关于 类型I错误 和 类型II错误 的介绍

这个视频里我们要 讨论第一类错误 和第二类错误。 这是显著性测试的内容 做一点复习。 为了做显著性测试 首先我们要有零假设 和备择假设 我们基于一些总量来做检测。 得到一些关于真实参数的假设 在总量里 零假设更接近于 我们一直假设的 但是备择假设 是一些新的 一些可选择的内容。 为了检测，我们实际上检测的 是零假设。 我们要决定我们想拒绝 或不能拒绝零假设 举一个例子 我们从总量里抽样， 用这个例子，我们算出一些数据 我们算出数据，想估测 问题里的参数。 用这些数据 想得出拿到这些数据的 概率。 得到这些数据的概率 我们刚刚从样本里算出来的 给定我们假设 的零假设 如果零假设成立 如果这个概率，一般称作p值。 小于一些阙值 被叫做显著性水平的阙值。 我们就会拒绝零假设 让我写下来 在这里是p值 这些应该都是复习 我们在其他视频里讲过 如果p值 小于显著性水平 我们拒绝零假设。 如果p值 大于等于显著性水平，阿尔法 无法拒绝 无法拒绝零假设 当拒绝零假设 一些人说这是 备择假设。 有道理的原因是 如果从一个给定大小 的样本中得到的数据的 概率，如果假设 零假设是正确的 它很小，小于阙值， 可能阙值是5% 如果发生这样的事情的概率小于5% 那么拒绝它是有道理的。 但我们可能在两种情况里都是错误的 这时候就会产生这些错误。 让我说清楚 有一些现实情况 我写下来 如果只有两种情况在现实中 一个是零假设成立 另一个是零假设不成立 基于显著性测试 有两种情况我们可能 拒绝零假设 或我们没法 拒绝零假设 我们在这里画个小格子 考虑不同的组合 不同的情形 在一个情况下当零假设成立 但我们拒绝了它，看起来是错误的 我们不应该拒绝正确的 这就是第一类错误。 第一类错误。 你不应该拒绝正确的零假设 你可以算出来得到 零假设的概率。 这将是你的显著性水平。 因为如果零假设是正确的 你的显著性水平是5% 5%的时间，即便你的零假设是正确的 你也会得到数据 来让你拒绝零假设。 一种考虑第一类错误概率的方法 是你的显著性水平 现在如果零假设是正确的 但你没有拒绝它，这是好的。 这是正确的结果 好的事情发生了。 现在如果零假设是错误的你拒绝了它。 这也是好的情况。 这是正确的结论 如果你的零假设是错误的 但是没有拒绝它，现在 这是第二类错误。 这是第二类错误。 在接下来的视频里 我们要举一些例子 来分辨 是否有错误发生 和这样的错误是第一类错误还是第二类。