生物統計中錯誤指什麼

Ⅰ 統計中的標准誤指的是什麼

在相同測量條件下進行的測量稱為等精度測量，例如在同樣的條件下，用同一個游標卡尺測量銅棒的直徑若干次，這就是等精度測量。對於等精度測量來說，還有一種更好的表示誤差的方法，就是標准誤差。

標准誤差定義為各測量值誤差的平方和的平均值的平方根，故又稱為均方誤差。

設n個測量值的誤差為ε1、ε2……εn，則這組測量值的標准誤差σ等於：

(此處為一公式，顯示不出來，你看下文字就可以知道這個公式是什麼樣的。）

由於被測量的真值是未知數，各測量值的誤差也都不知道，因此不能按上式求得標准誤差。測量時能夠得到的是算術平均值（），它最接近真值（N），而且也容易算出測量值和算術平均值之差，稱為殘差（記為v）。理論分析表明①可以用殘差v表示有限次（n次）觀測中的某一次測量結果的標准誤差σ，其計算公式為

(此處為一公式，顯示不出來，你看下文字就可以知道這個公式是什麼樣的。）

對於一組等精度測量（n次測量）數據的算水平均值，其誤差應該更小些。理論分析表明，它的算術平均值的標准誤差。有的書中或計算器上用符號s表示）與一次測量值的標准誤差σ之間的關系是

(此處為一公式，顯示不出來，你看下文字就可以知道這個公式是什麼樣的。）

需要注意的是，標准誤差不是測量值的實際誤差，也不是誤差范圍，它只是對一組測量數據可靠性的估計。標准誤差小，測量的可靠性大一些，反之，測量就不大可靠。進一步的分析表明，根據偶然誤差的高斯理論，當一組測量值的標准誤差為σ時，則其中的任何一個測量值的誤差εi有68．3%的可能性是在（－σ，＋σ）區間內。

世界上多數國家的物理實驗和正式的科學實驗報告都是用標准誤差評價數據的，現在稍好一些的計算器都有計算標准誤差的功能，因此，了解標准誤差是必要的。

Ⅱ 什麼是統計檢驗中的兩類錯誤

1、第一類錯誤又稱Ⅰ型錯誤、拒真錯誤，是指拒絕了實際上成立的、正確的假設，為「棄真」的錯誤，其概率通常用α表示。假設檢驗是反證法的思想，依據樣本統計量作出的統計推斷，其推斷結論並非絕對正確，結論有時也可能有錯誤，錯誤分為兩類。

2、第二類錯誤，Ⅱ型錯誤，接受了實際上不成立的H0 ，也就是錯誤地判為無差別，這類取偽的錯誤稱為第二類錯誤，其概率用β表示。簡單說就是：你的假設是錯誤，但你接受該假設。

(2)生物統計中錯誤指什麼擴展閱讀

「第一類錯誤」和「第二類錯誤」之間的關系：

1、當樣本例數固定時，α愈小，β愈大；反之，α愈大，β愈小。因而可通過選定α控制β大小。要同時減小α和β，唯有增加樣本例數。

統計上將1-β稱為檢驗效能或把握度(power of a test)，即兩個總體確有差別存在，而以α為檢驗水準，假設檢驗能發現它們有差別的能力。實際工作中應權衡兩類錯誤中哪一個重要以選擇檢驗水準的大小。

2、做假設檢驗的時候會犯兩種錯誤：第一，原假設是正確的，而你判斷它為錯誤的；第二，原假設是錯誤的，而你判斷它為正確的。我們分別稱這兩種錯誤為第一類錯誤(Type I error)和第二類錯誤(Type II error)。

Ⅲ 生物統計學 抽樣誤差和標准誤有什麼不同

抽樣誤差和系統誤差不一樣，關系系統誤差，當人們一旦發現它之後，是可能找到產生原因而採取一定措施加以糾正的，抽樣誤差則無法避免。因為客觀上既然存在個體差異，那麼剛巧這一樣本中多抽到幾例數值大些的，所求樣本均數就會稍大，另一樣本多抽到幾例數值小些，該樣本均數就會稍小，這是不言而喻的。

抽樣誤差既是樣本指標與總體指標之間的誤差，那麼抽樣誤差小就表示從樣本算得的平均數或率與總體的較接近，有樣本代表總體說明其特徵的可靠性亦大。但是，通常總體均數或總體率我們並不知道，所以抽樣誤差的數量大小，不能直觀地加以說明，只能通過抽樣實驗來了解抽樣誤差的規律性。

