İstatistikte tip 1 hata, gerçekte doğru olduğunda sıfır hipotezinin reddedilmesi olarak tanımlanır. Tip 1 hata, yanlış pozitif veya tip alfa hatası olarak da bilinir.
Tip 1 hata yapmak, temelde doğru olan bir şeyi inkar etmektir. Örneğin, sosyal ağlarda yürütülen bir pazarlama kampanyasının bir yaz haftasında bir şirketin dondurma satışlarını artırıp artırmadığının test edilmesi durumunu ele alalım. Hipotezler aşağıdakiler olacaktır:
H0: Yaz kampanyası nedeniyle satışlar artmıyor
H1: Pazarlama kampanyası nedeniyle satış artışı
Firmanın internet sitesindeki trafik ve kampanya sonrası ziyaret edilen sayfalar değerlendirildikten sonra aşağıdakiler tespit edilir:
- Trafikte ve ziyaretlerde %50 olmasına rağmen artış.
- Dondurma satışlarında %200 artış.
Bu sonuçlar ışığında, reklam kampanyasının verimli olduğu ve satışları artırıcı bir zincirleme etkisi olduğu sonucuna varılabilir. Ancak o hafta içinde sıcaklıkları 40 derecenin üzerine çıkaran bir sıcak hava dalgası olduğunu düşünelim.
İkincisini bilerek, satışlardaki artışın nedeni olarak yüksek sıcaklık faktörünü dikkate almamız gerekir. Bunu hesaba katmazsak, sıfır hipotezimizi doğru olduğunda reddedebiliriz, yani gerçekte satışlardaki artışın nedeni güçlü sıcaklıkken kampanyamızın büyük bir başarı olduğunu düşünürdük. Bu sonuca varırsak, gerçekte doğru olduğunda sıfır hipotezini reddediyor ve dolayısıyla 1. tip bir hata yapıyor olacağız.
1. tip hatanın nedenleri
Tip 1 hata, katsayıların tahmin hatası ile kontrastın veya alfanın önemi ile ilgilidir ve bir regresyonun başlangıç varsayımlarının 2 tipik ihlali nedeniyle ortaya çıkabilir. Bunlar:
- Koşullu değişen varyans.
- Seri korelasyon.
Önceki ihlallerden herhangi birini sunan bir regresyon, katsayıların hatasını hafife alacaktır. Bu olursa, t istatistiğine ilişkin tahminimiz gerçek t istatistiğinden daha büyük olacaktır. t istatistiğinin bu daha büyük değerleri, değerin ret bölgesine düşme olasılığını artıracaktır.
2 durum düşünelim.
Durum 1 (yanlış hata tahmini)
- Önem: 5%
- Örnek boyut: 300 kişi.
- Kritik değer: 1,96
- B1: 1,5
- Katsayı tahmin hatası: 0,5
T = 1,5 / 0,5 = 3
Bu şekilde değer ret bölgesine düşer ve sıfır hipotezini reddederiz.
Durum 2 (doğru hata tahmini)
- Önem: 5%
- Örnek boyut: 300 kişi.
- Kritik değer: 1,96
- B1: 1,5
- Katsayı tahmin hatası: 1
T = 1.5 / 1 = 1.5
Bu şekilde, değer reddedilmeyen bölgeye düşecek ve hipotezi reddetmiş olmayacaktık.
Önceki örneklere dayanarak, hatanın hafife alındığı durum 1, aslında doğru olduğunda sıfır hipotezini reddetmemize yol açacaktır, çünkü doğru tahmin edilen hata ile durum 2'de gördüğümüz gibi, hipotezi reddetmiş olmayacağız. doğru olmak.