誤拒絕

誤拒絕是統計學假設檢驗中的I型錯誤（α錯誤），指在原假設為真時錯誤地拒絕原假設的決策風險，表現為“假陽性”或“棄真”現象。其機率由顯著性水平α控制，通常設定為0.05。與II型錯誤（β錯誤）存在此消彼長的關係，需根據場景權衡控制，如在醫學領域誤拒絕可能導致健康人被誤診，而在司法領域或造成冤案。通過調整樣本量和顯著性水平，可最佳化檢驗效力（1-β）。

基本介紹

• 別稱：假陽性、棄真錯誤
• 機率符號：α
• 對立錯誤：II型錯誤（假陰性）
• 套用領域：醫學檢驗、司法決策
• 控制方式：預設顯著性水平
• 典型案例：無病誤判為有病 

定義與特徵

在假設檢驗中，誤拒絕特指當原假設（H₀）客觀上成立時，檢驗結果卻錯誤支持備擇假設（H₁）的情況。其主要特徵包括：

1. 發生機率對應顯著性水平α，通常由研究者預先設定為0.05或更低
2. 典型表現為過度敏感的系統判斷，例如：當誤拒絕率為0.05%時，每2000次合法授權訪問中可能產生一次錯誤攔截

與II型錯誤的關係

兩者構成假設檢驗風險的主要維度：

• 負相關性：在固定樣本量條件下，降低α閾值會增大II型錯誤β的機率，反之亦然
• 平衡策略：通過提升樣本量可同時降低兩類錯誤，但需權衡研究成本與錯誤後果的嚴重性
• 功效關聯：檢驗效力1-β反映正確拒絕假原假設的能力，當α從0.05降至0.01時，需增加樣本量以維持原有檢驗效力

實際套用中的意義

不同領域對誤拒絕的容忍度存在顯著差異：

• 醫學診斷：嚴格限制α以減少假陽性報告，如在藥物審批中避免無效藥物上市
• 司法審判：降低誤拒絕率對應“寧可錯放，不可錯判”原則，防範冤案發生
• 工業質檢：在生產線缺陷檢測中，可通過調整α值平衡產品報廢成本與客戶投訴風險