菜鸟也爱数据分析之SPSS篇——第一类和第二类错误
作者：红豆牛奶 审阅：夏雨骄阳 封面：自己想吧
“会出错的事总会出错——墨菲定律
”通过前几节的介绍，我们知道在假设检验中基本思想是小概率反证法，但是这种概率在实际中并不是百分之百的正确，对假设检验的判断会有如下四种情况：
1.H0实际上是真实的，假设检验接受了原假设，则没有犯错，统计决策是正确的。
2.H0实际上是不真实的，假设检验拒绝接受原假设的判断，则没有犯错，统计决策是正确的。
3.H0实际上是真实的，而假设检验拒绝接受原假设的判断，则犯了第一类型的错误。
4.H0实际上是不真实的，而假设检验接受原假设的判断，则犯了第二类型的错误。
举个例子：某药厂研发了某种新药用来治愈某种癌症，在正式投放市场之前，其研究人员先行做分析。
备择假设（H1）：药品可以治愈癌症。
原假设（H0）：药品不能治愈癌症。
经研究人员分析，拒接H0 ,则表示药品可以治愈癌症，那么药品就可以大量生产上市，但是，在实际中H0是真实的，这时表示药品不能治愈癌症，如果出现此种情况则为第一类错误又称去真错误，这样会使癌症患者使用并无效果的药品，耽误其治疗时机，严重的甚至会危及生命。
经研究人员分析，不能拒绝H0，则药品不能治愈癌症，那么药品无法投放市场，但是，实际中H0 不是真实的，这时表示药品可以治愈癌症，如果出现此种情况则为第二类错误又称为存伪错误，这样会导致有效的药品无法上市，患者无法受益。
一般而言，犯第一类错误比犯第二类错误要严重，从以上的例子也可以看出。所以在一般的假设检验中，以控制第一类错误为主，即控制假设检验的显著水平a的大小来降低犯一类错误的概率，α越小，犯第一类型错误的可能性也越小（例如α=0.05，则犯第一类错误的可能性不超过5%；α=0.01，则犯第一类型错误的可能性不超过1%。）
要注意的是，第一类型错误和第二类型错误是此消彼长的，在其他条件不变的情况下，减少犯第一类型错误的可能性会增加犯第二类型错误的可能性。要同时减少第一类型、第二两类错误的概率，只有增加样本容量，但在实际工作中，不可能无限增大样本容量，因而在假设检验时总是会冒第一类型错误的风险将概率固定下来，对所得的结果进行判断。