Erro tipo 1 e erro tipo 2
Publicado por 20 de Maio de 2022 em Estudantes para Melhores Evidências
Erro tipo 1
É representado pela letra grega alfa “α” e corresponde à probabilidade de se rejeitar H₀ quando ela é verdadeira, ou seja, detectar um efeito falso (que não existe). No contexto de um ensaio clínico, seria a probabilidade de concluir que existe uma diferença entre os efeitos das intervenções quando na verdade esta diferença não existe. . Por norma, o valor máximo atribuído a este tipo de erro (exemplo: probabilidade máxima de detectar um efeito que não existe) é de 5%, ou seja, a cada 20 decisões de rejeitar H₀, uma delas será errada [1].
Erro tipo 2
É representado pela letra grega beta “β” e corresponde à probabilidade de não rejeitar H₀ quando ela é falsa [2], ou seja, não detectar um efeito quando ele existe. No contexto de um ensaio clínico, seria a probabilidade de concluir que não existe uma diferença entre os efeitos das intervenções quando na verdade esta diferença existe.
É frequente aceitar (no máximo) uma decisão errada para cada não rejeição de H₀; logo 20% do valor máximo de probabilidade de cometer um erro tipo 2. O complemento da probabilidade de erro tipo 2 é o poder da amostra, ou seja, um β = 20%, indica um poder de 80% da amostra em identificar uma diferença entre os grupos comparados.
Assim, quando se toma uma decisão rejeitar ou não H₀, pode-se cometer um erro estatístico (tipo 1 ou tipo 2). Quando se rejeita H₀, se cometerá um erro tipo 1; quando não se rejeita H₀, a possiblidade de erro será do tipo 2 (Quadro 1).
Quando se realiza um teste estatístico é desejável que tanto o valor de α como de β sejam os menores possíveis. Porém, para uma mesma determinada dimensão amostral (em um mesmo estudo), não é possível que se diminua simultaneamente a probabilidade dos dois tipos de erros. Se baixar o valor de α, aumentará o valor de β, e vice-versa. Deste modo, a situação ideal é aumentar a dimensão amostral, contribuindo assim para a minimização dos dois tipos de erros ao mesmo tempo. Contudo, é preciso equacionar os custos desse aumento da dimensão da amostra, face aos ganhos pretendidos em termos da diminuição das probabilidades de cometer os erros estatísticos supramencionados.
Autores: Andreia Cristina Feitosa do Carmo, Fernanda Freitas de Brito, Felicio Aragão Savioli, Jorge Fernando Pereira Sinval e Juliana Marilia Berretta, alunos de pós-graduação do Programa de Pós-graduação em Saúde Baseada em Evidências, Universidade Federal de São Paulo (Unifesp).
Como citar: Carmo ACF, de Britto FF, Savioli FA, Sinval JFPS, Berretta JM. Erro tipo 1 e erro tipo 2. Estudantes para as melhores evidências (EME) Cochrane. Disponível em: [colar link]. Acessado em [dia, mês e ano].
Referências
1. Hossain M. Making sense of medical statistics: A bite sized visual guide [Internet]. Cambridge, UK: Cambridge University Press; 2021. Disponível em: from: https://www.cambridge.org/core/product/identifier/9781108973663/type/book. Acessado em 2 de maio de 2022.
2. Privitera GJ. Statistics for the behavioral sciences. 3rd ed. Thousand Oaks, CA, USA: SAGE; 2018
