型一錯誤與型二錯誤(英語:Type I error & Type II error)為統計學中推論統計學統計術語,表示統計學假說檢定中的兩種錯誤。
此條目需要精通或熟悉統計學的編者參與及協助編輯。 (2024年3月22日) |
簡介
在假說檢定中,有一種假說稱為「零假設」,記為,假說檢驗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,記為或)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]。
- 若零假設事實上成立,但統計檢驗的結果拒絕零假設(接受對立假說),這種錯誤稱為型一錯誤。
- 若零假設事實上不成立,但統計檢驗的結果不拒絕零假設,這種錯誤稱為型二錯誤。[2]
- 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設。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 (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]
在偽陽性和偽陰性方面,陽性結果對應於拒絕零假設,而陰性結果對應於未能拒絕零假設; 「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
相關條目
外部連結
Wikiwand in your browser!
Seamless Wikipedia browsing. On steroids.
Every time you click a link to Wikipedia, Wiktionary or Wikiquote in your browser's search results, it will show the modern Wikiwand interface.
Wikiwand extension is a five stars, simple, with minimum permission required to keep your browsing private, safe and transparent.