兩類錯誤

兩類錯誤（errors of two kinds），統計學的基本概念之一，指假設檢驗中可能出現的棄真納偽的錯誤。

假設檢驗是根據從總體抽取的樣本資料來對總體的某種特徵作出判斷的，而樣本只能代表總體的一部分特徵，由它來推斷總體特徵就絕不可能有百分之百的把握，因而可能做出錯誤的判斷.其一，原假設H。本來是正確的，但判斷H。為不正確而產生錯誤，這是一種棄真錯誤，在統計學中稱為第一類錯誤，或稱I型錯誤.其二，原假設H。本來是不正確的，但判斷H。為正確而產生錯誤，這是一種納偽錯誤，在統計學中稱為第二類錯誤，或稱l型錯誤.它們統稱為假設檢驗中的兩類錯誤.這兩類錯誤嚴重程度常用它們出現的機率來度量，犯第一類錯誤的機率常用其顯著性水平a表示，犯第二類錯誤的機率常用β表示.如何避免這兩類錯誤是假設檢驗中的困難問題.如降低顯著性水平a，即選擇較高的機率為顯著性水平(如令a=0. 10或0. 15，甚至更高)，可以減少原假設H。被接受的機會，但同時也增加了備擇假設H“被摒棄的機會.相應地接受域變小了，因而犯第二類錯誤的機率a也就變大.反之亦然.要同時減少這兩類錯誤尚無萬全之策.所以在實際套用中人們常採用適中的顯著性水平(例如令a=0. 05或0. O1等)，以使兩類錯誤相對減少.還可根據問題的性質或具體情況確定適當的顯著性水平，例如，若摒棄某假設後果嚴重，則採用較高的顯著性水平;反之，則選用較低的顯著性水平等.在假設檢驗中可能犯兩類錯誤的理論是由奈曼(Ney-man, J.)和皮爾遜(Pearson, K.)合作研究時，對假設檢驗提出的系統理論中給出的.