兩類錯誤
假設檢驗中的兩類錯誤是指在假設檢驗中，由於樣本信息的局限性，勢必會產生錯誤，錯誤無非只有兩種情況，在統計學中，我們一般稱為Ⅰ類錯誤，Ⅱ類錯誤。
右圖是研究結論和實際情況關係的矩陣：
| 實際情況 | |||
| H0正確 | H0錯誤 | ||
| 研究結論 | 拒絕H0 | I類錯誤 | 正確 |
| 接受H0 | 正確 | II類錯誤 | |
第一類錯誤（ Ⅰ類錯誤）也稱為 α錯誤，是指當虛無假設(H0)正確時，而拒絕H0所犯的錯誤。這意味著研究者的結論並不正確，即觀察到了實際上並不存在的處理效應。
可能產生原因：
1、樣本中極端數值。
2、採用決策標準較寬鬆。
第二類錯誤（ Ⅱ 類錯誤）也稱為β錯誤，是指虛無假設錯誤時，反而接受虛無假設的情況，即沒有觀察到存在的處理效應。
可能產生的原因：
1、實驗設計不靈敏。
2、樣本數據變異性過大。
3、處理效應本身比較小。
兩類錯誤的關係：
1、 α+β不一定等於1。
2、在樣本容量確定的情況下，α與β不能同時增加或減少。
3、統計檢驗力。（1-β）
危害
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、套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）。
