Type I Error = ผลทดสอบว่า "ใช่" แต่ความจริง "ไม่ใช่" Type II Error = ผลทดสอบว่า "ไม่ใช่" แต่ความจริงกลับ "ใช่"
บทความก่อนได้ทิ้งท้ายไว้ในเรื่อง TypeI Error TypeII Error จากบทความเรื่อง "สมมติฐาน" วันนี้จึงขอมาต่อเนื่องกันในเรื่องนี้ "Type of Error"
ขอย้อนความเรื่อง "สมมติฐาน" กันสักเล็กน้อย
"สมมติฐานทางสถิติจะแบ่งเป็น H0 กับ H1 ซึ่งเรานิยมตั้งสิ่งที่เราสนใจหรือผลที่ต้องการ ไว้ที่ H1 เพื่อที่จะปฏิเสธ H0"
จากข้อความนี้ เราสามารถจำ และสรุปได้ง่ายๆ ว่าสิ่งที่เราต้องการคือให้ผลการทดสอบนั้นเป็น H1 ซึ่งก็จะตรงกับสมมติฐานการวิจัย (RH) จากตรงนี้เองที่จะนำเราไปสู่เรื่อง type of error
ลองดูภาพประกอบด้านล่างนี้
จากตัวอย่าง กล่าวถึงการกินของทอดมากๆ จะทำให้เป็นโรค อันนี้คือ สมมติฐานทางการวิจัย (RH) เราจะสามารถเขียนสมมติฐานทางสถิติได้ดังนี้
H0 : กินของทอดมากๆ ไม่ทำให้ เป็นโรค
H1 : กินของทอดมากๆ ทำให้ เป็นโรค
ดังนั้นเวลาเราทดสอบ สิ่งที่เราต้องการคือให้ผลเป็นว่า "กินของทอดมากๆ ทำให้ เป็นโรค" (การแปลความนั้น ขอยกยอดไปในเรื่องถัดไป "ระดับนัยสำคัญทางสถิติ")
จากภาพดูในส่วนที่เป็นตาราง จะพบว่า มีส่วนของผลการทดสอบ และส่วนของความเป็นจริง สิ่งที่ควรจะเป็นมี 2 ช่อง คือช่องที่เขียนว่า ตัดสินใจถูกต้อง
ยอมรับ H0 และ H0 เป็นจริง
ปฏิเสธ H0 และ H0 ไม่เป็นจริง
นี่คือผลที่ต้องการ แต่ในการวิเคราะห์ข้อมูลทางสถิติแล้ว เราจะบอกว่าสิ่งที่ทดสอบนั้นได้ผล 100% (แม้ว่าเราจะเชื่อว่ามันได้100หรือผลออกมาเป็น100จริงๆ ก็ตาม) แต่เราจะบอกว่ามันผิดพลาดแค่ไหน
เนื่องจากว่า ในการทดสอบนั้นย่อมไม่มีผลที่เป็นจริง หรือไม่เป็นจริงอย่าง 100% แน่นอน เราจึงเลือกที่จะพูดว่า ในความเชื่อมั่นที่เต็ม 100% นั้น เรายอมรับความผิดพลาดมันได้เท่าไร ความผิดพลาดตรงนี้เองคือ error ซึ่งมีอยู่ 2 ประเภท ได้แก่
type I error เราเรียกว่า Alpha หรือ False Positive
type II error เราเรียกว่า Beta หรือ False Negative
ลองดูภาพหมอตรวจคนไข้เรื่องท้องจากภาพตัวอย่างด้านบน เราจะเห็นว่าหมอตรวจผู้ชายแล้วบอกว่า "คุณท้อง" >>> ซึ่งเป็นไปไม่ได้ แต่ความผิดพลาดไม่ได้ส่งผลร้ายแรงนัก เพราะอย่างไรเสีย ณ ตอนนี้ ผู้ชายก็ยังท้องไม่ได้ ส่วนหมออีกคนตรวจผู้หญิง แล้วแจ้งว่า "คุณไม่ได้ท้อง" ทั้งที่ผู้หญิงคนนี้กำลังท้องอยู่ >>> แบบนี้แย่เลย เพราะผู้หญิงกำลังอยู่ แต่หมอดันวินิจฉัยว่า ไม่ได้ท้อง แบบนี้เสียหายร้ายแรงแน่นอน
ความผิดพลาดกรณีที่ 1 ผู้ชายถูกตรวจว่าท้อง เราเรียกว่า Type I Error
ความผิดพลาดกรณีที่ 2 ผู้หญิงถูกตรวจว่า ไม่ได้ท้อง เราเรียกว่า Type II Error
type of error นี้ จึงนำไปสู่เรื่องระดับในนัยสำคัญทางสถิติ ต่อไป นั่นก็คือ เราจึงมักนิยมกำหนดค่าความผิดพลาดไว้ที่ กรณีที่ 1 หรือ type I error เพราะการตัดสินใจที่ผิดพลาดในกรณีนี้ ยังไม่ร้ายแรง เราจึงเรียกกันว่า "ความผิดพลาดที่ยอมรับได้ กำหนดด้วยค่า alpha"
โดยสรุป
type of error คือ ประเภทของความผิดพลาดที่กำหนดขึ้นมาเพื่อทดสอบทางสถิติ
type I error หรือ alpha คือประเภทที่ยอมรับและใช้ในการกำหนด
type of error เกี่ยวข้องในหลายๆ เรื่อง ได้แก่ สมมติฐาน ระดับนัยสำคัญทางสถิติ
💝ร่วมติดตามได้ทุกช่องทาง
💝follow or subscribe in any channel
.
📳tel.086-555-5949
🆔️line: @SmartResearchThai
💌email: contact@SmartResearchThai.com
Blockdit: SmartResearchThai
Youtube: SmartResearchThai
Facebook: SmartResearchThai
Comments