Statistics 简明教程
Statistics - Type I & II Errors
I 型错误和 II 型错误表示统计假设检验的错误结果。I 型错误表示错误地拒绝了一个有效的零假设,而 II 型错误则表示错误地保留了一个无效的零假设。
Type I Error
考虑示例 1。其中零假设为真,即添加到牙膏中的水对蛀牙没有影响。但是,如果我们使用实验数据检测到添加的水对蛀牙有影响,那么我们就否定了真正的零假设。这是一个 I 型错误。它也称为假阳性条件(一种表明存在给定条件但实际上并不存在的状况)。I 型错误率或 I 型显着性水平表示在零假设为真时拒绝零假设的概率。
I 型错误记为 $ \alpha $,也称为 alpha 水平。一般来说,I 型错误显著性水平为 0.05 或 5% 是可以接受的,这意味着错误拒绝零假设的概率为 5% 是可以接受的。
Type II Error
考虑示例 2。在此,零假设为假,即添加到牙膏中的氟化物对龋齿有效。但是,如果使用实验数据,我们没有检测到添加到龋齿中的氟化物的效果,那么我们正在接受一个错误的零假设。这是一个 II 型错误。它也称为假阳性条件(表明给定条件不存在但实际上存在的情况)。
II 型错误记为 $ \beta $,也称为 beta 水平。
统计检验的目标是确定是否可以拒绝零假设。统计检验可以拒绝或无法拒绝零假设。下表说明了以 I 型或 II 型错误为条件的零假设的真或假与检验结果之间的关系。
Judgment |
零假设 ($ H_0 $) 为 |
Error Type |
Inference |
Reject |
Valid |
I 型错误(假阳性) |
Incorrect |
Reject |
Invalid |
True Positive |
Correct |
Unable to Reject |
Valid |
True Negative |
Correct |
Unable to Reject |
Invalid |
Type II error(False Negative) |
Incorrect |