Table of Contents
Aktualisiert
In diesem Punkt werden einige der möglichen Ursachen beschrieben, die insbesondere zu Fehlerstatistiken vom Typ 1 führen können. Außerdem werde ich einige potenzielle Wiederherstellungsformulare hervorheben, mit denen Sie versuchen können, die Fehlfunktion zu beheben. g.Ein spezifischer Typ-1-Fehler, der auch als falscher Supervisor anerkannt wird, tritt auf, wenn eine Wissenschaft irrtümlicherweise eine wahre Nullhypothese bestreitet. Dies bedeutet, dass Sie berichten, dass Ihre Ergebnisse oft großartig sind, obwohl sie in Wirklichkeit die Lösung des Zufalls sind. Ein mit 0,01 verbundener p-Wert würde beispielsweise bedeuten, dass eine echte Wahrscheinlichkeit von 1 % besteht, einen Fehler vom Typ I zu machen.
g.
Statistische Hypothesen bestätigen, dass keine Methode zu 100 % garantiert werden sollte: Dies liegt einfach daran, dass wir uns beim Experimentieren auf Wahrscheinlichkeiten verlassen.
Wenn Internet-Marketingspezialisten und Akademiker Hypothesen untersuchen, suchen sie nach statistisch signifikanten Ergebnissen. Dies bedeutet, dass die Ergebnisse über eine Distanz von Wahrscheinlichkeiten (normalerweise 95 %) richtig sein müssen.
Obwohl angenommen wird, dass Testannahmen gut sind, gibt es meistens zwei Arten von Fehlern.
Dies sind Probleme, die als Sie- und Typ-2-Dilemmata bekannt sind (Typ-I-Fehler, ganz zu schweigen von Typ-II-Fehlern).
Was sind Fehler vom Typ 1
Wie nummeriert man 1 Fehler?
Ein Fehler vom Typ I bedeutet genau, wer, wenn die Nullhypothese tatsächlich aufrichtig ist, abgelehnt wird. Daraus kann geschlossen werden, dass die Ergebnisse bestanden haben und Statistiken signifikant sind, wenn sie tatsächlich mehr oder weniger auf Zufall oder unbedeutende Faktoren zurückzuführen sind. Die Fehlergefahr ist die von Ihrem Unternehmen gewählte Signifikanz (Alpha oder Prä-Alpha).
Fehler der allerersten Art, die oft als Fälschungen bezeichnet werden, treten beim Testen von Hypothesen auf, wenn die Nullhypothese in vielen Fällen richtig ist, die Phänomene aber verworfen werden.
Einfach ausgedrückt sind Typ-1-Probleme “falsch * positiv”, wenn alle Tester bestätigen, dass eine statistisch signifikante Transformation erwartet wird, wenn keine vorhanden ist.
Fehler des gleichen Typs haben die neue Wahrscheinlichkeit von „±“, was dem von Ihnen eingestellten Beruhigungsniveau entspricht. Ein Test mit einem absolut sicheren Konfidenzniveau von 95 % bedeutet, dass eine Wahrscheinlichkeit von 5 % besteht, einen ausgewählten Fehler zu erhalten.
Folgen eines Fehlers Typ 1
Aktualisiert
Sind Sie es leid, dass Ihr Computer langsam läuft? Genervt von frustrierenden Fehlermeldungen? ASR Pro ist die Lösung für Sie! Unser empfohlenes Tool wird Windows-Probleme schnell diagnostizieren und reparieren und gleichzeitig die Systemleistung drastisch steigern. Warten Sie also nicht länger, laden Sie ASR Pro noch heute herunter!
Fehler vom Typ 12 können mit hoher Wahrscheinlichkeit (5% Wahrscheinlichkeit hat sich ausgezahlt) oder sogar dadurch auftreten, dass Sie sich nicht an die ursprünglich für Ihren Test definierten Proportionen und Stichprobengröße gehalten haben.
Daher kann ein Fehler vom Typ 1 sehr wohl zu falsch positiven Ergebnissen führen. Dies impliziert, dass Sie fälschlicherweise glauben, dass der Hypothesentest funktioniert hat, falls dies nicht der Fall war. Echt
In real existierenden Situationen kann dies bedeuten, dass potenzielle Verkäufe aufgrund einer offensichtlich falschen Annahme, die durch den Test ausgelöst wurde, verpasst werden.
Reale Umstände im Zusammenhang mit vermutetem Fehler Typ 1
Nehmen wir an, Sie müssen die Anzahl der Conversions für dieses Banner auf Ihrer Website erhöhen. WhatWenn es funktionierte, plante eine Person, ein Bild hinzuzufügen, um zu sehen, ob dies die Conversions erhöhen würde oder nicht.
Sie beginnen Ihren A / B-Test, indem Sie eine Version (A) anbieten, die dem Modell (B) feindlich gegenübersteht und dessen Aussehen enthält. Nach 5 Tagen übertrifft System (B) in der Regel die Kontrollversion a, weil man die 25%ige Steigerung der Konversion mit 85% Vertrauen verwechselt.
Sie stoppen den Test und definieren das Bild in Ihrem Banner neu. In einem neuen neuen Monat stellen Sie jedoch fest, dass die Zahl der Conversions von Monat zu Monat gesunken ist.
Dies liegt daran, dass Sie einen Fehler wie diesen haben: 1 Ihre Sorte hält oft nicht immer Ihrer langfristigen Kontrollversion stand.
Was sind Fehler vom Typ II
Wenn bei mindestens einem Fehler häufig von “false positive” gesprochen wird, werden Fehler vom Typ 2 im Markt als “false negative” bezeichnet.
