类型 1 与类型 2 错误：差异与比较

当研究人员拒绝一个实际上为真的零假设并接受一个实际上为假的零假设时，就会发生类型 1 和类型 2 错误。

在接受或拒绝零假设的过程中可能会出现四种情况。 在这四种可能的情况中，有两种是正确的。 其他两个导致不正确的结果，被称为统计错误。

关键精华

1. 当一个真实的零假设被拒绝时，就会发生类型 1 错误，从而导致假阳性结果。
2. 当错误的零假设没有被拒绝时，就会出现类型 2 错误，从而导致假阴性结果。
3. 研究人员旨在通过调整显着性水平、样本量和研究设计来最大程度地减少错误。

类型 1 错误与类型 2 错误

1 类错误和 2 类错误之间的区别在于，当研究人员拒绝零值时，就会发生 1 类错误 假说 当它是真实的现实。 与此相反，当研究人员做出接受空值的错误决定时，就会发生 2 型错误 假说 因为它在现实中是错误的。 类型 1 中可能发生的错误率表示为 阿尔法. 类型 2 中可能发生的错误率用 beta 表示。

研究人员拒绝现实和接受虚假现实是第一类错误。 犯第一类错误的一个常见原因是研究和样本量不当。 也称为第一类错误。

研究人员接受虚假现实并拒绝现实是 2 型错误。 当样本量未适当确定时，很可能会发生此错误。 此错误率由 beta（希腊字母）表示。

对比表

比较参数	类型 1 错误	类型 2 错误
决策	研究人员拒绝接受现实。	研究人员接受了现实。
现实	在这种情况下，情况总是如此。	在这种情况下，情况是错误的。
也被称为	第一类错误。	第二种错误。
发生	发生的概率是 alpha。	发生概率为 beta。
还原法	降低阿尔法。	增加贝塔。

什么是第一类错误？

零假设被研究人员拒绝为类型 1 错误，但实际上它是正确的。 进行涉及特定人群的研究，以确定原假设是对还是错。

很多时候，这项涉及特定测试的研究可能会被错误地解释，这就是错误发生的时候。

其中一种错误称为第一类错误。 在类型 1 错误中，原假设在现实中实际上是正确的，但研究人员倾向于拒绝它。

此错误称为 alpha 错误，因为此错误的发生概率由希腊符号 alpha 表示或表示。

因此，如果研究人员在测试后就原假设做出正确的决定，则其概率为 1 减去 alpha。

简单来说，可以说第 1 类错误不发生的概率是 1 减去它发生的概率 (alpha)。

让我们举一个类型 1 错误的例子； 一个学生不去食堂，因为他认为食堂关门了。 在朋友们的一番研究后，他最终做出了这个决定，但实际上，食堂是开着的。

在这种情况下，男孩正在做出拒绝原假设的决定，这在现实中是正确的。 在统计方面，这被认为是 1 类错误。

什么是第一类错误？

在第 2 类错误中，研究人员犯了接受原假设的错误。 在这种情况下，一旦调查完成，研究人员就会接受原假设，尽管这在现实中是不正确的。

这种错误发生的概率被认为用希腊符号β表示。 因此，该错误也称为 beta 错误。

不犯此错误（类型 2 错误）的概率是 1 减去发生概率 (beta)。 这个减去 beta 是研究人员做出正确决定时的情况，即拒绝假设。

它被称为测试的力量。 可以说是不犯第二类错误的概率。

为了降低 2 类测试的发生率，应该增加测试的功效。 这可以通过增加样本量方便地完成。

让我们举一个类型 2 错误的例子； 一个学生确实去了食堂，因为他认为它是开放的。 在朋友们的一番研究后，他最终做出了这个决定，但实际上，食堂已经关门了。

在这种情况下，男孩正在决定接受零假设，这在现实中实际上是错误的。 在统计方面，这被视为类型 2 错误。

类型 1 和类型 2 错误之间的主要区别

1. 在第一类错误中，研究人员拒绝现实，而在第二类错误中，研究人员接受虚假的现实。
2. 在类型 1 错误中，零假设实际上是正确的，而在类型 2 错误中，零假设实际上是错误的。
3. 类型 1 错误发生的概率是 alpha，而类型 2 错误发生的概率是 beta。
4. 许多人将类型 1 错误称为第一类错误，将类型 2 错误称为第二类错误。
5. 2类错误可以通过降低alpha水平在一定程度上减少，而2类错误可以通过提高alpha水平来减少。

参考资料

1. https://journals.sagepub.com/doi/abs/10.3102/10769986005004337
2. https://www.sciencedirect.com/science/article/pii/S0732118X16301076

最后更新：09 年 2023 月 XNUMX 日