Ⅳ 統計學 論述什麼是第一類錯誤和第二類錯誤

第一類錯誤：原假設是正確的，卻拒絕了原假設。

第二類錯誤：原假設是錯誤的，卻沒有拒絕原假設。

我們常把假設檢驗比作法庭判案，我們想知道被告是好人還是壞人。原假設是「被告是好人」，備擇假設是「被告是壞人」。

法庭判案會犯兩種錯誤：如果被告真是好人，而你判他有罪，這是第一類錯誤(錯殺好人)；如果被告真是壞人，而你判他無罪，這是第二類錯誤(放走壞人)。

(4)生物統計中錯誤指什麼擴展閱讀：

依據：

反證法所依據的是邏輯思維規律中的「矛盾律」和「排中律」。 在同一思維過程中，兩個互相矛盾的判斷不能同時都為真，至少有一個是假的，這就是邏輯思維中的「矛盾律」；兩個互相矛盾的判斷不能同時都假，簡單地說「A或者非A」，這就是邏輯思維中的「排中律」。

反證法在其證明過程中，得到矛盾的判斷，根據「矛盾律」，這些矛盾的判斷不能同時為真，必有一假，而已知條件、已知公理、定理、法則或者已經證明為正確的命題都是真的，所以「否定的結論」必為假。

再根據「排中律」，結論與「否定的結論」這一對立的互相否定的判斷不能同時為假，必有一真，於是我們得到原結論必為真。所以反證法是以邏輯思維的基本規律和理論為依據的，反證法是可信的。

Ⅳ 什麼是統計學中的兩類錯誤

顯著性檢驗中的第一類錯誤是指：原假設事實上正確，可是檢驗統計量的觀測值卻落入拒絕域，因而否定了本來正確的假設。這是棄真的錯誤。發生第一類錯誤的概率在雙側檢驗時是兩個尾部的拒絕域面積之和；在單側檢驗時是單側拒絕域的面積。
顯著性檢驗中的第二類錯誤是指：原假設事實上不正確，而檢驗統計量的觀測值卻落入了不能拒絕域，因而沒有否定本來不正確的原假設，這是取偽的錯誤。發生第二類錯誤的概率是把來自θ＝θ1(θ1≠θ0)的總體的樣本值代入檢驗統計量所得結果落入接受域的概率。

Ⅵ 生物統計學中研究的誤差有哪些

數理統計學與社會統計學的異同點
看看變數、隨機變數它倆誰更厲害從變數到隨機變數、從量變到質變！ 從認識論——當今世上最大的方法論！
西方世界科學殿堂金碧輝煌，殿堂寶座上高座網路之首，萬王之王，統計學；統計學統帥一切科學，當今世上最大的認識論和方法論；是西方近四百年來科技文明的台柱子。
近70年，由於數理統計學的飛速發展，大有「吃掉」社會統計學的勢頭，尤其是 以美國為代表的發達國家幾乎認為統計學就是數理統計學，稱為科學統計。實際上，這是一個極大的誤區。就是一個大呼悠，是一種統計學的錯誤學說。
統計學發展史說明：先有社會統計學後有數理統計學，先有變數後有隨機變數；社會統計學以變數為基礎，數理統計學以隨機變數為基礎，變數與隨機變數是在一定的條件下可以相互轉化的數學概念。
我們知道變數與隨機變數是即有聯系又有區別的。當變數取值的概率不是1時，變數就變成了隨機變數；當隨機變數的取值概率為1時，隨機變數就變成了變數。變數與隨機變數的聯系與區別搞清楚了。以後在描述變數時，大膽地使有社會統計學，在描述隨機變數時，就用數理統計學。如果在描述變數時非用數理統計學，那就是殺雞用了宰牛刀，費力不討好。通過分析變數與隨機變數的聯系和區別，我們可以准確地界定，社會統計學與數理統計學各自研究范圍。
對隨機變數的研究一般來說比對變數的研究復雜的多，而且直到今天數理統計學的研究尚處在較低的水平，且使用起來比較復雜；再從長遠的研究來看，對隨機變數的研究最終會逐步轉化為對變數的研究，這與我們通常研究復雜問題轉化為若干間單問題的研究的道理是一樣的。
從理論上講，社會統計學應該復蓋除概率論和數理統計學之外的所有數學學科的運作，從數學上看，隨機變數面對著龐大的二十多個變數數學分支，在數學上已經被徹底的孤立起來，其實它就是數學上變數的一個特例。從統計學上看，統計學的大多數問題是變數或近似變數問題，而不是隨機變數。就向牛頓力學在今天在使用上仍佔主導地位，而不是相對論力學，因為物體在多數情況下是遠離光速的。《社會統計學與數理統計學的統一》理論，確立了社會統計學流派變數在統計學的主導地位，使.以美國為代表的發達國家數理統計學流派隨機變數，走下了神壇及領導地位成為支流。使數百年來一百七十種已上的統計學錯誤學說回到正確軌道上來。
統計學是當今世上最大的認識論和方法論，所有的科學前沿問題都要通過統計學來加以描述，統計學是近四百年來西方科技文明的台柱子，現以被中國人扛跑了啦。如今西方統計學已風光不在，世界統計學的中心已經轉移到了中國。

