Ne pas rejeter une hypothèse nulle fausse — un effet manqué.Une erreur de type II, également appelée faux négatif, se produit lorsqu'un test statistique ne parvient pas à rejeter une hypothèse nulle fausse. En d'autres termes, on passe à côté d'un effet ou d'une différence réelle qui existe pourtant. Alors que les erreurs de type I concernent les fausses découvertes, les erreurs de type II concernent les occasions manquées — ne pas détecter quelque chose qui est réellement présent.
La distinction entre les erreurs de type I et de type II a été formalisée par Jerzy Neyman et Egon Pearson dans leurs articles de 1928–1933 sur les tests d'hypothèses, en s'appuyant sur les travaux antérieurs de Ronald Fisher.
La probabilité de commettre une erreur de type II est notée par la lettre grecque bêta (β). Elle dépend de plusieurs facteurs : l'ampleur réelle de l'effet, la taille de l'échantillon, la variabilité des données et le niveau de signification choisi. La puissance d'un test, définie comme 1 − β, est la probabilité de rejeter correctement une hypothèse nulle fausse. Pour réduire les erreurs de type II, les chercheurs augmentent la taille des échantillons, réduisent le bruit de mesure ou utilisent des méthodes statistiques plus sensibles.
Crucial dans les essais cliniques (éviter l'approbation de médicaments inefficaces relève du type I, mais manquer un médicament bénéfique relève du type II), dans les tests de dépistage (par exemple, le dépistage du cancer), et dans toute recherche où le fait de ne pas détecter un effet réel a des conséquences.
Dans le dépistage médical, une erreur de type II se produit lorsqu'une mammographie ne détecte pas une tumeur pourtant présente — un faux négatif qui peut retarder le traitement.