タイプIIエラーが統計文献でそれほど強調されていないのはなぜですか？

さまざまな研究記事で、タイプIのエラー（アルファ値で示される）が説明される多くのケースを見てきました。私は、研究者が力、またはタイプIIエラーを考慮することはまれであることに気づきました。

タイプIIのエラーは大きな問題になる可能性がありますか？対立仮説が実際に偽であった場合、それを誤って却下しました。なぜベータ値ではなくアルファ値がそれほど強調されるのですか？

初年度の統計をとったとき、ベータは教えられなかった-アルファのみ。私はこれら2つのエラーは同等に扱われるべきだと感じています。しかし、アルファのみが強調されているようです。

これは良い質問です。いくつかの説明から始めましょう：

• 「[t] ype IIエラーが[重要]である」（またはタイプIエラーが重要である）ことを意味しているわけではありません。確かに、本当の効果を見逃したことは非常に重要かもしれません。
• また、一般的に「帰無仮説」は受け入れません。（詳細については、ここで私の回答を読むと役立つ場合があります。統計学者が有意ではない結果が帰無仮説を受け入れるのではなく、「帰無を拒否できない」と言うのはなぜですか？）

パワーとタイプIIのエラーにあまり注意が払われていないのは（残念ながら）正しいと思います。生物医学研究では状況が改善していると思いますが（たとえば、現在、資金提供機関やIRBは電力分析を要求していることが多い）、これにはいくつかの理由があると思います。

1. 単純な意味よりも、人が理解する力は難しいと思います。（これは、一部は未知数、特に効果サイズに依存しているためですが、他にもあります）。
2. $\ne0$
3. 科学者たちは伝統的にタイプIのエラーはタイプIIのエラーよりも悪いと想定してきました。

その理由は、実際のタイプIIエラー率がわからないだけで、わからないためです。通常はわからないパラメータに依存します。次に、このパラメーターがわかっていれば、統計的検定を行う必要はありません。

ただし、いくつかの代替案が当てはまる場合は、特定のタイプIIエラー率が満たされるように実験を計画することができます。このようにして、リソースを無駄にしないサンプルサイズを選択します。つまり、テストが最終的に拒否されないため、またはすでにはるかに小さいサンプルサイズで仮説を拒否するのに十分であったためです。