5.3 Feiltyper og teststyrke

Type I og type II feil, teststyrke.

45 min

17 oppgaver

Type I feilType II feilTeststyrkeUtvalgsstørrelse

Du leser den tradisjonelle versjonen

Din fremgang i kapitlet

0 / 17 oppgaver

Kapitlets plass i kurset

Bygger på

5.2Hypotesetesting

Brukes videre i

5.4Estimering og konfidensintervall

To typar feil i hypotesetesting

Når vi tek ei avgjerd basert på ein hypotesetest, kan vi gjere feil. Sidan vi baserer oss på eit utval (ikkje heile populasjonen), er det alltid ein risiko for å trekkje feil konklusjon.

Det finst to typar feil:

$H_0$ er sann	$H_0$ er usann
Forkastar $H_0$	Type I-feil	Rett avgjerd
Forkastar ikkje $H_0$	Rett avgjerd	Type II-feil

Type I-feil (falsk positiv)

P(\text{Type I feil}) = \alpha

Type II-feil (falsk negativ)

P(\text{Type II feil}) = \beta

Teststyrke (power)

Teststyrken er sannsynet for å forkaste $H_0$ når $H_0$ faktisk er usann:

$\text{Teststyrke} = 1 - \beta = P(\text{forkaste } H_0 \mid H_0 \text{ er usann})$

Ei høg teststyrke tyder at testen er god til å oppdage verkelege effektar.

Tommelfingerregel: Teststyrken bør vere minst 0,80 (80 %). Det tyder at vi oppdagar ein verkeleg effekt i minst 80 % av tilfella.

📜Teststyrke for z-test

For ein einsidig test

H_0: \mu = \mu_0

mot

H_1: \mu > \mu_0

med signifikansnivå

\alpha

$\text{Styrke} = P\left(Z > z_\alpha - \frac{\mu_1 - \mu_0}{\sigma/\sqrt{n}}\right)$

der $\mu_1$ er den sanne verdien av $\mu$ under $H_1$ .

For ein tosidig test er formelen meir kompleks, men prinsippet er det same.

✏️Berekning av teststyrke

Vi testar $H_0: \mu = 100$ mot $H_1: \mu > 100$ med $\alpha = 0{,}05$ , $n = 36$ , og $\sigma = 12$ . Kva er teststyrken dersom den sanne verdien er $\mu_1 = 104$ ?

Kritisk verdi:

z_{0{,}05} = 1{,}645

Berekning:
$\text{Styrke} = P\left(Z > 1{,}645 - \frac{104 - 100}{12/\sqrt{36}}\right) = P\left(Z > 1{,}645 - \frac{4}{2}\right) = P(Z > -0{,}355)$

$= 1 - P(Z < -0{,}355) = 1 - 0{,}361 = 0{,}639$

Teststyrken er 63,9 %. Det tyder at vi berre oppdagar effekten i om lag 64 % av tilfella - noko lågt!

Samanheng mellom $\alpha$ , $\beta$ og $n$

Dei tre faktorane påverkar kvarandre:

1. Auke $\alpha$ (signifikansnivå):
- Lettare å forkaste $H_0$
- $\beta$ blir redusert → styrken aukar
- Men risikoen for Type I-feil aukar

2. Auke $n$ (utvalsstorleik):
- Både $\alpha$ og $\beta$ kan haldast låge
- Styrken aukar
- Men kostar meir (tid, pengar)

3. Stor effektstorleik (avvik frå $H_0$ ):
- Lettare å oppdage → styrken aukar
- Men vi kontrollerer ikkje effektstorleiken

Oppsummering:
- $\alpha$ og $\beta$ er i «konflikt»: å redusere den eine aukar den andre (for fast $n$ )
- Den einaste måten å redusere begge samtidig er å auke $n$

✏️Nødvendig utvalsstorleik for gitt styrke

Vi ønskjer å teste $H_0: \mu = 100$ mot $H_1: \mu > 100$ med $\alpha = 0{,}05$ og styrke $= 0{,}80$ . Vi antar at den sanne verdien er $\mu_1 = 105$ og $\sigma = 15$ . Finn nødvendig utvalsstorleik.

For einsidig test med styrke

1 - \beta

$n = \left(\frac{(z_\alpha + z_\beta) \cdot \sigma}{\mu_1 - \mu_0}\right)^2$

Innsetjing: $z_{0{,}05} = 1{,}645$ og $z_{0{,}20} = 0{,}842$ (frå $\beta = 0{,}20$ )

$n = \left(\frac{(1{,}645 + 0{,}842) \cdot 15}{105 - 100}\right)^2 = \left(\frac{2{,}487 \cdot 15}{5}\right)^2 = \left(7{,}461\right)^2 = 55{,}7$

Vi treng $n \geq 56$ observasjonar.

Praktisk vs. statistisk signifikans

Eit resultat kan vere statistisk signifikant utan å vere praktisk viktig, og omvendt.

Døme: Ein studie med $n = 10\,000$ finn at ein ny medisin senkar blodtrykket med 0,5 mmHg (p-verdi < 0,001). Resultatet er statistisk signifikant, men ein skilnad på 0,5 mmHg har neppe noka klinisk betydning.

