高等数学 / 系统课时

显著性水平与两类错误

显著性水平与两类错误

假设检验不是“必然正确”的判定,而是在样本信息有限时控制决策风险。本课将建立真实状态与检验结论的对应关系,说明显著性水平、第一类错误、第二类错误和检验功效之间如何相互制约。

学习目标

  • 区分第一类错误与第二类错误,能根据业务语境判断错误类型
  • 理解显著性水平 α、第二类错误概率 β 与检验功效 1−β1-β
  • 根据错误成本、样本量和效应大小解释检验方案的取舍

为什么假设检验会犯错

总体真实状态不可直接观察,我们只能根据样本决定“拒绝原假设”或“不拒绝原假设”。真实状态有两种,检验结论也有两种,组合后形成四种结果:两种正确决策和两种错误决策。

假设检验的两类错误矩阵

第一类错误是“原假设本来正确,却被拒绝”;第二类错误是“原假设本来错误,却未被拒绝”。这里的“不拒绝”不等于已经证明原假设正确,只表示当前证据不足。

第一类错误与显著性水平

第一类错误概率记为 α:

α=P(拒绝H0∣H0为真)α=P(拒绝H_0\mid H_0为真)

显著性水平就是检验前预先允许的最大第一类错误概率。常见取值有 0.05、0.01,但它不是固定标准,应由错误后果决定。例如药品审批中错误放行的代价较高,往往需要更严格的 α。

α=0.05 的含义是:如果原假设确实成立,并在相同条件下反复抽样和检验,长期来看错误拒绝原假设的比例约为 5%。它不表示“本次原假设为真的概率是 5%”。

第二类错误与检验功效

第二类错误概率记为 β:

β=P(不拒绝H0∣H1为真)β=P(不拒绝H_0\mid H_1为真)

检验功效记为 1−β1-β,表示备择假设确实成立时,检验成功发现差异并拒绝原假设的概率。功效越高,漏掉真实差异的风险越低。

β 不是只由显著性水平决定。它还受到样本量、总体波动、真实效应大小以及单侧或双侧检验方式影响。谈论功效时必须说明希望检测的具体差异,例如“均值至少提高 3 个单位”,否则 β 没有唯一数值。

α与β如何权衡

在样本量和真实效应固定时,降低 α 会让拒绝原假设更困难,通常会增大 β;提高 α 则更容易发现差异,但会增加误报风险。因此,不能只追求一个错误概率尽可能小。

增加样本量通常可以同时降低两类错误:标准误减小后,真实差异更容易与随机波动区分。实际设计检验时,应先确定哪类错误代价更高,再设定 α、目标功效和最小有意义效应,最后估算所需样本量。

场景判断示例

某质检流程设定原假设“该批产品合格”。若合格批次被判为不合格并退货,这是第一类错误;若不合格批次被判为合格并放行,这是第二类错误。

假设 α=0.05,表示对真实合格批次的长期误退概率控制在 5% 左右。若针对某一明确缺陷程度,检验功效为 0.90,则该缺陷确实存在时,约有 90% 的概率能被检验发现;剩余约 10% 对应第二类错误。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

显著性水平与两类错误

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通