此條目需要精通或熟悉統計學 的编者 参与及协助编辑。(2024年3月22日 ) 請邀請 適合的人士改善本条目。更多的細節與詳情請參见討論頁 。
型一錯誤 與型二錯誤 （英語：Type I error & Type II error ）為统计学 中推論統計學 統計術語，表示統計學假說檢定 中的两种錯誤。
簡介 编辑 在假說檢定 中，有一種假說稱為“零假设 ”，記為 H 0 {\displaystyle H_{0}} 對立假說 （Alternative hypothesis，記為 H a {\displaystyle H_{a}} H 1 {\displaystyle H_{1}}
假說檢定 涉及選擇兩個相互競爭的命題，稱為零假設 (Null hypothesis)，用H0 表示，另一種對立假說 (Alternative hypothesis)，用H1 表示。
如果測試結果與現實相符，則做出了正確的決定。但是，如果測試結果與實際不符，則發生錯誤。發生錯誤的情況有兩種：零假設 為真，而我們拒絕H0 。 另一方面，對立假說 H1 為真，而我們不拒絕H0 。 兩種錯誤分別稱為：型一錯誤、型二錯誤[1]
若零假设事實上成立，但統計檢驗的結果拒絕零假设（接受對立假說），這種錯誤稱為型一錯誤 。 若零假设事實上不成立，但統計檢驗的結果不拒絕零假设，這種錯誤稱為型二錯誤 。[2] 真實情況 H 0 {\displaystyle H_{0}} H a {\displaystyle H_{a}} 根據研究結果的判斷 拒絕 H 0 {\displaystyle H_{0}} 錯誤判斷偽陽性 、型一錯誤 ）顯著水準 ） 正確判斷檢定力 ） 不拒絕 H 0 {\displaystyle H_{0}} 正確判斷 錯誤判斷偽陰性 、型二錯誤 ）
舉例 编辑 概念上類似於法庭審判中的判決。零假設 對應於被告的立場：正如他在被證明有罪之前被假定為無罪一樣，在數據提供反對它的令人信服的證據之前，零假設 也被假定為真。 對立假說 對應於反對被告的立場。 具體來說，零假設 還涉及不存在差異或不存在關聯。 以利用驗孕棒驗孕 為例，此時沒有懷孕為零假设。若用驗孕棒替一位未懷孕者驗孕，結果呈已懷孕，此即型一錯誤。若用驗孕棒替一位已懷孕者驗孕，結果呈未懷孕，此即型二錯誤。 交叉錯誤率 编辑 交叉錯誤率 (CER) 是型一錯誤和型二錯誤相等的點，代表了衡量生物識別有效性的最佳方法。 具有較低CER值的系統比具有較高CER值的系統提供更高的準確度。[來源請求]
偽陽性和偽陰性 编辑 在偽陽性和偽陰性方面，陽性結果對應於拒絕零假设 ，而陰性結果對應於未能拒絕零假设 ； “偽”表示得出的結論不正確。 因此，型一錯誤相當於偽陽性，型二錯誤相當於偽陰性。[來源請求]
參考 编辑 ^ A modern introduction to probability and statistics : understanding why and how. Dekking, Michel, 1946-. London: Springer. 2005. ISBN 978-1-85233-896-1OCLC 262680588 . ^ cheng, ayo. . myweb.nutn.edu.tw. [2012-02-10 ] . （原始内容存档于2011-12-16）. 相關條目 编辑 外部链接 编辑 直观展示第一型及第二型錯誤的趣图 （页面存档备份，存于互联网档案馆 ）
