Type 2 Fout Calculator – Beta en Statistische Power
Bereken de kans op type 2 fout en statistische power voor hypothesetests
Hoe te Gebruiken
- Voer uw steekproefgrootte in (aantal observaties)
- Voer het significantieniveau in (alpha, meestal 0,05)
- Voer de effectgrootte in die u wilt detecteren
- Voer de standaarddeviatie van uw populatie in
- Selecteer het type alternatieve hypothese
- Klik op berekenen om uw type 2 fout en power te zien
Wat is een Type 2 Fout?
De type 2 fout (β) is de kans om een valse nulhypothese niet te verwerpen. Met andere woorden, het is de kans om te concluderen dat er geen effect is terwijl er in werkelijkheid wel een effect is. Dit staat ook bekend als een 'vals negatief' bij hypothesetests.
Statistische power (1-β) is het complement van de type 2 fout en vertegenwoordigt de kans om een valse nulhypothese correct te verwerpen. Hogere power betekent een beter vermogen om echte effecten te detecteren.
Type 1 vs Type 2 Fout
| Beslissing | H₀ is Waar | H₀ is Onwaar |
|---|---|---|
| H₀ niet verwerpen | Correcte beslissing (1-α) | Type 2 fout (β) |
| H₀ verwerpen | Type 1 fout (α) | Correcte beslissing (1-β = Power) |
Type 1 fout (α) is de kans om een ware nulhypothese te verwerpen (vals positief), terwijl type 2 fout (β) de kans is om een valse nulhypothese niet te verwerpen (vals negatief).
Factoren die Statistische Power Beïnvloeden
Verschillende factoren beïnvloeden statistische power en type 2 fout kans:
- Steekproefgrootte: Grotere steekproeven verhogen de power en verminderen de type 2 fout
- Effectgrootte: Grotere effecten zijn gemakkelijker te detecteren, wat de power verhoogt
- Significantieniveau (α): Een lagere α verhoogt β (verlaagt de power)
- Standaarddeviatie: Lagere variabiliteit verhoogt de power
- Testtype: Eenzijdige tests hebben meer power dan tweezijdige tests voor directionele hypotheses
Power Analyse en Steekproefplanning
Power analyse wordt meestal uitgevoerd voorafgaand aan een studie om de vereiste steekproefgrootte te bepalen. Een conventioneel doel voor statistische power is 0,80 (80%), wat betekent dat er 80% kans is om een effect te detecteren als het echt bestaat, met 20% kans op type 2 fout.
Om de power te verhogen, kunt u: de steekproefgrootte verhogen, betrouwbaardere meetinstrumenten gebruiken (σ verlagen), eenzijdige tests gebruiken wanneer geschikt, of het significantieniveau verhogen (hoewel dit het type 1 fout risico verhoogt).
Interpretatie van Power en Beta
- Power < 0,50 (50%): Lage power - hoog risico om echte effecten te missen
- Power 0,50-0,79: Gematigde power - kan sommige effecten missen
- Power ≥ 0,80 (80%): Hoge power - algemeen beschouwd als adequaat
- Power ≥ 0,95 (95%): Zeer hoge power - uitstekend detectievermogen
- β = 1 - Power: De kans op type 2 fout
Veelgestelde vragen
- Wat is het verschil tussen type 1 en type 2 fout?
- Type 1 fout (α) is het verwerpen van een ware nulhypothese (vals positief), terwijl type 2 fout (β) het niet verwerpen van een valse nulhypothese is (vals negatief). Type 1 fout is het significantieniveau dat u instelt, terwijl type 2 fout afhangt van steekproefgrootte, effectgrootte en andere factoren.
- Wat wordt beschouwd als adequate statistische power?
- Een statistische power van 0,80 (80%) wordt conventioneel beschouwd als adequaat voor de meeste onderzoeken. Dit betekent dat er 80% kans is om een effect te detecteren als het bestaat, met 20% kans op type 2 fout.
- Hoe kan ik de power van mijn studie verhogen?
- U kunt de power verhogen door: de steekproefgrootte te verhogen, betrouwbaardere metingen te gebruiken (variabiliteit verminderen), grotere effectgroottes te detecteren, het significantieniveau te verhogen (hoewel dit type 1 fout verhoogt), of eenzijdige tests te gebruiken wanneer directionele hypotheses geschikt zijn.
- Wat is effectgrootte en hoe verhoudt het zich tot power?
- Effectgrootte meet de omvang van het verschil of de relatie die u bestudeert. Grotere effectgroottes zijn gemakkelijker te detecteren en resulteren in hogere statistische power. Veelvoorkomende effectgrootte maten zijn Cohen's d voor gemiddelde verschillen en correlatiecoëfficiënten voor relaties.
- Kunnen type 1 en type 2 fouten beide tegelijk worden geminimaliseerd?
- Niet zonder de steekproefgrootte te verhogen. Voor een vaste steekproefgrootte verhoogt het verlagen van type 1 fout (α) de type 2 fout (β), en vice versa. De beste manier om beide fouten te verminderen is het verhogen van de steekproefgrootte.