我們之前**了假設檢驗的基本思想，現在我們來介紹下兩類錯誤。
假設檢驗的最終目的是：去偽存真，
那麼它對應的兩類錯誤就是棄真存偽。
接受或拒絕h0，都可能犯錯誤i類錯誤——棄真錯誤，發生的概率為α
ii類錯誤
——取偽錯誤，發生的概率為
為了更形象點說明這兩類錯誤，我們看下下面這個：
對於正常情況下對於上面例項的假設檢驗應該為：
h0:沒有懷孕(原假設為沒有確鑿證據一般不推翻的假設，因為正常人我們認為是沒有懷孕的)上圖左邊：第一類錯誤為棄真錯誤，也就是原假設為沒有懷孕，但是檢驗的結果落在拒絕域，因而拒絕沒有懷孕的原假設，認定圖一裡的男士懷孕了，而事實上圖裡面的男士根本沒有懷孕，這就犯了第一類錯誤，棄真。h1:懷孕了
上圖右邊：第一類錯誤為存偽錯誤，也就是原假設沒有懷孕，檢驗結果落在接受域，所以接受沒有懷孕的原假設，認定圖一的女士沒有懷孕，而事實上裡的女士是懷孕的，這就犯了第二類錯誤，存偽。
我們通過乙個例子來看一下：
解（1）
α錯誤概率計算：由實際推斷原理引起的，即「小概率事件不會發生」的假定所引起的，所以有理由將所有小概率事件發生的概率之和或者即顯著性水平（α=0.05（2））看作α
錯誤發生的概率，換言之，
α錯誤發生的概率為檢驗所選擇的顯著性水平。如果是單側檢驗，棄真錯誤的概率則為
α/2。
上面是對兩類錯誤的計算，對於第二個問題只需要在第二類錯誤計算過程中變換一下：
1-對上面的公式進行轉換查表可以求出n=34（3）根據（1）中公式可以看出，n趨向正無窮時，
對於兩類錯誤的理解上，公認的觀點是：
犯ⅰ類錯誤得危害較大，由於報告了本來不存在的現象，則因此現象而衍生出的後續研究、應用的危害將是不可估量的。相對而言，ⅱ類錯誤的危害則相對較小，因為研究者如果對自己的假設很有信心，可能會重新設計實驗，再次來過，直到得到自己滿意的結果（但是如果對本就錯誤的觀點堅持的話，可能會演變成ⅰ類錯誤）。當然這要從更多的維度和不同的情況來看，比如：判定乙個嫌疑人是不是犯了罪，原假設就是這個人沒有犯罪，
那麼犯一類錯誤就是認為罪犯有罪，而事實上沒有犯罪，也就是被冤枉。犯二類錯誤就是把有罪的人判定成無罪。
到底那種對於社會的危害更大呢？這個很難說，如果你認為，我寧可錯殺三千，絕不放過乙個！那你就讓第二類錯誤的概率盡可能小。政治清明的年代，司法應該盡可能減少冤假錯案，即所謂疑罪從無和無罪推定的原則。也就是，如果沒有足夠的人說嫌疑人不是好人，那麼司法就應該判定嫌疑人為好人。因為正常情況下，大部分人都是無罪的，原假設也認為嫌疑人是無罪的，而犯罪的人是少數，所以如果一類錯誤概率大的話，會講很大一部分人無辜的牽連進來；也可以這樣理解，就是無罪的人基數很大，即人數非常多，你稍微把一類錯誤的概率放大一點就會有很多的人被認定為有罪的。
再比如說，我們檢查一批燈泡的壽命，原假設認為燈泡壽命是合格的，但是我們抽查的時候恰好查到了壽命比較低的，這樣就拒絕了原假設，認為這一批燈泡是不合格的。那麼結果是什麼呢？就需要把這一批燈泡全部返廠重新檢測、返修，甚至是銷毀。如果是因為犯了第一類錯誤，也就是本來這一批是合格的，但是因為檢驗正好檢驗到了不合格的才導致拒絕原假設的話，那麼這個成本對於生產廠商來說是非常大的。
我們再看乙個例子，就是我們出門要不要帶傘的問題。
正常來講，原假設為天氣為晴天，那麼犯一類錯誤的情況就是晴天帶傘出門，犯第二類錯誤的情況是下雨不帶傘。
對於我們那一情況危害或者說壞處更大呢？因為畢竟下雨天是少數，如果你天天帶傘出門的話固然是可以避免淋雨，但是你得天天帶傘，要看你是不是方便，如果你方便那麼一類錯誤對你來說影響不是很大；如果帶傘不方便那麼一類錯誤對你的影響就比較大了。
這裡並不是說不用避免犯第二類錯誤，第二類錯誤也是需要盡量避免的。只不過根據無罪推定原則和疑罪從無原則，我們應該控制的是盡可能別把沒罪判為有罪，其次應該控制的才是盡可能減少讓有罪的人繼續逍遙法外。
而且我們對於一類、二類錯誤的控制上還要看具體情況，比如非典期間，我們為了儘量減少病原的傳播，就不惜大量的精力來減少犯二來錯誤的概率，我們對所有人進行體溫測量，只要發現發燒立即隔離，這裡面我們很容易發現，這裡面可定會有很多的不是攜帶病原體的人被認為是攜帶者，其實這裡就是加大了犯一類錯誤的概率，而儘量減少二類錯誤。因為犯二類錯誤的成本太大，寧可錯誤的隔離3000，也不能放過乙個攜帶者，因為放過乙個就會造成非常嚴重的後果。
假設檢驗的兩類錯誤
棄真錯誤也叫第i類錯誤或 錯誤 它是指 原假設實際上是真的，但通過樣本估計總體後，拒絕了原假設。明顯這是錯誤的，我們拒絕了真實的原假設，所以叫棄真錯誤，這個錯誤的概率我們記為 這個值也是顯著性水平，在假設檢驗之前我們會規定這個概率的大小。取偽錯誤也叫第ii類錯誤或 錯誤 它是指 原假設實際上假的，但...
假設檢驗中的兩類錯誤
在假設檢驗中，出現錯誤的型別有兩種 第一類錯誤 棄真錯誤 原假設為真時拒絕原假設 概率為 第二類錯誤 取偽錯誤 原假設為偽時接受原假設 概率為 h0為真 h0為假 接受h0 正確 1 第二類錯誤 拒絕h0 第一類錯誤 正確 1 第一類錯誤出現的原因 在進行假設檢驗時，我們會抽取乙個樣本進行檢驗，但是...
統計學的假設檢驗
假設檢驗是一種規則，它根據資料樣本所提供的證據，指定是肯定還是否定有關總體的宣告。基本原理是先對總體的特徵作出某種假設，然後通過抽樣研究的統計推理，對此假設應該被拒絕還是接受作出推斷。假設檢驗的基本思想是小概率反證法思想。小概率思想是指小概率事件 p 0.01或p 0.05 在一次試驗中基本上不會發...