淺談假說檢驗的兩類錯誤-以蛇哥表白被發好人卡為例

在進行假設檢驗時提出原假設和備擇假設，原假設實際上是正確的，但我們做出的決定是拒絕原假設，此類錯誤稱為第一類錯誤（簡單的說就是以真當假，再簡略的說是拒真）。原假設實際上是不正確的，但是我們卻做出了接受原假設的決定，此類錯誤稱為第二類錯誤（簡單的說就是以假當真，再簡略的說是拒假）。

第一類錯誤（又稱α錯誤）可能產生的原因有：

1、樣本中極端數值。

2、採用決策標準較寬鬆

第二類錯誤（又稱β錯誤）可能產生的原因有：

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。

ok，以上寫得很枯燥對不對，以下以蛇哥表白被發好人卡為例說明下第一類錯誤和第二類錯誤的概念。

部分直男大腦裡面談戀愛的順序可能是這樣的清奇（重要缺陷：漏掉了有無男朋友這一項）：

實際上呢，人類之間尤其是年輕男女的交互關係有時如同下圖般複雜，甚至有過之而無不及，以上只是最簡化的模型：

事實上，在情感交流的假說檢驗方面，由於人與人樣本數據變異性過大加上交流反饋不靈敏等等原因，就很容易連續不斷的犯第二類錯誤。

再具體一點的說呢，就是在這一次的表白之前，蛇哥誤認為聊天投機與否、三觀是否合、相互之間是否中意和生活是否有交集等參數的判定機制本身就是一個相當主觀的東西，所以當做出下一步的判斷時蛇哥往往容易誤判並以假為真。所以最後的結果當然是好人卡＋1。

至此歡聲笑語打出gg：

至此，基於以上的舉例，大家對於假說檢驗的第一類錯誤和第二類錯誤是否有了一些更為直觀的認識呢？

最後附上α風險和β風險的基本性質：

1.α風險和β風險都是判斷錯誤（α錯誤和β錯誤）所帶來的風險；

2. 在樣本量一定的條件下，α風險越大，則β風險越小，反之亦然；

3. 在樣本量一定的條件下，檢驗差異越大，則β風險越小，反之亦然；

4. 在檢驗差異一定，且α風險一定的條件下，樣本量越大，則β風險越小；

5. 在檢驗差異一定，且α風險一定的條件下，只要樣本量足夠大，我們肯定能夠拒絕原假設，這也是我們不說接受原假設的原因。

當然，人與人的情感交流肯定是不能如此量化和樣本化的，以上只是舉出了一個例子加深印象。如果以上內容帶來任何不適，定當刪除。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！