ложноположительные отзывы. Ложноположительные и ложноотрицательные отзывы. Ложноположительные и ложноотрицательные отзывы
 Скачать 34.14 Kb.
|
Ложноположительные и ложноотрицательные отзывыМы рассмотрели множество соображений о том, как лучше всего обеспечить получение точных результатов маркетингового анализа. Эти соображения варьируются от шагов, связанных с разумным планированием эксперимента, до способов, которыми вы можете избежать предвзятости в своих исследованиях. Тем не менее, даже если вы тщательно собираете и анализируете свои маркетинговые данные, вероятность случайных ошибок в ваших результатах остается. Во-первых, вы должны помнить, что статистический анализ в конечном итоге основан на вероятности, а это означает, что вы часто работаете с обоснованными прогнозами.которые предполагают идеально рандомизированную популяцию. Но, как мы уже отмечали в предыдущих уроках, мир не всегда соответствует таким идеальным условиям, как идеальная рандомизация. Это означает, что всегда есть небольшая вероятность того, что ваш анализ данных может привести к ошибке при определении того, подтверждается ли ваша гипотеза этими данными. Когда вы проверяете гипотезу, есть два пути, по которым ваш анализ может пойти не так. С одной стороны, вы можете решить, что ваша гипотеза подтверждается данными, тогда как на самом деле это не так . С другой стороны, вы можете решить, что ваша гипотеза не подтверждается данными, тогда как на самом деле это так . Когда данные вроде бы подтверждают, что что-то верно, а на самом деле это ложь, мы называем эту ситуацию «ложноположительной». Одной из ошибок, с которой вы можете столкнуться при проверке гипотезы, является ложное срабатывание. Но вспомните из нашего обсуждения проверки гипотез и A/B-тестов, как мы обычно формулируем наши проверки гипотез с точки зрения вопроса: «Есть ли разница?» Итак, в тесте A/B мы спрашиваем: «Есть ли разница в результатах между вариантом А и вариантом Б?» Этот вопрос фактически подразумевает два возможных ответа или две гипотезы :  Как объяснялось в предыдущих уроках, мы обычно называем первую гипотезу (H0) «нулевой гипотезой». Мы называем вторую гипотезу (H1) «альтернативной гипотезой». Теперь, когда мы описываем типы ошибок, с которыми мы можем столкнуться при проверке гипотез, мы можем объяснить их в терминах нулевой гипотезы и альтернативной гипотезы. В частности, для первого типа ошибок, которые мы хотим рассмотреть, ошибка возникает, когда наш анализ приводит к тому, что мы ошибочно отвергаем нулевую гипотезу и принимаем альтернативную гипотезу , хотя на самом деле нулевая гипотеза верна. Другими словами, мы заключаем, что существует разница (H1) между вариантами, изучаемыми в нашем анализе, тогда как на самом деле разницы (H0) нет. Такая ошибка называется ошибкой первого рода . Например, если мы вспомним наше простое исследование влияния цвета веб-сайта на продажи, которое мы рассмотрели в нашем уроке по экспериментальному дизайну, мы выдвинули гипотезу, согласно которой синий веб-сайт будет генерировать больше продаж, чем красный. Мы проводим наш анализ и определяем, что данные говорят о том, что да, синий сайт генерирует больше продаж, чем красный; а оказывается цвет не оченьв конечном итоге это приведет к увеличению продаж (как показывают другие исследования или будущие данные). Это будет время, когда наш анализ выдаст ошибку I типа. Мы определили, что между вариантами есть разница, хотя на самом деле разницы не было. Причины ошибки могут быть самые разные. Возможно, мы неправильно интерпретировали данные, а может быть, кроме цвета, был еще какой-то фактор, который привел к разнице в продажах. Какой бы ни была причина, наше исследование дало ложноположительный результат ! Ложноотрицательные результаты — ошибки типа IIКогда данные, кажется, показывают, что что-то ложно, но на самом деле это правда, такая ситуация известна как «ложноотрицательный результат». Ложноотрицательный результат — еще одна ошибка, с которой вы можете столкнуться при проверке гипотезы. С точки зрения нулевой гипотезы (H0) и альтернативной гипотезы (H1), такого рода ошибка возникает, когда наш анализ приводит нас к ошибочному принятию нулевой гипотезы и отклонению альтернативной гипотезы , хотя на самом деле альтернативная гипотеза верна. Иными словами, мы утверждаем, что разницы (H0) нет, тогда как на самом деле разница (H1) между вариантами, изучаемыми в нашем анализе, есть. Подобные ошибки называются ошибками типа II . Давайте снова возьмем в качестве примера наше исследование влияния цвета сайта на продажи. На этот раз мы проводим наш анализ и обнаруживаем, что данные показывают, что цвет не влияет на продажи. Но затем мы обнаруживаем, что другое исследование или новые данные показывают, что на самом деле синий веб-сайт имеет тенденцию генерировать больше продаж, чем красный. Это был бы момент, когда наш анализ выдал бы ошибку типа II. Наш анализ подсказал нам, что между вариантами нет никакой разницы, хотя на самом деле она была. В этом случае наш анализ привел нас к ложноотрицательному результату . |