現代統計學的發展.社會統計學與數理統計學都可以定性和定量分析，兩者的區別就是變數與隨機變數。

Ⅶ 生物統計怎樣才能做到同時減少犯兩種錯誤的概率為什麼

生物統計怎樣才能做到同時減少犯兩種錯誤的概率
假設檢驗及其兩類錯誤是數理統計學中的名詞。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。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。
因為樣本容量越大，說明樣本的統計特徵越符合總體特徵，因此在驗證假設時，對樣本進行統計分析所得到的結果越接近真實結果，自然犯第一類錯誤與第二類錯誤的概率同時降低。
原假設是真實的，而判斷結論是拒絕原假設，這種錯誤叫做「棄真錯誤「，這就是第一類錯誤。
原假設是錯誤的，而判斷結論是接受原假設，這種錯誤叫做「取偽錯誤「，這就是第二類錯誤。

Ⅷ 生物統計附試驗設計

第一章緒論

1.生物統計學的內容：統計原理、統計方法和試驗設計。
2.生物統計的作用：a.科學地整理分析數據；b.判斷試驗結果的可能性；c.確定事物之間的相互關系；d.提供試驗設計的原理。
3.樣本容量常記為n,通常把n≤30的樣本稱為小樣本，n.>30的樣本稱為大樣本。
4.名解：（重）①生物統計：生物統計是應用概率論和數據統計的原理和方法來研究生物界數量變化的學科；
②總體：是被研究對象的全體，據所含的個體的多少，總體分為有限總體和無限總體。
③樣本：是指總體內隨機抽取出來若干個體所組成的單位。
④隨機誤差：由於許多無法控制的內在和外在的偶然因素所造成的誤差，內在如個體差異，外在如環境，它影響試驗的精確性。
（了）①參數：從總體計算出來的數量特徵值，它是一個真值，沒有抽樣變動的影響，一般用平均數u，標准差s。
②統計量：是從樣本計算出來的數量特徵值，它是參數的估計值，受樣本變動的影響，一般用拉丁字母表示，如平均數。
③系統誤差：主要是試驗動物的初始條件不同，試驗條件相差較大，儀器不準，標准試劑未經校正，葯品批次不同，葯品用量與種類不符合試驗計劃要求，以及觀察，記錄抄案，計算中的錯誤所引起的誤差，它影響試驗的准確性。
④准確性：指在試驗或調查中某試驗指標或形狀的觀測值與其真值接近的程度。
⑤精確性：指試驗或調查中一試驗指標或形狀的重復觀測值彼此接近的程度。

第二章資料的整理

1.統計資按性質分為：計量資料、次數資料和半定量資料。
2.計量資料是指用量測方式獲得的數量性狀資料，即用度、量、衡等計量工具直接測量獲得的數量性狀資料。計量資料整理的五步驟如下：
（1）求全距，即資料中最大值和最小值之差R=Max(x)—Min(x);
(2)確定組數即按樣本大小而定；
樣本含量與組數
樣本含量 組數
30～60 6～8
60～100 8～10
100～200 10～12
200～500 12～17
500以上 17～30
（3）確定組距，每組最大值與最小值之差記為i ，公式：組距（i）＝全距（R）／組數k ；（4）確定組中值及組限，各組的最大值和最小值稱為組限，最小值為下限，最大值為上限，每組的中點值稱為組中值，組中值=（下限+上限）／2=下限+組距／2=上限-組距／2；（5）歸組劃線計數，作次數分布表。
3.常用的五種統計圖為長條圖、圓圖、線圖、直方圖、折線圖，掌握直方圖和折線圖的繪制。
4.原始資料的檢查核對主要進行下面三性的檢查：①檢查資料的完整性；②檢查資料的正確性；③檢查資料的精確性。
5大樣本資料需整理成次數分布表。