型一錯誤與型二錯誤, 此條目需要精通或熟悉統計學的编者参与及协助编辑, 2024年3月22日, 請邀請適合的人士改善本条目, 更多的細節與詳情請參见討論頁, 另見其他需要統計學專家關注的頁面, 英語, type, error, type, error, 為统计学中推論統計學統計術語, 表示統計學假說檢定中的两种錯誤, 目录, 簡介, 舉例, 交叉錯誤率, 偽陽性和偽陰性, 參考, 相關條目, 外部链接簡介, 编辑在假說檢定中, 有一種假說稱為, 零假设, 記為h, displaystyle, nbsp, 假說检验的. 此條目需要精通或熟悉統計學的编者参与及协助编辑 2024年3月22日 請邀請適合的人士改善本条目 更多的細節與詳情請參见討論頁 另見其他需要統計學專家關注的頁面 型一錯誤與型二錯誤 英語 Type I error amp Type II error 為统计学中推論統計學統計術語 表示統計學假說檢定中的两种錯誤 目录 1 簡介 1 1 舉例 1 2 交叉錯誤率 1 3 偽陽性和偽陰性 2 參考 3 相關條目 4 外部链接簡介 编辑在假說檢定中 有一種假說稱為 零假设 記為H 0 displaystyle H 0 nbsp 假說检验的目的是利用統計的方式 推翻虛無假說的成立 也就是對立假說 Alternative hypothesis 記為H a displaystyle H a nbsp 或H 1 displaystyle H 1 nbsp 成立 假說檢定涉及選擇兩個相互競爭的命題 稱為零假設 Null hypothesis 用H0表示 另一種對立假說 Alternative hypothesis 用H1表示 如果測試結果與現實相符 則做出了正確的決定 但是 如果測試結果與實際不符 則發生錯誤 發生錯誤的情況有兩種 零假設為真 而我們拒絕H0 另一方面 對立假說H1為真 而我們不拒絕H0 兩種錯誤分別稱為 型一錯誤 型二錯誤 1 若零假设事實上成立 但統計檢驗的結果拒絕零假设 接受對立假說 這種錯誤稱為型一錯誤 若零假设事實上不成立 但統計檢驗的結果不拒絕零假设 這種錯誤稱為型二錯誤 2 真實情況 H 0 displaystyle H 0 nbsp 虛無假說 為真 H a displaystyle H a nbsp 對立假說 為真 根據研究結果的判斷 拒絕H 0 displaystyle H 0 nbsp 錯誤判斷 偽陽性 型一錯誤 發生機率a 顯著水準 正確判斷發生機率1 b 檢定力 不拒絕H 0 displaystyle H 0 nbsp 正確判斷發生機率1 a 錯誤判斷 偽陰性 型二錯誤 發生機率b 舉例 编辑 概念上類似於法庭審判中的判決 零假設對應於被告的立場 正如他在被證明有罪之前被假定為無罪一樣 在數據提供反對它的令人信服的證據之前 零假設也被假定為真 對立假說對應於反對被告的立場 具體來說 零假設還涉及不存在差異或不存在關聯 以利用驗孕棒驗孕為例 此時沒有懷孕為零假设 若用驗孕棒替一位未懷孕者驗孕 結果呈已懷孕 此即型一錯誤 若用驗孕棒替一位已懷孕者驗孕 結果呈未懷孕 此即型二錯誤 交叉錯誤率 编辑 交叉錯誤率 CER 是型一錯誤和型二錯誤相等的點 代表了衡量生物識別有效性的最佳方法 具有較低CER值的系統比具有較高CER值的系統提供更高的準確度 來源請求 偽陽性和偽陰性 编辑 主条目 偽陽性和偽陰性 在偽陽性和偽陰性方面 陽性結果對應於拒絕零假设 而陰性結果對應於未能拒絕零假设 偽 表示得出的結論不正確 因此 型一錯誤相當於偽陽性 型二錯誤相當於偽陰性 來源請求 參考 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 相關條目 编辑對立假說 信息檢索 零假设 ROC曲线 靈敏度和特異度 偽陽性和偽陰性外部链接 编辑直观展示第一型及第二型錯誤的趣图 页面存档备份 存于互联网档案馆 取自 https zh wikipedia org w index php title 型一錯誤與型二錯誤 amp oldid 81991706, 维基百科，wiki ，书籍，书籍，图书馆，
文章 ，阅读，下载，免费，免费下载，mp3，视频，mp4，3gp， jpg，jpeg，gif，png，图片，音乐，歌曲，电影，书籍，游戏，游戏。