
Korean: 
이번 시간에는
1종 오류와
2종 오류에 대해 알아봅니다
이는 유의성 검정의 일부입니다
살짝 복습해볼까요?
유의성 검정을
시작하기 위해
귀무가설과
대립가설을 먼저 세웁니다
모집단에 대하여 설정합니다
귀무가설은 이 모집단에 대한
실제 모수에 대한 가정입니다
귀무가설은 평소에
항상 가정되거나
현 상태를 유지하는
경향이 있습니다
반면에 대립가설은
대체할 수 있는
무언가가 존재합니다
대체할 수 있는
무언가가 존재합니다
귀무가설을 검정하기 위해
귀무가설을 검정하기 위해
귀무가설 기각 여부를 결정합니다
귀무가설 기각 여부를 결정합니다
모집단으로부터
표본을 추출하는데
모집단으로부터
표본을 추출하는데
이 표본을 이용하여
통계량을 계산하고

Bulgarian: 
В това видео
ще говорим за грешки Тип I
и грешки Тип II
и това е в контекста на тестове за значимост.
Като малък преговор –
за да направим тест за значимост,
първо измисляме нулева
и алтернативна хипотеза.
И ще направим това за някаква дадена генерална съвкупност.
Някакви хипотези за реален показател
за тази генерална съвкупност.
И нулевата хипотеза по принцип е нещо,
което винаги се е предполагало, 
или настоящото състояние,
докато алтернативната хипотеза
съдържа някаква новост, 
някаква алтернатива.
И за да я проверим...
и проверяваме нулевата хипотеза.
Ще решим дали искаме да отхвърлим,
или няма да можем да отхвърлим нулевата хипотеза,
взимаме извадка.
Взимаме извадка от тази генерална съвкупност.
Използвайки тази извадка пресмятаме 
една статистическа характеристика,

English: 
- [Instructor] What we're
gonna do in this video
is talk about Type I errors
and Type II errors
and this is in the context
of significance testing.
So just as a little bit of review,
in order to do a significance test,
we first come up with a null
and an alternative hypothesis.
And we'll do this on some
population in question.
This will say some hypotheses
about a true parameter
for this population.
And the null hypothesis
tends to be kind of
what was always assumed or the status quo
while the alternative hypothesis,
hey, there's news here,
there's something alternative here.
And to test it, and we're really testing
the null hypothesis.
We're gonna decide
whether we want to reject
or fail to reject the null hypothesis,
we take a sample.
We take a sample from this population.
Using that sample, we
calculate a statistic,

Korean: 
이는 모수를
추정하기 위함입니다
이는 모수를
추정하기 위함입니다
이 통계량을 사용하여
통계량을 얻을 확률을 구합니다
통계량을 얻을 확률을 구합니다
통계량을 얻을 확률을 구합니다
특정 크기의
표본으로부터 계산합니다
귀무가설이 참이라는
가정 하에 말이죠
귀무가설이 참이라는
가정 하에 말이죠
귀무가설이 참이라는
가정 하에 말이죠
p값으로 불리는 이 확률은
유의수준이라 불리는
미리 설정한 한계점보다 작습니다
그러면 귀무가설을 기각합니다
적어볼게요
이는 p값이고
지금은 복습하는 중입니다
다른 강의에서 배웠죠
만약 p값이
유의수준보다 작으면
만약 p값이
유의수준보다 작으면
귀무가설을 기각하고
p값이
유의수준 α 이상이라면

Bulgarian: 
пресмятаме една характеристика, 
която опитва да изчисли
въпросния показател.
И после използваме тази характеристика,
за да опитаме да намерим вероятността
да получим тази характеристика,
вероятността да получим тази характеристика,
която току-що изчислихме от тази извадка
с определен размер, при положение, че приемем,
че нулевата ни хипотеза –
ако нулевата ни хипотеза е вярна.
И ако тази вероятност, която често
 е позната като р-стойност,
е под някакъв праг, който 
поставяме предварително,
което е познато като 
ниво на значимост,
тогава ще отхвърлим 
нулевата хипотеза.
Нека запиша това.
Това тук е нашата р-стойност.
Това трябва да е преговор,
въведохме я в други видеа.
Виждали сме в други видеа, 
че ако нашата р-стойност
е по-малка от нивото ни на значимост,
тогава отхвърляме нулевата хипотеза
и ако нашата р-стойност