第三章資料的統計描述

1.平均數包括以下五種算術平均數、中位數、眾數、幾何平均數及調和平均數。
2.用來度量資料變異程度的指標主要有極差、方差、標准差、變異系數。
3.平均數的基本性質是（1）樣本各觀測值與平均數之差的和為零，簡述為離均差之和為；（2）樣本各觀測值與平均數之差的平方和為最小，簡述為離均差平方和為最小。
4.10頭母豬第一胎產仔數為9、8、7、10、12、10、11、14、8、9（頭）計算10頭母豬第一胎產仔數的平均數、中位數、標准差和變異系數。
解：①平均數Σx=9+8+7+10+12+10+11+14+8+9=98，n=10

②資料數據按小到大排列如：7、8、8、9、9、10、10、11、12、14
中位數
③標准差
④變異系數

第四章常用概率分布

1.事件概率具有以下性質：①對於任何事件A，有0≤P（A）≤1；②必然事件的概率為1，即P（Ω）=1：③不可能的事件概率為0,即P（Ø）=0。
2.（1）正態分布：若連續型隨機變數X的概率分布密度函數為
其中 為平均數，σ2為方差，則稱隨機變數X服從正態分布，記為X～ 。相應的概率分布函數為
正態分布密度曲線為：

（2）標准正態分布：：當μ=0、σ=l時，正態總體稱為標准正態總體，其相應的函數表示式是，（-∞＜x＜+∞）
其相應的曲線稱為標准曲線；.標准正態總體的概率問題:

對於標准正態總體N（0，1）， 是總體取值小於 的概率，
即 ，
其中 ，圖中陰影部分的面積表示為概率 只要有標准正態分布表即可查表解決.從圖中不難發現:當 時， ；而當 時，Φ（0）=0.5；標准正態總體 在正態總體的研究中有非常重要的地位，為此專門製作了「標准正態分布表」．在這個表中，對應於 的值 是指總體取值小於 的概率，即 ， ．
若 ，則 ．
利用標准正態分布表，可以求出標准正態總體在任意區間 內取值的概率，即直線 ， 與正態曲線、x軸所圍成的曲邊梯形的面積 ．
（3）有關概率計算的公式：
P(0≤u＜u1)＝Φ(u1)-0.5
P(u≥u1) =Φ(-u1)
P(｜u｜≥u1)=2Φ(-u1)
P(｜u｜＜u1)=1-2Φ(-u1)
P(u1≤u＜u2)＝Φ(u2)-Φ(u1)
註：用曲線圖和面積來理解記憶。
（4）關於標准正態分布要熟記下列幾種常用概率：
P（-1≤u＜1）=0.6826
P（-2≤u＜2）=0.9545
P（-3≤u＜3）=0.9973
P（-1.96≤u＜1.96）=0.95
P (-2.58≤u＜2.58)=0.99
（5）例：①已知u～N(0，1)，試求： (1) P(u＜-1.64)＝? (2) P (u≥2.58)=? (3) P (｜u｜≥2.56)=? (4) P(0.34≤u＜1.53) =?
利用(4-12)式，查附表1得：
(1) P(u＜-1.64)=0.05050
(2) P (u≥2.58)=Φ(-2.58)=0.024940
(3) P (｜u｜≥2.56)=2Φ(-2.56)=2×0.005234=0.010468
(4) P (0.34≤u＜1.53)=Φ(1.53)-Φ(0.34)=0.93669-0.6331=0.30389
②已知u～N(0,1)試求：
(1) P(u＜- )+P(u≥ )=0.10的
(2) P(- ≤u＜ ﹚=0.86的
因為附表2中的α值是：

所以
（1) P(u＜- )+ P(u≥ )=1- P(- ≤u＜ ﹚=0.10=α
由附表2查得： =1.644854
(2) P (- ≤u＜ )=0.86 ，α=1- P (- ≤u＜ )=1-0.86=0.14
由附表2查得： =1.475791
對於x～N(μ,σ2)，只要將其轉換為u～N(0,1),即可求得相應的雙側分位數。
③已知豬血紅蛋白含量x服從正態分布N(14.52， )， 若P(x＜1.1) =0.025, P(x> )=0.025,P(x＜ ) =0.005，P(x> )=0.005，求 , ， ， 。
由題意可知，α／2=0.025,α=0.05 又因為

