9.9: 假设检验中的错误

Errors In Hypothesis Tests
JoVE Core
Statistics
A subscription to JoVE is required to view this content.  Sign in or start your free trial.
JoVE Core Statistics
Errors In Hypothesis Tests
Please note that all translations are automatically generated. Click here for the English version.

4,222 Views

01:14 min
April 30, 2023

Overview

在执行假设检验时,有四种可能的结果,具体取决于原假设的实际真(或假)以及拒绝或不拒绝的决定。

  1. 当原假设为真时,决定不拒绝原假设(正确的决定)。
  2. 该决定是在原假设为真时拒绝该假设(不正确的决策称为 I 类错误)。
  3. 当原假设实际上是错误的时,决定不拒绝原假设(不正确的决定称为 II 类错误)。
  4. 当原假设为假时,该决定将拒绝原假设(正确的决定,其概率称为检验的功效)。

每个错误都以特定的概率发生。希腊字母 αβ 代表概率。

α = I 类错误的概率 = P(I 类错误) = 当原假设为真时拒绝原假设的概率。

β = 类型 II 错误的概率 = P(类型 II 错误) = 当原假设为假时不拒绝原假设的概率。

αβ 应尽可能小,因为它们是出错的概率。它们很少为零。

测试的功效为 1 – β。理想情况下,我们希望获得尽可能接近 1 的高功率。增加样本数量可以提高检验的功效。

本测试改编自 Openstax, Introductory Statistics, Section 9.2 Outcomes of Type I and Type II Errors。

Transcript

假设检验通常首先假设原假设为真。

如果实际上这样的零假设是正确的,那么拒绝它可能会导致不正确和误导性的结论。

这种拒绝真零假设的错误称为 I 类错误。

另一方面,当原假设为假,但检验结果表明其拒绝失败时,该决定再次保持错误。

这种未能拒绝假零假设的错误称为 II 类错误。

如果

检验结果指示在原假设实际上是 false 时拒绝它,或者在它实际上是 true 时未能拒绝它,则会导致正确的决策。

I 类误差的可接受概率值是显著性水平 ɑ,通常为 0.05 或 0.01。

类型 II 错误的概率用 β 表示。它是根据预先确定的拒绝假零假设的概率计算得出的,通常称为假设检验的功效。

Key Terms and definitions​

Learning Objectives

Questions that this video will help you answer

This video is also useful for