Type I error的产生原理和实用分析

Type I error产生的原理

理论部分

参考（Research Methods in Human-Computer Interaction）

总结

一类误差产生于统计分析的概率特性，概率上任何事件都会存在误差，因此会有A与B在95%的概率置信水平上存在显著差异的说法，一类误差和二类误差描述的是这个结论出错的概率。

实用分析

实际的HCI假设检验过程：

1. 假设存在显著差异
2. 设计实验
3. 采集结果
4. 数据分析
5. 得出结论

关键点：

• 实际使用的假设其实是理论推导过程的H1假设，即假设存在差异，而非是没有差异.
• 一类误差比二类误差更为严重，实际使用中更为关注一类误差
• 正确的判断为接受实际存在差异的情况，或者拒绝实际不存在差异的情况
• 实际使用中的一类误差描述为：错误地接受假设，即在实际不存在差异的条件下，错误地认为存在显著差异
• 实际使用中的 α 值，实际就是限制一类误差出现的概率上限，通常取值为0.05，0.01，0.001等，多用0.05
• 一类误差出现的实际概率为计算的p值，当<0.05 时，一类误差出现的概率小于0.05，也就可以说在统计意义上认为该分析可信。

/	/	判断	判断
/	/	无差异	有差异
事实	无差异	√	type I 误差
事实	有差异	type II 误差	√