English: 
we calculate a statistic,
that's trying to estimate
the parameter in question.
And then using that statistic,
we try to come up with the probability
of getting that statistic,
the probability of getting that statistic
that we just calculated from that sample
of a certain size, given
if we were to assume
that our null hypothesis,
if our null hypothesis is true.
And if this probability, which
is often known as a p-value,
is below some threshold
that we set ahead of time
which is known as the significance level,
then we reject the null hypothesis.
Let me write this down.
So this right over here,
this is our p-value.
This should all be review,
we introduced it in other videos.
We have seen on other
videos if our p-value
is less than our significance level,
then we reject our null hypothesis,
and if our p-value

English: 
is greater than or equal to
our significance level, alpha,
then we fail to reject,
fail to reject our null hypothesis.
And when we reject our null hypothesis,
some people will say that might suggest
the alternative hypothesis.
And the reason why this makes sense is
if the probability
of getting the statistic from a sample
of a certain size, if we assume
that the null hypothesis is true
is reasonably low if
it's below a threshold,
maybe this threshold is 5%,
if the probability of that
happening was less than 5%,
then hey, maybe it's
reasonable to reject it.
But we might be wrong in
either of these scenarios
and that's where these
errors come into play.
Let's make a grid to make this clear.
So there's the reality,
let me put reality up here,
so the reality is there's two
possible scenarios in reality,
one is the null hypothesis is true

Bulgarian: 
е по-голяма от или равна на 
нивото ни на значимост, алфа,
тогава не можем да отхвърлим,
не успяваме да отхвърлим 
нулевата си хипотеза.
И когато отхвърлим 
нулевата си хипотеза,
някои хора ще кажат, че това
 може да предположи
алтернативната хипотеза.
Причината това да е логично е
че ако вероятността
да получим тази характеристика 
от една извадка
с определен размер, ако приемем,
че нулевата хипотеза е вярна,
е сравнително ниска, ако е 
под определен праг,
може би този праг е 5%,
ако вероятността това да се случи 
е по-малка от 5%,
тогава може би е разумно 
да я отхвърлим.
Но може да грешим в който и да е 
от тези сценарии
и тук грешките се включват
 в картинката.
Нека направим мрежа, 
за да изясним това.
Това е реалността,
нека я поставя тук горе,
реалността е че има 
два вероятни сценария,
като единият е, че нулевата
 хипотеза е вярна,

Korean: 
p값이
유의수준 α 이상이라면
귀무가설을 기각하지 못합니다
귀무가설을 기각하지 못합니다
귀무가설을 기각할 때
대립가설이 타당해집니다
대립가설이 타당해집니다
이것이 성립하는 이유는
특정 크기의 표본으로부터
통계량을 얻을 확률은
특정 크기의 표본으로부터
통계량을 얻을 확률은
귀무가설이 참이라고 가정하면
귀무가설이 참이라고 가정하면
헌계점보다 낮은 것이 타당합니다
한계점은 5%가 되겠죠
이것이 발생할 확률이
5%보다 작다면
기각하기에 타당하다고
볼 수 있습니다
하지만 두 상황 모두
틀릴 수도 있습니다
이 두 오류에 따라서 말입니다
표를 그려봅시다
여기에 현실이라고 적겠습니다
여기에 현실이라고 적겠습니다
현실에선 두 상황이
존재하는데
귀무가설이 참이라는 것과

Bulgarian: 
а другият е, че нулевата
 хипотеза е грешна.
И после въз основа на 
теста за значимост,
има две неща, които 
може да направим.
Може да отхвърлим 
нулевата хипотеза
или може да не успеем
да отхвърлим нулевата хипотеза.
Нека поставим малка мрежа тук,
за да помислим 
за различните комбинации,
за различните сценарии.
В единия сценарий, при който 
нулевата хипотеза е вярна,
но я отхвърлим, това 
изглежда е грешка.
Не трябва да отхвърляме нещо, 
което е вярно,
а това е грешка Тип I.
Грешка Тип I.
Не трябва да отхвърляш 
нулевата хипотеза, ако е вярна.
И дори можеш да откриеш
 каква е вероятността
да получиш грешка Тип I.
Това ще е нивото на значимост,
понеже ако нулевата хипотеза е вярна,
да кажем, че нивото на значимост е 5%,

