Pogreška tipa 1 u statistici definira se kao odbacivanje nulte hipoteze kada je ona zapravo istinita. Pogreška tipa 1 također je poznata kao lažno pozitivna ili pogreška tipa alfa.
Pogreška tipa 1 u osnovi je poricanje nečega kad je to zapravo istina. Razmotrimo, na primjer, situaciju testiranja povećava li marketinška kampanja na društvenim mrežama prodaju sladoleda za tvrtku u ljetnom tjednu. Hipoteze bi bile sljedeće:
H0: Prodaja se ne povećava zbog ljetne kampanje
H1: Povećanje prodaje zbog marketinške kampanje
Nakon procjene prometa na web mjestu tvrtke i stranica posjećenih nakon kampanje, otkriva se sljedeće:
- Povećanje, iako u prometu i posjetima od 50%.
- 200% povećanje prodaje sladoleda.
S obzirom na ove rezultate, moglo bi se zaključiti da je reklamna kampanja bila plodna i imala je poticajni učinak na povećanje prodaje. Međutim, pomislimo da je tog tjedna bilo vrućina koje su donijele temperature iznad 40 stupnjeva.
Znajući ovo drugo, morali bismo uzeti u obzir faktor visoke temperature kao uzrok povećanja prodaje. Ako ovo ne uzmemo u obzir, mogli bismo odbaciti svoju ništavnu hipotezu kad je točna, odnosno, mislili bismo da je naša kampanja imala zapanjujući uspjeh kad je u stvarnosti uzrok povećanja prodaje bila jaka vrućina. Kad bismo došli do ovog zaključka, odbacili bismo nultu hipotezu kada je ona zapravo istinita i stoga počinili pogrešku tipa 1.
Uzroci pogreške tipa 1
Pogreška tipa 1 povezana je sa značajem kontrasta ili alfa, s pogreškom u procjeni koeficijenata i može se dogoditi zbog 2 tipična kršenja početnih pretpostavki regresije. Ovi su:
- Uvjetna heteroskedastnost.
- Serijska korelacija.
Regresija koja je predstavljala neko od prethodnih kršenja podcijenila bi pogrešku koeficijenata. Ako se to dogodi, naša procjena t statistike bi bila veća od stvarne t statistike. Te veće vrijednosti t statistike povećale bi vjerojatnost da vrijednost padne u zonu odbijanja.
Zamislimo 2 situacije.
Situacija 1 (netočna procjena pogreške)
- Značaj: 5%
- Veličina uzorka: 300 ljudi.
- Kritična vrijednost: 1,96
- B1: 1,5
- Pogreška procjene koeficijenta: 0,5
T = 1,5 / 0,5 = 3
Na taj način vrijednost bi pala u zonu odbijanja i odbacili bismo nultu hipotezu.
Situacija 2 (ispravna procjena pogreške)
- Značaj: 5%
- Veličina uzorka: 300 ljudi.
- Kritična vrijednost: 1,96
- B1: 1,5
- Pogreška procjene koeficijenta: 1
T = 1,5 / 1 = 1,5
Na taj način vrijednost bi pala u zonu neodbijanja i ne bismo odbacili hipotezu.
Na temelju prethodnih primjera, situacija 1 u kojoj se pogreška podcjenjuje, dovela bi nas do odbacivanja nulte hipoteze kad je zapravo točna, jer kao što vidimo u situaciji 2 s ispravno procijenjenom pogreškom, ne bismo odbacili hipotezu biti istina.