使用者41424044382922021-05-26 22:08:07統計假設檢驗中有兩類錯誤，它們分別是：第一類錯誤， 在原假設實際為真的情況下根據統計結果拒絕了原假設，也稱棄真；第二類錯誤，在原假設實際為假的情況下根據統計結果接受了原假設，也稱納偽。以上第一類與第二類稱謂的排序是固定不變的，在提到“第一類錯誤”時，指的就是棄真，“第二類錯誤”指的就是納偽。 犯第一類錯誤的機率，就是假設檢驗時給定的顯著度α，通常為0。05。在這種情況下，原假設H0為真，但是由於抽樣時出現了小機率事件，研究者根據檢驗結果拒絕了原假設。這是任何假設檢驗都避免不了的風險。 對於犯第二類錯誤的機率，很多人想當然的認為是β＝1－α。出現這種錯誤認識，主要是因為誤解了“納偽”這個概念的含義。在一次假設檢驗中，棄真和納偽的錯誤是不可能同時出現的。根據計算出的統計結果，研究者必須做出相應的拒絕或接受原假設的選擇。當統計結果為顯著時，研究者必須要拒絕原假設。如果這時候研究者因為粗心大意看錯了結果，做出了接受原假設的決定，那麼此時他犯錯誤的機率就是1－α。但是， 這個錯誤根本不是第二類錯誤（納偽）。所謂的納偽錯誤，指的是當統計結果為不顯著，研究者必須接受原假設時，其犯錯的可能性。實際上，由於μ真實值的不確定性，真實分佈是不可知的，因此犯納偽錯誤的機率，即β值也是不確定的。 棄真和納偽的錯誤，都是假設檢驗這種研究方法自身的缺陷，也就是所謂的系統誤差，它們都是不可消除的。而上文所舉的機率為1－α的那種錯誤，完全是由於研究者粗心所導致，屬於人為誤差，完全可以消除。 在理解棄真和納偽兩類錯誤時，我們必須認識到，它們應當是在抽樣之前討論的問題。所謂的機率，針對的是理論上無數次的抽樣，而不是我們實際進行的那唯一一次抽樣。