Korean: 
귀무가설이 거짓이라는 것입니다
유의성 검정을 바탕으로
두 가지를 해야 하는데요
귀무가설을 기각하거나
기각하지 못하는 것입니다
기각하지 못하는 것입니다
선을 그어볼게요
다른 조합
다른 상황을 고려해 봅시다
귀무가설이 참인 상황에서
기각한다면
이는 오류가 되겠죠
참인 경우에 기각할 수 없습니다
이는 1종 오류입니다
1종 오류
귀무가설이 참이라면
기각할 수 없습니다
1종 오류가 발생할 확률을
구할 수 있습니다
바로 유의수준입니다
만약 귀무가설이 참이라면
유의수준이 5%일 때

English: 
and the other is that the
null hypothesis is false,
and then based on our significance test,
there's two things that we might do,
we might reject the null hypothesis,
or we might fail to
reject the null hypothesis.
And so let's put a little grid here
to think about the different combinations,
the different scenarios here.
So in a scenario where the
null hypothesis is true,
but we reject it, that
feels like an error.
We shouldn't reject something that is true
and that indeed is a Type I error.
Type I error.
You shouldn't reject the null
hypothesis if it was true.
And you can even figure
out what is the probability
of getting a Type I error.
Well that's gonna be
your significance level
because if your null hypothesis is true,
let's say that your
significance level is 5%,

English: 
well 5% of the time, even if
your null hypothesis is true,
you're going to get a statistic
that's going to make you
reject the null hypothesis.
So one way to think about the
probability of a Type I error
is your significance level.
Now, if your null hypothesis is true
and you failed to reject
it, well that's good.
This we can write this as,
this is a correct conclusion.
The good thing just happened
to happen this time.
Now, if your null hypothesis
is false and you reject it,
that's also good.
That is the correct conclusion.
But if your null hypothesis is false
and you failed to reject it, well then
that is a Type II error.
That is a Type II error.
Now with this context,
in the next few videos,
we will actually do some examples
where we try to identify,
one, whether an error is occurring

Bulgarian: 
тогава през 5% от случаите, дори ако нулевата хипотеза е вярна,
тогава ще получиш характеристика,
която ще те накара да отхвърлиш нулевата хипотеза.
Един начин да помислим за грешка Тип I
е нивото на значимост.
Ако нулевата хипотеза е вярна
и не успееш да я отхвърлиш, това е добре.
Това е вярно заключение.
Този път просто се е случило правилното нещо.
Ако нулевата хипотеза е грешна и я отхвърлиш,
това също е добре.
Това е вярното заключение.
Но ако нулевата хипотеза е грешна
и не успееш да я отхвърлиш, тогава
това е грешка Тип II.
Това е грешка Тип II.
В този контекст 
в следващите няколко видеа
ще направим няколко примера,
при които ще се опитаме 
да идентифицираме
първо, дали има грешка,

Korean: 
귀무가설이 참이라고 해도
이를 기각하게 만드는
통계량을 얻게 되기 때문입니다
따라서 1종 오류가
발생할 확률을
유의수준입니다
귀무가설이 참이고
기각하지 못한다면
오류가 없습니다
타당한 결론이라고 적을게요
좋은 일이 일어났네요
이번에는 귀무가설이 거짓이고
이를 기각한다면
이 또한 타당한 결론입니다
이 또한 타당한 결론입니다
그러나 귀무가설이 거짓이고
기각하지 못한다면
이는 2종 오류입니다
이는 2종 오류입니다
이를 바탕으로
다음 강의에서는
예제를 풀어보려고 하는데요
오류의 발생 여부와
오류의 발생 여부와

English: 
and whether that error
is a Type I or a Type II.

Bulgarian: 
и второ, дали това е 
грешка Тип I или Тип II.

Korean: 
오류가 1종인지 2종인지를
판별할 것입니다
