utasítja el a hamis hipotézist. Más szavakkal, ez arra készteti a felhasználót, hogy tévesen ne utasítsa el a hamis nullhipotézist, mert a tesztnek nincs statisztikai ereje ahhoz, hogy elegendő bizonyítékot találjon az alternatív hipotézishez. A II-es típusú hibát hamis negatívnak is nevezik.
A II. Típusú hiba fordított összefüggésben van a statisztikai teszt erejével. Ez azt jelenti, hogy minél nagyobb a statisztikai teszt teljesítménye, annál kisebb a valószínűsége a II. Típusú hiba elkövetésének. A II. Típusú hiba arányát (azaz a II. Típusú hiba valószínűségét) béta (β) Béta értékkel mérjük. A befektetési értékpapír (azaz egy részvény) béta (β) értéke a hozamok volatilitásának mérése az egész piacon. A kockázat mérésére használják, és a tőkeszerkezeti modell (CAPM) szerves része. A magasabb bétaverzióval rendelkező vállalat nagyobb kockázattal és nagyobb várt hozammal rendelkezik. míg a statisztikai teljesítményt 1- β-val mérjük.
Hogyan lehet elkerülni a II. Típusú hibát?
Az I. típusú hibához hasonlóan a hipotézis tesztből sem lehet teljesen kiküszöbölni a II. Típusú hibát. Hipotézis teszt A hipotézis teszt a statisztikai következtetés egyik módszere. Arra használják, hogy teszteljék-e a populációs paraméterre vonatkozó állításokat. Hipotézis tesztelés. Az egyetlen rendelkezésre álló lehetőség az ilyen típusú statisztikai hibák elkövetésének valószínűségének minimalizálása. Mivel a II. Típusú hiba szorosan összefügg a statisztikai teszt erejével, a hiba bekövetkezésének valószínűsége a teszt teljesítményének növelésével minimalizálható.
1. Növelje a minta méretét
Az egyik legegyszerűbb módszer a teszt teljesítményének növelésére a tesztben használt minta méretének növelése. A minta nagysága elsősorban a mintavételi hiba mértékét határozza meg, amely egy hipotézis tesztben megmutatja a különbségek kimutatásának képességét. A nagyobb mintaméret növeli a statisztikai tesztek különbségeinek megragadásának esélyét, valamint növeli a teszt erejét.
2. Növelje a szignifikancia szintet
Egy másik módszer a magasabb jelentőségű szint kiválasztása. Például a kutató választhat 0,10 szignifikanciaszintet az általánosan elfogadott 0,05 szint helyett. A magasabb szignifikancia szint nagyobb valószínűséggel utasítja el a nullhipotézist, ha igaz.
A nullhipotézis elutasításának nagyobb valószínűsége csökkenti a II. Típusú hiba elkövetésének valószínűségét, míg az I. típusú hiba elkövetésének valószínűsége nő. Így a felhasználónak mindig fel kell mérnie az I. és II. Típusú hibák hatását a döntésére, és meg kell határoznia a megfelelő statisztikai szignifikancia szintet.
Példa
Sam pénzügyi elemző Mit csinál egy pénzügyi elemző Mit csinál egy pénzügyi elemző? Gyűjtsön adatokat, rendezzen információkat, elemezze az eredményeket, készítsen előrejelzéseket és előrejelzéseket, ajánlásokat, Excel modelleket, jelentéseket. Hipotézis tesztet hajt végre annak feltárására, hogy van-e különbség a nagy és kis tőke részvények átlagos árváltozásaiban Russell 2000 A Russell 2000 egy tőzsdei index, amely 2000 amerikai kis tőkés részvény teljesítményét követi nyomon a Russellnél. 3000 index. A Russell 2000 indexet széles körben jegyzik a befektetési alapok referenciaértékeként, amelyek elsősorban kis tőkésségű részvényekből állnak. .
A teszt során Sam nullhipotézisként feltételezi, hogy nincs különbség az átlagos árváltozásokban a nagy és a kis tőke részvények között. Így alternatív hipotézise szerint az átlagos árváltozások között van különbség.
A szignifikancia szinthez Sam 5% -ot választ. Ez azt jelenti, hogy 5% a valószínűsége annak, hogy tesztje elutasítja a nullhipotézist, amikor az valóban igaz.
Ha Sam tesztje II. Típusú hibát okoz, akkor a teszt eredményei azt mutatják, hogy nincs különbség az átlagos árváltozásokban a nagy és a kis kapitalizációjú részvények között. A valóságban azonban létezik különbség az átlagos árváltozásokban.
További források
A Finance a globális pénzügyi modellezési és értékelési elemző (FMVA) ™ hivatalos szolgáltatója. Az FMVA® tanúsítás Csatlakozzon 350 600+ hallgatóhoz, akik olyan vállalatoknál dolgoznak, mint az Amazon, a JP Morgan és a Ferrari tanúsító program, amelynek célja, hogy bárki világszínvonalú pénzügyi elemzővé váljon. . A tanulás és a karrier előrehaladása érdekében az alábbi kiegészítő pénzügyi források hasznosak lehetnek:
- I. típusú hiba I. típusú hiba A statisztikai hipotézis tesztelésében az I. típusú hiba lényegében a valódi nullhipotézis elutasítását jelenti. Az I. típusú hibát hamisnak is nevezik
- Feltételes valószínűség Feltételes valószínűség Feltételes valószínűség az esemény bekövetkezésének valószínűsége, mivel egy másik esemény már megtörtént. A koncepció az egyik alapvetõ
- A keret elfogultsága A keret elfogultsága akkor fordul elő, amikor az emberek az információk megjelenítésének módja alapján döntenek, nem csupán maguk a tények. Ugyanazok a tények, amelyeket kétféle módon mutatnak be, különböző megítélésekhez vagy döntésekhez vezethetnek az emberek részéről.
- Kölcsönösen kizáró események Kölcsönösen kizáró események A statisztikákban és a valószínűségelméletben két esemény kizárja egymást, ha nem fordulhatnak elő egyszerre. A kölcsönös kizárás legegyszerűbb példája
