1樓：
兩類錯誤本來就是「互斥」型別的，減少一類概率就會增加另一類的概率。那麼這就是個利益博弈的問題。我認為得從企業的利益角度看，比如生產鞋子，如果一雙好鞋被質檢判斷為壞鞋扔掉，那麼我企業就損失了一筆利潤，而一雙壞鞋被判斷為好鞋，大不了消費者投訴時換個新的給你，畢竟……你消費者是弱勢群體，哦不，「我們企業才是弱勢群體好不好！」
2樓：
問題很好，答案是檢驗不只需要避免第一類錯誤，還需要避免第二類錯誤因為你通常做的是Fisher顯著性檢驗，這種檢驗要求是先控制一類錯誤的概率並由此確定出對應某個顯著性水平的拒絕域，當然也暗含著我們輕易不拒絕原假設的意思，所以做這樣的檢驗，就要把重要的假設作為原假設
但許多的檢驗是需要既控制一類錯誤概率又控制二類錯誤概率的，例如很多生物統計學中的檢驗，基於此去確定樣本量等引數
檢驗有很多種，Fisher顯著性檢驗只是其中的一類檢驗的評判標準也有很多種，除了控制錯誤概率之外，還有損失函式啊，power這些，例如Neyman-Pearson Lemma，就是告訴我們在控制了一類錯誤的時候，如何找乙個二類錯誤概率也最小的檢驗
3樓：
假設檢驗的一類和二類錯誤理論上是不能比較誰更嚴重的，但是由於我們通常把想要驗證的事情作為備擇假設，需要拒絕的事情作為零假設，因此一類錯誤為零假設為真卻拒絕了，也就是不否定備擇假設，結果是更嚴重的。
例如警察在處理案件中，零假設為犯罪嫌疑人無罪，備擇假設為犯罪嫌疑人有罪，如果無罪卻被認為有罪，這是更嚴重的事情。
4樓：阿蕾蕾蕾蕾蕾
第一類錯誤：在事實「沒差」狀況下，硬說兩組別之間有差。
第二類錯誤：在事實「有差」狀況下，硬說兩組之間沒差。
兩種都犯了錯誤，只是錯誤的型別不同。
比如說你的實驗要證明乙個新藥對比舊藥更有療效。那藥是否真的有效，只有上帝才知道。
假如這個新藥事實上沒效（事實沒差），但你做出來有效，那是不是就犯了錯誤？假如你最後相信了實驗結果，投入大量資金、人力生產新的藥物，是不是就造成了巨大的資源浪費？要是藥不僅沒效而且效果更差是不是就作孽了？
像這樣的錯誤就叫第一類錯誤，它只會在你拒絕虛無假設的時候發生。
假如這個藥有效（事實有差），結果你做出來卻無效，那是不是就喪失了個拯救受苦受難病患的機會，又犯了個錯誤？像這樣的錯誤就叫第二型別錯誤，它只會在你接受虛無假設的時候發生。
總的來說，不管你做的實驗結果如何，接受虛無假設、亦或是拒絕，都有機率犯下錯誤。而犯下哪種錯誤對你而言嚴重，則是要根據你做實驗的目的來判斷。哪乙個錯誤導致的結果更嚴重，當然就要更加更加避免這種錯誤咯。
（比如是賣藥的話，就要謹慎一點，更加避免第一類錯誤，不然吃死人就作孽了。賣某些化妝水之類的，就算事實沒效果，你做出來說有效果，結果犯了第一類錯誤也沒太大關係，有的賺就好了2333）
5樓：4king
收藏多年的短文
I call this process "patternicity" — that is, the tendency to find meaningful patterns in both meaningful and meaningless noise. When we do this process, we make two types of errors. AType I error, orfalse positive, is believing a pattern is real when it's not.
Our second type of error is afalse negative. AType II erroris not believing a pattern is real when it is.
So let's do a thought experiment. You are a hominid three million years ago walking on the plains of Africa. Your name is Lucy, okay?
And you hear a rustle in the grass. Is it a dangerous predator, or is it just the wind? Your next decision could be the most important one of your life.
Well, if you think that the rustle in the grass is a dangerous predator and it turns out it's just the wind, you've made an error in cognition, made a Type I error, false positive. But no harm. You just move away.
You're more cautious. You're more vigilant. On the other hand, if you believe that the rustle in the grass is just the wind, and it turns out it's a dangerous predator, you're lunch.
You've just won a Darwin award. You've been taken out of the gene pool.