P(x> )=
故 P(x＜ ＝+ P(x> )= P(u＜- ＝+ P(u> )
=1- P(- <P＜ )=0.05=α
由附表2查得： =1.959964,所以
( -14.52)/1.68=-1.959964， ( -14.52)/1.68=1.959964
即 ≈11.23， ≈17.81。
同理 =2.575829，所以
( -14.52)/1.68=-2.575829， ( -14.52)/1.68=2.575829
即 ≈10.19， ≈18.85。
④已知豬血紅蛋白含量x服從正態分布N(12.86， )， 若P(x＜ ) =0.03, P(x≥ )=0.03,求 , 。
由題意可知，α／2=0.03,α=0.06 又因為
P(x≥ )=
故 P(x＜ ＝+ P(x≥ )= P(u＜- ＝+ P(u≥ )
=1- P(- ≤P＜ )=0.06=α
由附表2查得： =1.880794,所以
( -12.86)/1.33=-1.880794， ( -12.86)/1.33=1.880794
即 ≈10.36， ≈15.36。
3. ①雙側概率（重）：把隨機變數X落在平均數 左右標准差σ一定倍數區間之外的概率記作σ；②單側概率：指所求得隨機變數X小於平均數 左側標准差σ一定倍數或大於平均數 右側標准差σ一定倍數的概率記作σ／2。

第五章假設檢驗

1.顯著性檢驗：就是指在對資料進行統計分析時，先提某一問題對樣本所在總體的參數提出一個統計假設，然後根據從樣本獲得的統計量所服從的概率分布，對這一假設進行檢驗；其目的是主要是看樣本是否來自於均數相同的總體即通過對樣本的研究來對總體作出統計推斷；檢驗的對象是在統計學中，是以樣本平均數差異x1- x2的大小時樣本所在的總樣本平均數 1、 2是否相同作出推斷。
2.為什麼以樣本均數作為檢驗對象呢？是因為樣本平均數具有下述特性：
（1）離均差的平方和 (xi- )2最小。說明樣本平均數與樣本各個觀測值最接近，平均數是資料的代表數。
（2）樣本平均數是總體平均數的無偏估計值，即E（ ）＝ 。
（3）根據統計學中心極限定理，樣本平均數 服從或逼近正態分布。
所以，以樣本平均數作為檢驗對象，由兩個樣本平均數x1和x2的差異去推斷樣本所屬總體平均數是否相同時有依據的。
3.(了) ①標准誤(平均數抽樣總體的標准差) 的大小反映樣本平均數 的抽樣誤差的大小，即精確性的高低。標准誤大，說明各樣本平均數 間差異程度大，樣本平均數的精確性低。反之， 小，說明 間的差異程度小，樣本平均數的精確性高。 的大小與原總體的標准差σ成正比，與樣本含量n的平方根成反比。從某特定總體抽樣，因為σ是一常數，所以只有增大樣本含量才能降低樣本平均數 的抽樣誤差。在實際工作中，總體標准差σ往往是未知的，因而無法求得 。此時，可用樣本標准差S估計σ。於是，以 估計 。記 為 ，稱作樣本標准誤或均數標准誤。②區別：樣本標准差與樣本標准誤是既有聯系又有區別的兩個統計量， = 已表明了二者的聯系。二者的區別在於：樣本標准差S是反映樣本中各觀測值 , ,…, 變異程度大小的一個指標，它的大小說明了 對該樣本代表性的強弱。樣本標准誤 是樣本平均數 的標准差，它是 抽樣誤差的估計值， 其大小說明了樣本間變異程度的大小及 精確性的高低。
4. ①小概率事件通常指發生的概率小於5%的事件，認為在一次試驗中該事件是幾乎不可能發生的。隨機事件的概率表示了隨機事件在一次試驗中出現的可能性大小。若隨機事件的概率很小，例如小於0.05、0.01、0.001，稱之為小概率事件。小概率事件雖然不是不可能事件，但在一次試驗中出現的可能性很小，不出現的可能性很大，以至於實際上可以看成是不可能發生的。在統計學上，把小概率事件在一次試驗中看成是實際不可能發生的事件稱為小概率事件實際不可能性原理，亦稱為小概率原理。小概率事件實際不可能性原理是統計學上進行假設檢驗（顯著性檢驗）的基本依據。
②一統計資料進行統計推斷判斷的原則如下：
Ⅰ、當 < ,P>0.05 時，差異不顯著，用「NS」表示，不能否H0 ；
Ⅱ、當 ≤ ≤ ，0.01< P <0.05時，差異顯著，用「*」表示，接受HA，否定H0 ；
Ⅲ、當 ≥ ，P≤0.01時，差異極顯著，用「**」表示，接受HA，否定H0 。
5.計算題：了解樣本均數與總體均數的差異性顯著檢驗及兩樣本均數的差異性顯著檢驗；重點知道正態總體平均數 的置信區間。
例：①計算下列資料總體平均數的95%，99%置信區間，119、22、104、32、53、31、118、57、30、101、、58、48、68、70。
解：資料總體平均數的95%，99%置信區間
df=n－1=14－1=13,故 =2.160， =3.012
=65.0714 ，S＝33.3293， 9.2431
所以⑴95%置信半徑為 =19.9668
95%置信下限為 — =45.1046
95%置信上限為 — =85.0382
即該資料總體平均數u 的95%置信區間為45.1046≤u≤85.0382
⑵99%置信半徑為 =27.8426
99%置信下限為 — =37.2288
99%置信上限為 — =92.9140
即該資料總體平均數u 的99%置信區間為37.2288≤u≤92.9140 。
②隨機抽測了10隻兔的直腸溫度，其數據為：38.7、39.0、38.9、39.6、39.1、39.8、38.5、39.7、39.2、38.4℃。已知該品種兔直腸溫度的總體平均數為 ℃，檢驗該樣本平均數溫度與 是否有顯著性差異？
解：⑴提出無效假設與備擇假設
H0 ： =39.5，HA： <39.5
⑵計算t值 經計算得 =39.09，S=0.4909
t=( - )/ =-2.6411
⑶統計推斷
由df=n-1=10-1=9,查附表得臨界t值
=2.262 =3.250, <︱t︱< ,0.01< P < 0.05
否定H0，HA接受，表明樣本平均數 與已知總體平均數 差異顯著。

