Type I এবং Type II errors দুটি গুরুত্বপূর্ণ পরিসংখ্যানিক ত্রুটি যা hypothesis testing (হাইপোথিসিস পরীক্ষা) পরিচালনায় ঘটে। এই ত্রুটিগুলি একটি সিদ্ধান্ত গ্রহণ প্রক্রিয়া বা পরিসংখ্যানিক পরীক্ষা করতে গিয়ে যে ভুল হতে পারে তা বর্ণনা করে।
১. Type I Error (False Positive Error)
Type I Error তখন ঘটে যখন একটি সত্য (null hypothesis) ভুলভাবে অগ্রাহ্য করা হয় এবং ফলস্বরূপ এটি অগ্রহণযোগ্য হিসেবে ঘোষণা করা হয়। এটি একটি False Positive বা False Alarm হিসাবে পরিচিত, কারণ পরীক্ষা প্রমাণ করে যে কিছু ঘটেছে, যদিও বাস্তবে কিছু ঘটেনি।
বিশেষত্ব:
- Null Hypothesis (H₀): এটি সাধারণত একটি "সাধারণ" বা "কোন পার্থক্য নেই" ধরনের দাবি।
- Type I Error: যখন null hypothesis ভুলভাবে অস্বীকার করা হয়, অর্থাৎ পরীক্ষায় বলা হয় যে কোন পার্থক্য বা সম্পর্ক আছে, যদিও বাস্তবে তা নেই।
- এর সম্ভাবনা সাধারণত α (alpha) দ্বারা চিহ্নিত করা হয়, যেটি significance level বা পশ্চিমাংশ।
উদাহরণ:
ধরা যাক, একটি ওষুধের পরীক্ষায় null hypothesis হল যে "ওষুধটি কোনো প্রভাব ফেলে না"। যদি পরীক্ষা করে দেখা যায় যে, ওষুধটির প্রভাব রয়েছে, কিন্তু বাস্তবে সেটি কোনো প্রভাব ফেলছে না, তাহলে এটি Type I Error হবে, কারণ আমরা ভুলভাবে প্রভাবের অস্তিত্ব প্রমাণ করেছি।
২. Type II Error (False Negative Error)
Type II Error তখন ঘটে যখন মিথ্যা (alternative hypothesis) ভুলভাবে অগ্রাহ্য করা হয় এবং null hypothesis সত্য হিসেবে গ্রহণ করা হয়। এটি একটি False Negative হিসাবে পরিচিত, কারণ পরীক্ষায় বলা হয় যে কিছু হয়নি, যদিও বাস্তবে কিছু ঘটে।
বিশেষত্ব:
- Alternative Hypothesis (H₁): এটি একটি দাবি যা বলে যে "কিছু পরিবর্তন বা পার্থক্য আছে"।
- Type II Error: যখন null hypothesis ভুলভাবে গৃহীত হয়, অর্থাৎ পরীক্ষায় বলা হয় যে কিছু হয়নি, যদিও আসলে কিছু ঘটেছে।
- এর সম্ভাবনা সাধারণত β (beta) দ্বারা চিহ্নিত করা হয়।
উদাহরণ:
ধরা যাক, একই ওষুধের পরীক্ষায় null hypothesis ছিল "ওষুধটি কোনো প্রভাব ফেলে না", এবং alternative hypothesis ছিল "ওষুধটি প্রভাব ফেলে"। যদি পরীক্ষা করে দেখা যায় যে ওষুধটির কোনো প্রভাব নেই, যদিও বাস্তবে এটি প্রভাব ফেলে, তবে এটি Type II Error হবে, কারণ আমরা ভুলভাবে প্রভাবের অস্তিত্ব অস্বীকার করেছি।
Type I Error vs Type II Error
| বৈশিষ্ট্য | Type I Error (False Positive) | Type II Error (False Negative) |
|---|---|---|
| কী ঘটে | Null hypothesis ভুলভাবে অস্বীকার করা হয় | Alternative hypothesis ভুলভাবে অগ্রাহ্য করা হয় |
| উদাহরণ | ভুলভাবে প্রভাব বা সম্পর্ক খুঁজে পাওয়া | ভুলভাবে প্রভাব বা সম্পর্ক অস্বীকার করা |
| পশ্চিমাংশ (α) | α মান দ্বারা চিহ্নিত (significance level) | β মান দ্বারা চিহ্নিত |
| ফলস প্রমাণ | কিছু ঘটেছে, যদিও কিছু ঘটে নি | কিছু ঘটেনি, যদিও কিছু ঘটেছে |
| সিদ্ধান্ত | ভুলভাবে কিছু ঘটেছে বলা হয় | ভুলভাবে কিছু ঘটেনি বলা হয় |
Error-এ সমন্বয়: Type I vs Type II Trade-Off
একটি পরীক্ষা পরিচালনা করার সময়, Type I এবং Type II Error এর মধ্যে trade-off (বিনিময়) থাকে। যদি আপনি Type I Error কমাতে চান (অর্থাৎ, Null hypothesis অস্বীকার না করা), তবে আপনি সম্ভবত Type II Error বাড়াতে পারেন (অর্থাৎ, কিছু সত্য বলে মনে করার পরে সেটি অস্বীকার করা)। উদাহরণস্বরূপ:
- আপনি যদি একটি কঠিন significance level সেট করেন (যেমন α = 0.01), তবে Type I Error কমবে, তবে Type II Error বৃদ্ধি পাবে।
- যদি আপনি significance level বেশি রাখেন (যেমন α = 0.10), তবে Type I Error বাড়বে, কিন্তু Type II Error কমবে।
সারাংশ
Type I Error হলো False Positive (ভুলভাবে কিছু ঘটেছে বলে বলা), এবং Type II Error হলো False Negative (ভুলভাবে কিছু ঘটেনি বলে বলা)। এই দুটি ত্রুটি পরিসংখ্যানিক পরীক্ষায় গুরুত্বপূর্ণ, এবং তাদের মধ্যে একটি চয়ন করার সময় trade-off থাকতে পারে। প্রায়ই পরীক্ষার significance level বা α এবং β এর মধ্যে সমন্বয় করা হয়, যাতে ত্রুটির সম্ভাবনা কমানো যায়।
Read more
