Erro de Tipo II
O que é um Erro de Tipo II?
No teste estatístico de hipóteses, um erro de tipo II é uma situação em que num teste de hipóteses não se rejeita a hipótese nula que é falsa. Por outras palavras, faz com que o utilizador não rejeite erroneamente a falsa hipótese nula porque o teste carece do poder estatístico para detectar provas suficientes para a hipótese alternativa. O erro de tipo II também é conhecido como falso negativo.
O erro de tipo II tem uma relação inversa com o poder de um teste estatístico. Isto significa que quanto maior o poder de um teste estatístico, menor a probabilidade de cometer um erro de tipo II. A taxa de um erro de tipo II (ou seja, a probabilidade de um erro de tipo II) é medida por beta (β)BetaO beta (β) de um título de investimento (ou seja, uma acção) é uma medida da sua volatilidade de retornos em relação a todo o mercado. É utilizado como medida de risco e é parte integrante do Modelo de Preços de Activos de Capital (CAPM). Uma empresa com um beta mais elevado tem maior risco e também maiores retornos esperados. enquanto o poder estatístico é medido por 1- β.
Como evitar o erro de tipo II?
Similar ao erro de tipo I, não é possível eliminar completamente o erro de tipo II de um teste de hipótesesHypothesis TestingHypothesis TestingHypothesis Testing é um método de inferência estatística. É utilizado para testar se uma afirmação relativa a um parâmetro de população está correcta. Teste de hipotese. A única opção disponível é minimizar a probabilidade de cometer este tipo de erro estatístico. Uma vez que um erro de tipo II está intimamente relacionado com o poder de um teste estatístico, a probabilidade da ocorrência do erro pode ser minimizada aumentando o poder do teste.
1. Aumentar o tamanho da amostra
Um dos métodos mais simples para aumentar o poder do teste é aumentar o tamanho da amostra utilizada num teste. O tamanho da amostra determina principalmente a quantidade de erro de amostragem, o que se traduz na capacidade de detectar as diferenças num teste de hipóteses. Um tamanho de amostra maior aumenta as possibilidades de capturar as diferenças nos testes estatísticos, bem como o aumento do poder de um teste.
2. Aumentar o nível de significância
Outro método é escolher um nível de significância maior. Por exemplo, um investigador pode escolher um nível de significância de 0,10 em vez do nível comummente aceitável de 0,05. O nível de significância mais elevado implica uma maior probabilidade de rejeitar a hipótese nula quando esta é verdadeira.
A maior probabilidade de rejeitar a hipótese nula diminui a probabilidade de cometer um erro de tipo II enquanto que a probabilidade de cometer um erro de tipo I aumenta. Assim, o utilizador deve sempre avaliar o impacto dos erros de tipo I e tipo II na sua decisão e determinar o nível apropriado de significância estatística.
Exemplo
Sam é um analista financeiroO que faz um analista financeiro O que é que um analista financeiro faz? Recolhe dados, organiza informações, analisa resultados, faz previsões e projecções, recomendações, modelos Excel, relatórios. Ele executa um teste de hipóteses para descobrir se existe uma diferença nas variações de preços médios das acções de grande e pequena capitalizaçãoRussell 2000O Russell 2000 é um índice do mercado de acções que acompanha o desempenho de 2.000 acções de pequena capitalização americanas do índice Russell 3000. O índice Russell 2000 é amplamente cotado como uma referência para fundos mútuos que consistem principalmente em acções de pequena capitalização..
No teste, Sam assume como hipótese nula que não há diferença nas variações médias de preços entre as acções de grande e pequena capitalização. Assim, a sua hipótese alternativa afirma que existe uma diferença entre as variações de preço médio.
Para o nível de significância, Sam escolhe 5%. Isto significa que existe uma probabilidade de 5% de que o seu teste rejeitará a hipótese nula quando esta for realmente verdadeira.
Se o teste de Sam incorrer num erro de tipo II, então os resultados do teste indicarão que não existe diferença nas variações de preço médio entre as acções de grandes e pequenas tampas. Contudo, na realidade, existe uma diferença nas variações de preço médio.
Mais Recursos
CFI é o fornecedor oficial da Modelação Financeira global & Analista de Avaliação (FMVA)™FMVA® CertificationJoin 850.000+ estudantes que trabalham para empresas como a Amazon, J.P. Morgan, e Ferrari 
programa de certificação, concebido para ajudar qualquer pessoa a tornar-se um analista financeiro de classe mundial. Para continuar a aprender e avançar na sua carreira, os recursos adicionais de CFI abaixo serão úteis:
- Type I ErrorType I ErrorNo teste de hipóteses estatísticas, um erro do tipo I é essencialmente a rejeição da verdadeira hipótese nula. O erro de tipo I também é conhecido como o falso
- Probabilidade CondicionalProbabilidade CondicionalProbabilidade Condicional é a probabilidade de ocorrência de um evento, dado que já ocorreu outro evento. O conceito é um dos quintessenciais
- Framing BiasFraming BiasFraming biasFraming ocorre quando as pessoas tomam uma decisão baseada na forma como a informação é apresentada, em vez de apenas nos próprios factos. Os mesmos factos apresentados de duas formas diferentes podem levar a julgamentos ou decisões diferentes das pessoas.
- Aventos mutuamente exclusivosAventos mutuamente exclusivosEm estatística e teoria da probabilidade, dois eventos são mutuamente exclusivos se não puderem ocorrer ao mesmo tempo. O exemplo mais simples de mutuamente exclusivos