टाइप-I और टाइप-II त्रुटियाँ: सांख्यिकीय निर्णय की समझ (Type-I and Type-II Errors)

परिकल्पना परीक्षण (Hypothesis Testing) में हम हमेशा दो निर्णयों में से एक लेते हैं — शून्य परिकल्पना (H₀) को स्वीकार करना या अस्वीकार करना। लेकिन यह निर्णय नमूना डेटा पर आधारित होता है, इसलिए इसमें गलती की संभावना हमेशा बनी रहती है। इसी गलती को हम Type-I और Type-II Errors कहते हैं।

1️⃣ त्रुटियों की अवधारणा (Concept of Errors)

किसी भी सांख्यिकीय निर्णय में दो प्रकार की संभावित गलतियाँ हो सकती हैं:

• Type-I Error (α): सही शून्य परिकल्पना को अस्वीकार करना।
• Type-II Error (β): गलत शून्य परिकल्पना को स्वीकार करना।

उदाहरण:

मान लीजिए हम यह जाँच रहे हैं कि किसी दवा का प्रभाव है या नहीं। H₀: दवा का कोई प्रभाव नहीं है H₁: दवा का प्रभाव है

• यदि वास्तव में दवा प्रभावी नहीं है लेकिन हमने निष्कर्ष निकाला कि यह प्रभावी है → Type-I Error।
• यदि वास्तव में दवा प्रभावी है लेकिन हमने निष्कर्ष निकाला कि यह प्रभावी नहीं है → Type-II Error।

2️⃣ निर्णय सारणी (Decision Table)

वास्तविक स्थिति	निर्णय (H₀ स्वीकार)	निर्णय (H₀ अस्वीकार)
H₀ सत्य	सही निर्णय	Type-I Error (α)
H₁ सत्य	Type-II Error (β)	सही निर्णय

3️⃣ त्रुटियों की संभावनाएँ

• P(Type-I Error) = α = Level of Significance
• P(Type-II Error) = β

Type-I Error की संभावना को कम करने के लिए α का मान छोटा रखा जाता है (जैसे 0.01 या 0.05)। लेकिन α को घटाने पर β बढ़ सकता है — इसलिए दोनों के बीच संतुलन आवश्यक है।

4️⃣ परीक्षण की शक्ति (Power of a Test)

परीक्षण की शक्ति (Power of Test) को परिभाषित किया जाता है:

Power = 1 - β

यह बताती है कि किसी गलत शून्य परिकल्पना को सही ढंग से अस्वीकार करने की क्षमता कितनी है। एक अच्छे परीक्षण की शक्ति अधिक होनी चाहिए।

5️⃣ Type-I और Type-II Errors का ग्राफिकल व्याख्यान

मान लीजिए दो वितरण हैं — एक H₀ के लिए और दूसरा H₁ के लिए। Critical Region को ऐसे चुना जाता है कि α और β दोनों संतुलित रहें। α वह क्षेत्र है जहाँ हम गलती से H₀ को अस्वीकार करते हैं, और β वह क्षेत्र है जहाँ हम गलती से H₀ को स्वीकार कर लेते हैं।

6️⃣ त्रुटियों को नियंत्रित करने के तरीके

• नमूना आकार (Sample Size) बढ़ाएँ — इससे β कम होगा।
• α को उचित रूप से चुनें।
• उपयुक्त Statistical Test का चयन करें।
• Experimental Design को बेहतर बनाएं।

7️⃣ व्यावहारिक उदाहरण

उदाहरण 1:

एक Quality Control Engineer किसी मशीन से उत्पादित वस्तुओं की जांच करता है। H₀: मशीन ठीक है H₁: मशीन खराब है

• यदि मशीन सही है लेकिन Engineer उसे बदल देता है → Type-I Error
• यदि मशीन खराब है लेकिन वह उसे चलाता रहता है → Type-II Error

8️⃣ महत्व (Importance)

• त्रुटियों को समझना Statistical Decision Making के लिए आवश्यक है।
• वे Hypothesis Testing की विश्वसनीयता निर्धारित करते हैं।
• Power of Test को सही रखने के लिए α और β में संतुलन आवश्यक है।

9️⃣ निष्कर्ष

Type-I और Type-II Errors किसी भी सांख्यिकीय परीक्षण की नींव हैं। एक सही वैज्ञानिक निर्णय लेने के लिए इन त्रुटियों की स्पष्ट समझ आवश्यक है ताकि परिणाम विश्वसनीय और संतुलित हों।