文章目录
统计学，论述什么是第一类错误和第二类错误？
第一类错误：reject the null when it is true. 第二类错误：accept the null when it is false. 我们进行检验的时候要明确H0才是我们要检验的东西，而H1是可能出现的错误，就像H0:X1=X2 H1:X1≠X2和他的反命题是结果并不一致的。 我们说的5%的假设检验说的是第一类错误的 概率，而我们选择的区间都是说的在第一类错误5%的情况下对第二类错误进行优化后的结果。 即最终给出的区间的第一类错误出现的可能性是5%，即正确的情况下没有落在这个区间内的可能性是5%。这只是个量化的指标，而这个指标选择了跟原命题相关性更大的使人们更容易理解，也更容易表述。而在这种情况下我们给出的置信区间是在第一类错误小于等于5%的情况下第二类错误最小的情况，所以说并不是不关心第二类错误或者认为第二类错误不重要。PS:1.应该是统计系的学生吧，上课应该好好听讲哦( •̀∀•́ )，老师会解释的啊。 2.好长时间没有看这块了，按照记忆答的，有错误欢迎指正。(以后你们也会用R或者SAS呢，其实这些东西如果打算直接工作的话其实并没有什么太大的影响，不过最好还是对自己的专业有一个更好的了解哦) 3.第一类错误和第二类错误都无法完全避免的，如果有一个是0呢，另外一个就变成最大值了。就像我们觉得有可能相等的全按相等算(第一类错误最小)，很容易就知道第二类错误就更加容易出现了。
一型二型错误的原理？
第一类错误即 I 型错误是指拒绝了实际上成立的H0，为“弃真”的错误，其概率通常用α表示，这称为显著性水平。α可取单侧也可取双侧，可以根据需要确定α的大小，一般规定α=0.05或α=0.01。
第二类错误即 II 型错误是指不拒绝实际上不成立的H0，为“存伪”的错误，其概率通常用β表示。β只能取单尾，假设检验时一般不知道β的值，在一定条件下(如已知两总体的差值δ、样本含量n和检验水准α)可以测算出来。
原理：第一类错误(typeⅠerror)，Ⅰ型错误，拒绝了实际上成立的H0，，即错误地判为有差别，这种弃真的错误称为Ⅰ型错误。其概率大小用即检验水准用α表示。α可取单尾也可取双尾。假设检验时可根据研究目的来确定其大小，一般取0.05，当拒绝H0时则理论上理论100次检验中平均有5次发生这样的错误.。 第二类错误(typeⅡ error)。Ⅱ型错误，接受了实际上不成立的H0 ，也就是错误地判为无差别，这类取伪的错误称为第二类错误。第二类错误的概率用β表示，β的大小很难确切估计。 二者的关系是，当样本例数固定时，α愈小，β愈大；反之，α愈大，β愈小。因而可通过选定α控制β大小。要同时减小α和β，唯有增加样本例数。统计上将1-β称为检验效能或把握度(power of a test)，即两个总体确有差别存在，而以α为检验水准，假设检验能发现它们有差别的能力。实际工作中应权衡两类错误中哪一个重要以选择检验水准的大小。
到此，以上就是小编对于假设检验犯第一类错误的概率的问题就介绍到这了，希望介绍的2点解答对大家有用，有任何问题和不懂的，欢迎各位老师在评论区讨论，给我留言。
微信扫一扫打赏
