일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | 7 |
8 | 9 | 10 | 11 | 12 | 13 | 14 |
15 | 16 | 17 | 18 | 19 | 20 | 21 |
22 | 23 | 24 | 25 | 26 | 27 | 28 |
29 | 30 | 31 |
Tags
- linux 폴더 용량 확인
- Cudnn 버전 확인
- python pandas
- 딥러닝 제대로 시작하기
- 신청평점
- 파이썬 이미지 불러오기
- ORACLE SQL NVL
- ORACLE 상위 N개 추출
- 파이썬 이미지 라벨 저장
- 신용평가 부정사용 평점
- ORACLE 상위 행 추출
- python image list
- 파이썬 테마
- 행동평점
- 주식 데이터 수집
- 파이썬 이미지 리스트 변환
- CSS Fraud Score
- Python Numpy
- linux 폴더 크기 확인
- 주피터노트북 테마 변경
- 회수모형
- jupyter notebook PDF
- jupyter notebook 테마 변경
- 리눅스 저장 용량 확인
- python image load
- 딥러닝
- SQL NULL값 처리
- 신용평가 Fraud
- ORACLE NULL값 처리
- SQL NVL
Archives
- Today
- Total
koos808
1종 오류와 2종 오류 본문
728x90
반응형
1종 오류
&2종 오류
- 1종 오류(Type 1 Error) : 귀무가설(H0)이 참(True)일 때, 귀무가설(H0)을 기각(Reject)하는 경우
- 2종 오류(Type 2 Error) : 귀무가설(H0)이 거짓(False)일 때, 귀무가설(H0)을 기각하지 못하는 경우
- 유의수준(alpha)을 높인다는 것은 2종 오류가 발생할 가능성을 낮춘다는 의미이다.
- <-> 유의수준(alpha)을 낮춘다는 것은 2종 오류가 발생할 가능성을 높인다는 의미이다.
- 귀무가설(H0)을 기각함으로써 상당한 비용이 발생하는 경우, 연구자는 1종 오류가 발생할 가능성을 최대한 줄이고자 노력할 것이다.
- Example : 신약개발
- 1종 오류 : 귀무가설(H0-효과x) 참(true)인데 기각함(효과가 없는데 효과가 있다고(H1 채택) 검정함) => 약이 효과가 없는데 불구하고 신약이 효과 있다고 결론 내림 -> 많은 비용(비싼 약값을 주고 효과없는 약을 구매할 확률)이 발생하므로 1종 오류를 줄여야 한다.
- 2종 오류 : 귀무가설(H0-효과x) 거짓(false)인데 H0 채택함 -> 신약에 대한 효과가 존재하는데 효과 없다고 검정해버림.
728x90
반응형
'Statistics' 카테고리의 다른 글
코사인 유사도(cosine similarity) + python 코드 (0) | 2020.09.25 |
---|---|
배깅(Bagging)과 부스팅(Boosting) (0) | 2020.07.05 |
P-value 정의와 이해 (0) | 2020.07.05 |
신뢰구간(Confidence Interval) (0) | 2020.07.05 |
확률(Probability) (0) | 2020.07.05 |
Comments