假设检验及其两类错误是数理统计学中的名词。在进行假设检验时提出原假设和备择假设,原假设实际上是正确的,但我们做出的决定是拒绝原假设,此类错误称为第一类错误。原假设实际上是不正确的,但是我们却做出了接受原假设的决定,此类错误称为第二类错误。
右图是研究结论和实际情况关系的矩阵:
实际情况 | |||
H0正确 | H0错误 | ||
研究结论 | 拒绝H0 | I类错误 | 正确 |
接受H0 | 正确 | II类错误 |
可能产生原因:
1、样本中极端数值。
2、采用
决策标准较宽松。
可能产生的原因:
1、实验设计不灵敏。
2、样本数据变异性过大。
3、处理效应本身比较小。
两类错误的关系:
1、 α+β不一定等于1。
2、在
样本容量确定的情况下,α与β不能同时增加或减少。
3、统计检验力。(1-β)
犯Ⅰ类错误得危害较大,由于报告了本来不存在的现象,则因此现象而衍生出的后续研究、应用的危害将是不可估量的。相对而言,Ⅱ类错误的危害则相对较小,因为研究者如果对自己的假设很有信心,可能会重新设计实验,再次来过,直到得到自己满意的结果(但是如果对本就错误的观点坚持的话,可能会演变成Ⅰ类错误)。