Bagaimana cara menemukan kemungkinan kesalahan tipe II?

Saya tahu bahwa kesalahan Tipe II adalah di mana H1 benar, tetapi H0 tidak ditolak.

Pertanyaan

Bagaimana cara menghitung probabilitas kesalahan Tipe II yang melibatkan distribusi normal, di mana standar deviasi diketahui?

Selain menentukan (probabilitas kesalahan tipe I), Anda memerlukan pasangan hipotesis yang ditentukan sepenuhnya, yaitu, , dan perlu diketahui. (probabilitas kesalahan tipe II) adalah . Saya menganggap satu sisi . Dalam R:$\alpha$$\mu_{0}$$\mu_{1}$$\sigma$$\beta$$1 - \textrm{power}$$H_{1}: \mu_{1} > \mu_{0}$

> sigma <- 15    # theoretical standard deviation
> mu0   <- 100   # expected value under H0
> mu1   <- 130   # expected value under H1
> alpha <- 0.05  # probability of type I error

# critical value for a level alpha test
> crit <- qnorm(1-alpha, mu0, sigma)

# power: probability for values > critical value under H1
> (pow <- pnorm(crit, mu1, sigma, lower.tail=FALSE))
[1] 0.63876

# probability for type II error: 1 - power
> (beta <- 1-pow)
[1] 0.36124

Edit: visualisasi

xLims <- c(50, 180)
left  <- seq(xLims[1],   crit, length.out=100)
right <- seq(crit, xLims[2],   length.out=100)
yH0r  <- dnorm(right, mu0, sigma)
yH1l  <- dnorm(left,  mu1, sigma)
yH1r  <- dnorm(right, mu1, sigma)

curve(dnorm(x, mu0, sigma), xlim=xLims, lwd=2, col="red", xlab="x", ylab="density",
      main="Normal distribution under H0 and H1", ylim=c(0, 0.03), xaxs="i")
curve(dnorm(x, mu1, sigma), lwd=2, col="blue", add=TRUE)
polygon(c(right, rev(right)), c(yH0r, numeric(length(right))), border=NA,
        col=rgb(1, 0.3, 0.3, 0.6))
polygon(c(left,  rev(left)),  c(yH1l, numeric(length(left))),  border=NA,
        col=rgb(0.3, 0.3, 1, 0.6))
polygon(c(right, rev(right)), c(yH1r, numeric(length(right))), border=NA,
        density=5, lty=2, lwd=2, angle=45, col="darkgray")
abline(v=crit, lty=1, lwd=3, col="red")
text(crit+1,  0.03,  adj=0, label="critical value")
text(mu0-10,  0.025, adj=1, label="distribution under H0")
text(mu1+10,  0.025, adj=0, label="distribution under H1")
text(crit+8,  0.01,  adj=0, label="power", cex=1.3)
text(crit-12, 0.004,  expression(beta),  cex=1.3)
text(crit+5,  0.0015, expression(alpha), cex=1.3)

Untuk melengkapi jawaban caracal, jika Anda mencari opsi GUI yang ramah pengguna untuk menghitung tingkat kesalahan atau kekuatan Tipe II untuk banyak desain umum termasuk yang tersirat oleh pertanyaan Anda, Anda mungkin ingin memeriksa perangkat lunak gratis, G Power 3 .