型一错误与型二错误
統計學名詞
此条目需要精通或熟悉统计学的编者参与及协助编辑。 (2024年3月22日) |
型一错误与型二错误（英语：Type I error & Type II error）为统计学中推论统计学统计术语，表示统计学假说检定中的两种错误。
简介
编辑在假说检定中，有一种假说称为“零假设”，记为 ，假说检验的目的是利用统计的方式，推翻虚无假说的成立，也就是对立假说（Alternative hypothesis，记为 或 ）成立。
假说检定涉及选择两个相互竞争的命题，称为零假设(Null hypothesis)，用H0表示，另一种对立假说(Alternative hypothesis)，用H1表示。
如果测试结果与现实相符，则做出了正确的决定。但是，如果测试结果与实际不符，则发生错误。发生错误的情况有两种：零假设为真，而我们拒绝H0。 另一方面，对立假说H1为真，而我们不拒绝H0。 两种错误分别称为：型一错误、型二错误[1]。
- 若零假设事实上成立，但统计检验的结果拒绝零假设（接受对立假说），这种错误称为型一错误。
- 若零假设事实上不成立，但统计检验的结果不拒绝零假设，这种错误称为型二错误。[2]
| 真实情况 | |||
|---|---|---|---|
| （虚无假说）为真 | （对立假说）为真 | ||
| 根据研究结果的判断 | 拒绝 | 错误判断 （伪阳性、型一错误） 发生机率α（显著水准） |
正确判断 发生机率1-β（检定力） |
| 不拒绝 | 正确判断 发生机率1-α |
错误判断 （伪阴性、型二错误） 发生机率β | |
举例
编辑- 概念上类似于法庭审判中的判决。零假设对应于被告的立场：正如他在被证明有罪之前被假定为无罪一样，在数据提供反对它的令人信服的证据之前，零假设也被假定为真。 对立假说对应于反对被告的立场。 具体来说，零假设还涉及不存在差异或不存在关联。
- 以利用验孕棒验孕为例，此时没有怀孕为零假设。若用验孕棒替一位未怀孕者验孕，结果呈已怀孕，此即型一错误。若用验孕棒替一位已怀孕者验孕，结果呈未怀孕，此即型二错误。
交叉错误率
编辑交叉错误率 (CER) 是型一错误和型二错误相等的点，代表了衡量生物识别有效性的最佳方法。 具有较低CER值的系统比具有较高CER值的系统提供更高的准确度。[来源请求]
伪阳性和伪阴性
编辑在伪阳性和伪阴性方面，阳性结果对应于拒绝零假设，而阴性结果对应于未能拒绝零假设； “伪”表示得出的结论不正确。 因此，型一错误相当于伪阳性，型二错误相当于伪阴性。[来源请求]
参考
编辑- ^ A modern introduction to probability and statistics : understanding why and how. Dekking, Michel, 1946-. London: Springer. 2005. ISBN 978-1-85233-896-1. OCLC 262680588.
- ^ cheng, ayo. 型一錯誤 型二錯誤. myweb.nutn.edu.tw. [2012-02-10]. （原始内容存档于2011-12-16）.