6樓：
從乙個非統計學學生的角度講吧
因為我們一般情況下做假設檢驗不涉及純統計學理論研究，所以一般會把乙個更容易被拒絕的假設作為零假設，比如說檢驗男生女生的身高是否有差異，我們設計的原假設是身高均值相等，而我們更願意去證偽這個假設從而拒絕原假設證明其身高不同，我們做假設檢驗的一般目的就是要拒絕原假設得到一定的結論。這樣一來，在很多情況下，一類錯誤就顯得比較致命，因為原假設是正確的你卻拒絕了，得出了錯誤的結論，而二類錯誤說的是原假設是錯的而接受了，可我們把易於拒絕的作為原假設就不太容易犯這個錯誤。
7樓：那羅延
問題寫錯了把？下面答題的人也真是瞎起勁。。。
第一類錯誤根本無法避免，因為第一類錯誤的概率就是顯著性水平，你會用顯著性水平為零的test嗎？一般你都會選擇乙個顯著性水平把？比如5%、1%，不管你選擇多少，肯定是大於零的，這就意味著第一類錯誤是可以發生的，發生概率就是你選擇的顯著性水平，這和你換個test沒有關係。
歸納一下，如果有好幾個不同的tests，你選擇乙個固定的顯著性水平，也就是第乙個錯誤發生的概率是固定的，然後選擇乙個power最好的test，也就是說讓第二類錯誤發生概率盡可能降到最低。
也許有人會問，就不能把顯著性水平無限接近於零的降低來達到避免第一類錯誤嗎？根本沒人會這麼幹！因為你的test會一點點power都沒有。。。
另外，沒有人認為第一類錯誤更嚴重。
8樓：Beyond
因為第一類錯誤是你拒絕了乙個已知的事實，而去圍繞乙個不存在的東西，制定了一系列的計畫並執行，由於缺少參照，你無法知道自己在犯錯，所以損失無法估量。第二類錯誤是你堅信乙個出錯的東西是正確的，所以你會不停的嘗試去發現偏離的預期的原因的是什麼，這樣找出問題的概率是很大的，成本和前乙個比起來也是天壤之別。所以優先避免第一類就自然了。
9樓：楊洋
從犯錯成本的角度來講，兩類錯誤從理論上並沒有優先的避免誰的概念，只是在考慮犯錯成本的時候，選擇犯錯成本更低的那個而已，type I和type II的犯錯成本不同，導致了H0和H1處在不平等的位置。形成避免優先避免type I的觀念源於最早應用假設檢驗的生物製藥，在經濟成本和人生安全裡選擇後者。
10樓：
顯著性檢驗的定義是：對犯第一類錯誤的概率加以控制，而不考慮犯第二類錯誤的概率的檢驗方法。
也就是說，這種檢驗的本質，是從控制犯第一類錯誤的概率來把關。
但是，在具體選擇null hypothesis（H0）的時候，思路是靈活的，可以根據我們主觀認為的重要程度來選擇。
具體如下圖。
11樓：
不那麼嚴謹回答一下，從應用收益角度看：
第一類錯誤：誤以為是個寶，其實是個坑—— 過度自信、樂觀等進坑（遭受損失），嚴重的話沒機會翻盤，研發新藥其實沒效果（浪費人力和金錢），搞不好會出人命
第二類錯誤：誤以為是個坑，其實是個寶 —— 不自信、低估能力等錯過機會，錯過高收入
綜上，避免第一類錯誤通俗點就是保命、避免無謂投入，第二類錯誤錯過了財富自由機會，但風險與機遇並存，大多數時候以避免風險為主
12樓：逍遙溫溫
typeI error和typeII error在生物統計背景下有乙個很好的解釋。
嘗試用生物統計裡的例子來說明，因為理論之前的答主都寫的很好啦。
假設現在有一批藥需要測試療效。
H0：這批藥沒效果
H1：這批藥有效果
α=H0真時拒絕H0，拒真錯誤。對應到現實裡是，拒絕沒效果=有效果。我們認為一批藥有效果以後將給病人吃，但其實這批藥是沒效果的，那病人吃了以後就死了呀，這個α對應的是人生命的風險，是消費者風險。
β=H0錯時接受H0，取偽錯誤。接受無效，一批藥明明有效確認為它無效。這個充其量就是藥廠不會生產這種藥，但還有什麼阿司匹林，阿莫西林其他的藥可以生產，威脅不到人的生命，是一種生產者風險。
生命高於金錢，所以在控制兩類錯誤時，我們優先控制typeI error，一般都是規定好的0.05，然後想辦法降低typeII error。
關於α和β，和第I和第II類錯誤的命名我覺得也是這樣的，因為人們覺得第I類錯誤比第II類錯誤更加重要，而希臘字母裡α也排的比β前，越重要的東西越放在前面。
13樓：徐一苗
我覺得乙個簡單的回答是：test statistics的分布是基於null hypothesis的，所以要關注第一類錯誤。
關於假設檢驗中，接受原假設的結論可靠還是拒絕原假設的結論可靠？
拒絕H0結論要可靠些。這是所謂的反證法或證偽法。要證明乙個結論完全成立，可能需要窮舉法才能證明。但要拒絕乙個結論，只需要乙個反例。另外，這跟 風險和 風險也有關係。風險是H0實際上為真而被錯誤拒絕的風險。風險則是H0實際為假但被錯誤接受的風險。相對而言，風險帶來的危害程度遠遠小於 風險。因此這也是為...
假設檢驗如何選擇拒絕域
FANGGONG 理解這個問題首先明確幾個概念 第一類錯誤 原假設成立時拒絕原假設，其概率一般用 表示 第二類錯誤 原假設不成立時接受了原假設，其概率一般用 表示 檢驗功效 原假設不成立時拒絕了原假設的概率，用 表示 在乙個假設檢驗中，我們希望犯兩類錯誤的概率盡可能的小，但是 和 屬於此消彼長的關係...
什麼是假設檢驗的兩種錯誤？
Jason 舉個例子，假設有乙個銀行的工作人員，在判斷是不是要放貸給某個客戶。如果客戶的信用好，就貸款給他 如果客戶的信用不好，就不貸款給他。Alternative Hypothesis HA 備擇假設 這個客戶信用不好 Null Hypothesis H0 原假設 這個客戶信用好 如果我判定這個客...