1. tipa kļūda statistikā tiek definēta kā nulles hipotēzes noraidīšana, ja tā patiešām ir patiesa. 1. tipa kļūda tiek dēvēta arī par kļūdaini pozitīvu vai alfa tipa kļūdu.
1. tipa kļūdas izdarīšana būtībā kaut ko noliedz, kad tā patiešām ir patiesa. Apsveriet, piemēram, situāciju, kad tiek pārbaudīts, vai sociālajos tīklos veiktā mārketinga kampaņa palielina saldējuma noietu uzņēmumam vasaras nedēļā. Hipotēzes būtu šādas:
H0: Pārdošana nepalielinās vasaras kampaņas dēļ
H1: Tirdzniecības kampaņas dēļ pārdošanas apjomi pieaug
Izvērtējot datplūsmu uzņēmuma vietnē un pēc kampaņas apmeklētajās lapās, tiek konstatēts:
- Lai gan satiksme un apmeklējumi pieaug par 50%.
- Saldējuma pārdošanas apjoma pieaugums par 200%.
Ņemot vērā šos rezultātus, var secināt, ka reklāmas kampaņa ir bijusi auglīga un tai ir bijusi papildu ietekme, kas palielina pārdošanas apjomus. Tomēr domāsim, ka tajā nedēļā bija karstuma vilnis, kas paaugstināja temperatūru virs 40 grādiem.
Zinot pēdējo, mums būtu jāņem vērā augstas temperatūras faktors kā pārdošanas pieauguma cēlonis. Ja mēs to neņemsim vērā, mēs varētu noraidīt mūsu nulles hipotēzi, kad tā ir taisnība, tas ir, mēs domājam, ka mūsu kampaņa bija pārliecinoši veiksmīga, lai gan patiesībā pārdošanas pieauguma cēlonis bija spēcīgais karstums. Ja mēs nonāktu pie šī secinājuma, mēs noraidītu nulles hipotēzi, kad tā patiešām ir patiesa, un tādējādi izdarām 1. tipa kļūdu.
1. tipa kļūdas cēloņi
1. tipa kļūda ir saistīta ar kontrasta vai alfa nozīmību ar koeficientu novērtēšanas kļūdu un var notikt divu tipisku regresijas sākuma pieņēmumu pārkāpumu dēļ. Šie ir:
- Nosacīta heteroskedastika.
- Sērijas korelācija.
Regresija, kas parādīja kādu no iepriekšējiem pārkāpumiem, nepietiekami novērtētu koeficientu kļūdu. Ja tas notiks, mūsu t statistikas aprēķins būtu lielāks par faktisko t statistiku. Šīs lielākās t statistikas vērtības palielinātu varbūtību, ka vērtība nonāks noraidījuma zonā.
Iedomāsimies 2 situācijas.
1. situācija (nepareizs kļūdas novērtējums)
- Nozīme: 5%
- Parauga lielums: 300 cilvēki.
- Kritiskā vērtība: 1,96
- B1: 1,5
- Koeficienta aprēķināšanas kļūda: 0,5
T = 1,5 / 0,5 = 3
Tādā veidā vērtība nonāktu noraidīšanas zonā, un mēs noraidītu nulles hipotēzi.
2. situācija (pareizs kļūdas novērtējums)
- Nozīme: 5%
- Parauga lielums: 300 cilvēki.
- Kritiskā vērtība: 1,96
- B1: 1,5
- Koeficienta novērtēšanas kļūda: 1
T = 1,5 / 1 = 1,5
Tādā veidā vērtība nokristu noraidījuma zonā, un mēs nenoraidītu hipotēzi.
Balstoties uz iepriekšējiem piemēriem, 1. situācija, kurā kļūda tiek novērtēta par zemu, liktu mums noraidīt nulles hipotēzi, lai gan patiesībā tā ir taisnība, jo, kā mēs redzam 2. situācijā ar pareizi aprēķinātu kļūdu, mēs hipotēzi nenoraidītu patiesība.