1. tüüpi viga statistikas on määratletud kui nullhüpoteesi tagasilükkamine, kui see on tõsi. 1. tüüpi viga on tuntud ka kui valepositiivne või alfa-tüüpi viga.
Esimese tüübi vea tegemine tähendab põhimõtteliselt millegi eitamist, kui see on tegelikult tõsi. Mõelgem näiteks olukorrale, kus testitakse, kas sotsiaalvõrgustikes läbi viidud turunduskampaania suurendab suvisel nädalal ettevõttele jäätise müüki. Hüpoteesid oleksid järgmised:
H0: Müük suvekampaania tõttu ei suurene
H1: Müük suureneb turunduskampaania tõttu
Pärast ettevõtte veebisaidi ja pärast kampaaniat külastatud lehtede liikluse hindamist tuvastatakse järgmine:
- Suureneb liikluse ja külastuste arv 50%.
- Jäätisemüügi kasv 200%.
Neid tulemusi silmas pidades võib järeldada, et reklaamikampaania on olnud viljakas ja selle mõju on müüki suurendanud. Mõelgem siiski, et sel nädalal oli kuumalaine, mis tõi temperatuurid üle 40 kraadi.
Viimast teades peaksime müügi kasvu põhjuseks võtma arvesse kõrge temperatuuri tegurit. Kui me seda arvesse ei võta, võiksime oma nullhüpoteesi tagasi lükata, kui see on tõsi, see tähendab, et me arvaksime, et meie kampaania oli olnud üllatav edu, kui tegelikkuses oli müügi kasvu põhjuseks suur kuumus. Sellele järeldusele jõudes lükkaksime nullhüpoteesi tagasi, kui see tegelikult vastab tõele, ja sooritame seetõttu 1. tüüpi vea.
1. tüüpi vea põhjused
Esimese tüübi viga on seotud kontrasti või alfa olulisusega koos koefitsientide hindamise veaga ja võib ilmneda regressiooni alguseelduste 2 tüüpilise rikkumise tõttu. Need on:
- Tingimuslik heteroskedastilisus.
- Järjekorrelatsioon.
Varasemate rikkumiste esitanud regressioon alahindaks koefitsientide viga. Kui see juhtub, oleks meie hinnang t statistikale suurem kui tegelik t statistika. Need statistika t suuremad väärtused suurendaksid tõenäosust, et väärtus langeb tagasilükkamistsooni.
Kujutame ette 2 olukorda.
1. olukord (vale veahinnang)
- Tähtsus: 5%
- Näidissuurus: 300 inimest.
- Kriitiline väärtus: 1,96
- B1: 1,5
- Koefitsiendi hindamise viga: 0,5
T = 1,5 / 0,5 = 3
Sel viisil langeks väärtus tagasilükkamistsooni ja me lükkaksime tagasi nullhüpoteesi.
2. olukord (õige veahinnang)
- Tähtsus: 5%
- Näidissuurus: 300 inimest.
- Kriitiline väärtus: 1,96
- B1: 1,5
- Koefitsiendi hindamise viga: 1
T = 1,5 / 1 = 1,5
Sel viisil langeks väärtus tagasilükkamatusse tsooni ja me ei lükkaks hüpoteesi tagasi.
Varasemate näidete põhjal viiks olukord 1, kus viga on alahinnatud, meid nullhüpoteesi tagasi lükkama, kuigi see on tegelikult tõsi, kuna nagu näeme õigesti hinnatud veaga 2. olukorras, ei lükkaks me hüpoteesi tagasi tõsi olla.