เหตุใดข้อผิดพลาดประเภท II จึงไม่เน้นในวรรณคดีเชิงสถิติมากนัก

ฉันได้เห็นหลายกรณีที่ข้อผิดพลาดประเภท I ถูกนำมาใช้ (แสดงโดยค่าอัลฟา) ในบทความวิจัยต่างๆ ฉันพบว่าหายากที่นักวิจัยจะพิจารณาถึงพลังหรือข้อผิดพลาดของ type II

ข้อผิดพลาด Type II สามารถเป็นเรื่องใหญ่ใช่มั้ย เราได้ปฏิเสธสมมติฐานทางเลือกโดยบังเอิญเมื่อมันผิดจริง ทำไมค่าอัลฟาจึงถูกเน้นย้ำมากกว่าค่าเบต้า

เมื่อฉันใช้สถิติปีแรกฉันไม่เคยได้รับการสอนเบต้า - อัลฟ่าเท่านั้น ฉันรู้สึกว่าข้อผิดพลาดสองข้อนี้ควรได้รับการปฏิบัติอย่างเท่าเทียมกัน ทว่าอัลฟ่าเท่านั้นที่จะถูกเน้น

นี่เป็นคำถามที่ดี ให้ฉันเริ่มต้นด้วยการชี้แจงสองสาม:

• มันไม่ได้หมายความว่าอะไรเลยสำหรับข้อผิดพลาด "[t] ype II [เป็น] สำคัญ" (หรือสำหรับข้อผิดพลาดประเภท I) แน่นอนว่ามันอาจสำคัญมากที่เราพลาดผลที่แท้จริง
• นอกจากนี้เราไม่ได้โดยทั่วไป "[ยอมรับ] สมมติฐานว่าง" (สำหรับข้อมูลเพิ่มเติมนั้นอาจช่วยให้อ่านคำตอบของฉันได้ที่นี่: ทำไมนักสถิติพูดว่าผลลัพธ์ที่ไม่สำคัญหมายความว่า“ คุณไม่สามารถปฏิเสธค่าว่างได้” ซึ่งต่างจากการยอมรับสมมติฐานว่าง )

ฉันคิดว่าคุณ (โชคร้าย) ถูกต้องที่ความใส่ใจน้อยลงจ่ายให้กับข้อผิดพลาดด้านพลังงานและ Type II ในขณะที่ฉันคิดว่าสถานการณ์กำลังดีขึ้นในการวิจัยด้านชีวการแพทย์ (เช่นหน่วยงานระดมทุนและ IRB ต้องการการวิเคราะห์พลังงานในขณะนี้) ฉันคิดว่ามีเหตุผลสองสามข้อสำหรับเรื่องนี้:

1. ฉันคิดว่าพลังนั้นยากสำหรับคนที่จะเข้าใจมากกว่าความสำคัญง่ายๆ (นี่เป็นส่วนหนึ่งเพราะมันขึ้นอยู่กับสิ่งแปลกปลอมมากมาย - ขนาดเอฟเฟกต์สะดุดตา แต่ก็มีบางอย่างเช่นกัน)
2. $\ne0$
3. นักวิทยาศาสตร์คาดว่าข้อผิดพลาดประเภทที่ 1 นั้นแย่กว่าข้อผิดพลาดประเภท II

เหตุผลก็คือเราไม่ทราบอัตราความผิดพลาด type II จริงและเราจะไม่ทำ ขึ้นอยู่กับพารามิเตอร์ที่เราไม่รู้ ในทางกลับกันถ้าเรารู้พารามิเตอร์นี้เราไม่จำเป็นต้องทำการทดสอบทางสถิติ

อย่างไรก็ตามเราสามารถวางแผนการทดสอบเพื่อให้ได้อัตราความผิดพลาดประเภท II ที่เฉพาะเจาะจงเนื่องจากทางเลือกบางอย่างเป็นจริง ด้วยวิธีนี้เราจะเลือกขนาดตัวอย่างที่ไม่เปลืองทรัพยากร: อาจเป็นเพราะการทดสอบไม่ได้ปฏิเสธในตอนท้ายหรือเพราะขนาดตัวอย่างที่เล็กกว่านั้นเพียงพอที่จะปฏิเสธสมมติฐานได้