Omvendt: Ein liten studie med $n = 20$ finn at ei behandling reduserer smerter med 40 % (p-verdi = 0,08). Resultatet er ikkje statistisk signifikant, men effekten er potensielt klinisk viktig - problemet er for lite utval.

Konfidensintervall hjelper: Dei viser både estimert effekt (praktisk storleik) og uvisse (statistisk). Rapporter alltid konfidensintervall i tillegg til p-verdiar.

📝Oppgave 1

Løys oppgåvene:

Forklar med eigne ord kva ein Type I-feil er.

Forklar med eigne ord kva ein Type II-feil er.

📝Oppgave 2

Løys oppgåvene:

Ein brannalarm kan gi falsk alarm eller ikkje varsle ved ein ekte brann. Kva for ein er Type I-feil, og kva for ein er Type II-feil?

📝Oppgave 3

Løys oppgåvene:

Kva er teststyrken, og kva er ein god tommelfingerregel for styrke?

📝Oppgave 4

Løys oppgåvene:

Eit rettssystem kan gjere to typar feil: dømme ein uskuldig (Type I) eller frikjenne ein skuldig (Type II). Forklar kvifor rettssystemet har lågt $\alpha$ («heva over kvar rimeleg tvil»).

📝Oppgave 5

Løys oppgåvene:

Kva skjer med teststyrken dersom vi aukar utvalsstorleiken $n$ ? Forklar intuitivt.

📝Oppgave 6

Løys oppgåvene:

Vi testar $H_0: \mu = 50$ mot $H_1: \mu > 50$ med $\alpha = 0{,}05$ , $n = 25$ , $\sigma = 10$ . Finn teststyrken dersom $\mu_1 = 54$ .

Løs oppgaven Tren

📝Oppgave 7

Løys oppgåvene:

Med same parametrar som oppgåve 6, men $n = 100$ , finn teststyrken.

Løs oppgaven Tren

📝Oppgave 8

Løys oppgåvene:

Forklar kvifor ein ikkje kan redusere både $\alpha$ og $\beta$ utan å endre noko anna.

📝Oppgave 9

Løys oppgåvene:

Finn nødvendig $n$ for å teste $H_0: \mu = 200$ mot $H_1: \mu > 200$ med $\alpha = 0{,}05$ , styrke $= 0{,}90$ og $\sigma = 30$ dersom vi ønskjer å oppdage $\mu_1 = 210$ .

Løs oppgaven Tren

📝Oppgave 10

Løys oppgåvene:

Ein studie med $n = 50\,000$ finn at ein medisin senkar kolesterolet med 0,1 mg/dL (p-verdi $< 0{,}001$ ). Klinisk relevant skilnad er minst 5 mg/dL. Diskuter statistisk vs. praktisk signifikans.

📝Oppgave 11

Løys oppgåvene:

I ein medisinsk studie er konsekvensane av Type I- og Type II-feil ulike. Forklar kva som er konsekvensane av kvar feiltype når ein testar ei ny behandling, og diskuter korleis ein bør velje $\alpha$ .

📝Oppgave 12

Løys oppgåvene:

Forklar kva som blir meint med «effektstorleik» og kvifor denne er viktig i tillegg til p-verdien. Gi eit døme.

Oppsummering

Læringspunkt:
- Type I-feil: å forkaste ein sann $H_0$ (falsk positiv). Sannsynet er signifikansnivået $\alpha$ .
- Type II-feil: å halde på ein gal $H_0$ (falsk negativ). Sannsynet blir kalla $\beta$ .
- Teststyrken er $1 - \beta$ : sannsynet for å avsløre ein reell effekt. Tommelfingerregel: styrke $\geq 0{,}8$ .
- Styrken aukar med større utval, større reell effekt, større $\alpha$ og mindre spreiing.
- $\alpha$ og $\beta$ trekkjer i kvar si retning: blir $\alpha$ senka (strengare test), aukar $\beta$ — med mindre $n$ blir auka.

Nøkkelomgrep	Forklaring
Type I-feil	Forkaste sann $H_0$ — sannsyn $\alpha$
Type II-feil	Halde på gal $H_0$ — sannsyn $\beta$
Teststyrke	$1 - \beta$ : sjansen for å oppdage ein reell effekt
Effektstorleik	Kor stort det reelle avviket frå $H_0$ er

Viktige formlar:

P(\text{Type I}) = \alpha, \qquad \text{Styrke} = 1 - \beta

n \approx \left(\frac{(z_{\alpha} + z_{\beta})\,\sigma}{\delta}\right)^2 \quad (\text{einsidig test, effekt } \delta)

Repetisjonsoppgåver

Din fremgang

0deloppgaver0 / 5 oppgaver

Dette kapitlet er skrevet av Anthropics toppmodeller (Claude Opus og Claude Fable) og er foreløpig ikke manuelt gjennomgått — kvalitetskontrollen gjøres av uavhengige KI-agenter, og innmeldte feil rettes fortløpende. Funnet en feil? Meld fra, så retter vi den. Les mer om hvordan innholdet lages.

To typar feil i hypotesetesting

Teststyrke (power)

Samanheng mellom α\alphaα, β\betaβ og nnn

Praktisk vs. statistisk signifikans

Oppsummering

Samanheng mellom $\alpha$ , $\beta$ og $n$