Hello I'm Raiyyan Tahsan
Brand Model and Executive

(29).Pharmacology Case No 34. Type 1 Error (False Positive)

Type 1 Error (False Positive)

Type 1 error ঘটে তখন, যখন আপনি একটি স্টাডিতে null hypothesis (H₀) কে বাতিল (reject) করে দেন, অথচ বাস্তবে সেটা সঠিক ছিল। অর্থাৎ, আপনি বলেন যে, “এই চিকিৎসা বা ওষুধটি কার্যকর”, কিন্তু আসলে সেটি কাজ করে না — আপনি একটি ভুল পজিটিভ ফল পেয়েছেন।

একটা সহজ উদাহরণ দিয়ে বলা যায় — ধরুন আপনি এমন একটা ওষুধ নিয়ে কাজ করছেন যা বলে দেয়, এটা মাথাব্যথা কমায়। গবেষণায় আপনি দেখলেন কিছু পার্থক্য আছে এবং সিদ্ধান্ত নিলেন, “হ্যাঁ, ওষুধটা সত্যিই কাজ করে”। কিন্তু বাস্তবে যদি সেই ওষুধটার কার্যকারিতা না থাকে — তাহলে আপনি Type 1 error করে ফেলেছেন।

আরেকটা উদাহরণ ধরুন — ধরুন একটি নতুন ইনজেকশন ট্রায়ালে আনা হয়েছে যা বলছে, এটি ডায়াবেটিস কমাতে সাহায্য করে। আপনি ট্রায়ালের ডেটা দেখে মনে করলেন, ইনজেকশনটা কার্যকর। কিন্তু পরে দেখা গেল, যাঁরা এই ইনজেকশন নেননি, তাঁদের অবস্থাও একই রকম ছিল — মানে ইনজেকশনটার কোনো বাস্তব উপকারই ছিল না। এখানে আপনি ভুলভাবে ভেবেছেন যে চিকিৎসা কাজ করেছে — এটিই হলো Type 1 error।

এই ধরনের ভুলকে বলা হয় False Positive — কারণ আপনি পজিটিভ রেজাল্ট পেয়েছেন, কিন্তু সেটা ভুল ছিল। একে আরেকভাবে বলা হয় Alpha error। সাধারণত গবেষণায় এই ভুলের ঝুঁকি কম রাখতে Significance level (α) সেট করা হয়, যেমন p < 0.05। অর্থাৎ, আপনি ৫% রিস্ক নিচ্ছেন Type 1 error করার।

এই বিশ্লেষণ আপনাকে মূলত দেখায় যে, Type 1 error হচ্ছে সেই পরিস্থিতি, যেখানে আপনি এমন কিছু বিশ্বাস করে ফেলেন যা সত্য নয়, শুধুমাত্র ডেটায় কিছু সাময়িক বা কাকতালীয় পার্থক্য দেখে।

Summary হলো –

আপনি null hypothesis (যেটা বলে কোনো পার্থক্য নেই) কে বাতিল করেন

কিন্তু আসলে সেটাই সত্য ছিল

আপনি মনে করেন ট্রিটমেন্ট বা ওষুধ কাজ করেছে

কিন্তু বাস্তবে সেটি কাজ করেনি

একে বলা হয় False Positive বা Alpha error

এই ভুল কমানোর জন্য Significance level (α) ব্যবহার করা হয়, যেমন 0.05 Raiyyan Tahsan. Date:-16-04-2025 Wednesday Time:-08-01-46 Pm

Leave a Comment

Your email address will not be published. Required fields are marked *

Scroll to Top