Ⅸ 《統計學》中「第一類錯誤」和「第二類錯誤」分別是指什麼

第一類錯誤：原假設是正確的，卻拒絕了原假設。

第二類錯誤：原假設是錯誤的，卻沒有拒絕原假設。

第一類錯誤即I型錯誤是指拒絕了實際上成立的H0，為「棄真」的錯誤，其概率通常用α表示，這稱為顯著性水平。α可取單側也可取雙側，可以根據需要確定α的大小，一般規定α=0.05或α=0.01。

第二類錯誤即Ⅱ型錯誤是指不拒絕實際上不成立的H0，為「存偽」的錯誤，其概率通常用β表示。β只能取單尾，假設檢驗時一般不知道β的值，在一定條件下(如已知兩總體的差值δ、樣本含量n和檢驗水準α)可以測算出來。

(9)生物統計中錯誤指什麼擴展閱讀

我們在做假設檢驗的時候會犯兩種錯誤：第一，原假設是正確的，而你判斷它為錯誤的；第二，原假設是錯誤的，而你判斷它為正確的。我們分別稱這兩種錯誤為第一類錯誤和第二類錯誤。

我們常把假設檢驗比作法庭判案，我們想知道被告是好人還是壞人。原假設是「被告是好人」，備擇假設是「被告是壞人」。法庭判案會犯兩種錯誤：如果被告真是好人，而你判他有罪，這是第一類錯誤(錯殺好人)；如果被告真是壞人，而你判他無罪，這是第二類錯誤(放走壞人)。

記憶方法：我們可以把第一類錯誤記為「以真為假」，把第二類錯誤記為「以假為真」。當然我們也可以將第一類錯誤記為「錯殺好人」，把第二類錯誤記為「放走壞人」。

在其他條件不變的情況下，如果要求犯第一類錯誤概率越小，那麼犯第二類錯誤的概率就會越大。這個結論比較容易理解，當我們要求「錯殺好人」的概率降低時，那麼往往就會「放走壞人」。

同樣的，在其他條件不變的情況下，如果要求犯第二類錯誤概率越小，那麼犯第一類錯誤的概率就會越大。當我們要求「放走壞人」的概率降低時，那麼往往就會「錯殺好人」。

同樣的，在其他條件不變的情況下，如果要求犯第二類錯誤概率越小，那麼犯第一類錯誤的概率就會越大。當我們要求「放走壞人」的概率降低時，那麼往往就會「錯殺好人」。

Ⅹ 統計學中 Type I error和TypeII error是指什麼

Type I error 是指統計學中的一類錯誤，意思是本來是錯誤的結論卻被接受了。TypeII error 是指統計學中的二類錯誤，也就是本來是正確的錯誤卻被拒絕了。簡而言之，就是存偽和棄真。