假設檢驗中的兩類錯誤

假設檢驗及其兩類錯誤是數理統計學中的名詞。在進行假設檢驗時提出原假設和備擇假設，原假設實際上是正確的，但我們做出的決定是拒絕原假設，此類錯誤稱為第一類錯誤。原假設實際上是不正確的，但是我們卻做出了接受原假設的決定，此類錯誤稱為第二類錯誤。

基本介紹

• 中文名：假設檢驗中的兩類錯誤
• 外文名：2 types of error in hypothesis test
• 概述：一般稱為Ⅰ類錯誤和Ⅱ類錯誤。
• 產生原因：樣本中極端數值

兩類錯誤

假設檢驗中的兩類錯誤是指在假設檢驗中，由於樣本信息的局限性，勢必會產生錯誤，錯誤無非只有兩種情況，在統計學中，我們一般稱為Ⅰ類錯誤，Ⅱ類錯誤。

右圖是研究結論和實際情況關係的矩陣：

		實際情況
		H0正確	H0錯誤
研究結論	拒絕H0	I類錯誤	正確
	接受H0	正確	II類錯誤

第一類錯誤（Ⅰ類錯誤）也稱為 α錯誤，是指當虛無假設(H0)正確時，而拒絕H0所犯的錯誤。這意味著研究者的結論並不正確，即觀察到了實際上並不存在的處理效應。

可能產生原因：

1、樣本中極端數值。

2、採用決策標準較寬鬆。

第二類錯誤（Ⅱ類錯誤）也稱為β錯誤，是指虛無假設錯誤時，反而接受虛無假設的情況，即沒有觀察到存在的處理效應。

可能產生的原因：

1、實驗設計不靈敏。

2、樣本數據變異性過大。

3、處理效應本身比較小。

兩類錯誤的關係：

1、 α+β不一定等於1。

2、在樣本容量確定的情況下，α與β不能同時增加或減少。

3、統計檢驗力。（1-β）

危害

犯Ⅰ類錯誤得危害較大，由於報告了本來不存在的現象，則因此現象而衍生出的後續研究、套用的危害將是不可估量的。相對而言，Ⅱ類錯誤的危害則相對較小，因為研究者如果對自己的假設很有信心，可能會重新設計實驗，再次來過，直到得到自己滿意的結果（但是如果對本就錯誤的觀點堅持的話，可能會演變成Ⅰ類錯誤）。