Fehler vom Typ 2 treten auf, wenn Sie fälschlicherweise annehmen, dass zwischen der Grundlinie und der Grundlinie kein Sieger verkündet wurde, obwohl es tatsächlich alle Gewinner gibt.
Statistisch gesehen treten exakte Typ-2-Herausforderungen auf, wenn die Nullhypothese künstlich ist. Mai, kommt obendrein nicht hinterher.
Wenn die wichtigste Wahrscheinlichkeit, einen Typ zu einem bestimmten Bereich zu machen, ein durch „±“ definierter Fehler ist, ist eine Design- und Stil-2-Möglichkeit ein Fehler bei der Überprüfung von „²“. Beta hängt von der Stärke des bestehenden Tests ab (dh von der Wahrscheinlichkeit, einen Fehler vom Typ 2 nicht zu delegieren, der innerhalb von 1- resultiert).
Es gibt 3 Parameter, die sich auf die Testleistung auswirken können:
- Musikgröße(n)
- Signifikanzniveau Ihrer Probefahrt (Î ±)
- “Realer” Wert des bestätigten Parameters (mehr Tipps hier)
Folgen des Typs effektiver Fehler
Wie Fehler vom Typ 1 können Dateneingabefehler zu falschen Annahmen und schlechten Entscheidungen führen, die nur zu Umsatzeinbußen und möglicherweise zu reduzierten Gewinnen führen können.
Darüber hinaus könnte ein tatsächlich gefälschtes negatives Ergebnis (ohne es zu merken) Ihre Bemühungen zur Conversion-Optimierung sicherlich diskreditieren, selbst wenn Ihr Heimunternehmen Ihre Hypothese bestätigen könnte. Könnte dies Ihr eigener entmutigender Wendepunkt für alle CRO-Experten im Vergleich zu digitalen Vermarktern sein?
Spezifisches Beispiel für eine erfolglose Spielproduktion
Angenommen, Sie verbinden ein E-Commerce-Unternehmen, das anspruchsvolle, hochwertige Gadget-Produkte an technisch versierte Kunden verkauft. Um diese Anzahl an Conversions direkt zu erhöhen, müssen Sie jeden unserer FAQ-Bereiche auf Ihrer Gadget-Seite anpassen.
Du führst einen A/B Tryout digital durch, um zu sehen, ob Option (B) deine Kontrollversion (A) in den Schatten stellen kann.
An diesem Datum sehen Sie keinen Unterschied in den Verkäufen: In beiden Versionen scheinen sich die Befürchtungen gleichzeitig zu ändern und Sie beginnen, an Ihrer Theorie zu zweifeln. Brechen Sie den Test nach drei Tagen ab und bewahren Sie Ihr Produktformular so auf, wie es ist.
An dieser Stelle nähern Sie sich dem Hinzufügen dieser FAQ zu Ihrem Repository, ohne die Konvertierungen zu beeinträchtigen.
Zwei Monate später stellen Sie fest, dass ein Mitbewerber möglicherweise gleichzeitig mit mir eine FAQ erstellt und gleichzeitig eine deutliche Steigerung der Conversions festgestellt hat. Sie entscheiden sich mit Wiederholung des gesamten Tests im Monat, um mathematisch relevantere Ergebnisse basierend auf einer erhöhten Konfidenzkonzentration (zB 95%) zu erhalten.
Nach einem Monat, was eine große Überraschung ist, wird die Person einen positiven Anstieg der Conversion-Kosten für Option (B) feststellen. Das Hinzufügen von FAQs beim Aufgeben Ihrer Produkt-URL hat Ihrem Arbeitsbereich tatsächlich mehr Werbung verschafft als die Rezensionsversion.
Richtig – beim ersten Test sind ein paar Fehler aufgetreten!
Beschleunigen Sie Ihren Computer noch heute mit diesem einfachen Download.
Was ist ein Typ-1-Fehler im Berichtsbeispiel?
Beispiele für Fehler des Typs I Keine Spekulationen, dass eine Person unschuldig sein könnte, für einen langen Zeitplan ist die Alternative schuld. Ein Fehler vom Typ I würde in diesem Fall bedeuten, dass eine Person, die nicht für unschuldig befunden wurde, ins Gefängnis kommt, selbst wenn sie in diesem Stadium in Wirklichkeit unschuldig ist.
Wie Sie Typ 1 und Typ 1 bestimmen. 5 Fehler?
Ein Fehler vom Typ I (falsch positiv) tritt auf, wenn derselbe Forscher eine Nullhypothese ablehnt, die typischerweise für eine Population eindeutig zutrifft; Ein Korrektheitsfehler vom Typ II (falsch-negativ) tritt auf, wenn der Untersucher die Nulltheorie nicht ablehnt, die eigentlich falsch wäre.
How Do I Fix The Statistics Of Type 1 Identification Errors?
Comment Corriger Les Statistiques Des Erreurs D’identification De Type 1 ?
Hoe Los Ik De Statistieken Van Type 1 Identificatiefouten Op?
Hur åtgärdar Jag Statistiken För Identifieringsfel Av Typ 1?
Jak Naprawić Statystyki Błędów Identyfikacji Typu 1?
유형 1 식별 오류의 통계는 어떻게 수정합니까?
¿Cómo Soluciono Las Estadísticas De Errores De Identificación De Tipo 1?
Como Corrijo As Estatísticas De Erros De Identificação Do Tipo 1?
Как исправить статистику ошибок идентификации 1-го типа?
Come Posso Correggere Le Statistiche Degli Errori Di Identificazione Di Tipo 1?
