Zanim zająłem się statystyką na poważnie, myślałem o błędach jak o jednej kategorii: albo się myli, albo nie. Testowanie hipotez pokazało mi, że pomyłka ma dwie zupełnie różne twarze, i że unikanie jednej niemal zawsze zwiększa ryzyko drugiej.
Błąd pierwszego rodzaju to fałszywy alarm — widzimy efekt tam, gdzie go nie ma. Błąd drugiego rodzaju to cisza tam, gdzie coś naprawdę się dzieje, a my tego nie wyłapaliśmy. Nie da się zredukować obu do zera jednocześnie — to zawsze kompromis, decyzja o tym, który rodzaj pomyłki jest w danej sytuacji bardziej kosztowny.
To myślenie wyszło poza analizę danych. Zacząłem zauważać ten sam kompromis wszędzie — w decyzjach medycznych, w ocenie ryzyka, nawet w codziennych wyborach. Pytanie nigdy nie brzmi 'jak uniknąć błędu', tylko 'który błąd jestem w stanie znieść'.
Dodaj komentarz