II类错误定义 编辑

什么是II型错误？

第二类错误是在下列情况下使用的统计术语：假设检验它描述了在接受无效假设这实际上是假的。 第二类错误产生假阴性，也称为遗漏错误。例如，当病人实际上被感染时，一种疾病的检测结果可能是阴性的。这是第二类错误，因为我们接受测试结论为阴性，即使它是不正确的。

在统计分析中，aI型错误是拒绝一个真正的零假设，而第二类错误描述的错误时发生的失败，拒绝一个零假设这实际上是假的。 这个错误否定了另一种假设，即使它不是偶然发生的。

关键要点

• 第二类错误被定义为错误地保留无效假设的概率，而事实上它不适用于整个人群。
• II型错误本质上是假阴性。
• 第二类错误可以通过制定更严格的标准来拒绝无效假设来减少，尽管这会增加假阳性的几率。
• 分析师需要权衡第二类错误和第一类错误的可能性和影响。

理解II型错误

第二类错误，也称为第二类错误或贝塔错误，证实了本应被拒绝的观点，例如，声称两项观测是相同的，尽管它们是不同的。第二类错误并不排斥无效假设，即使替代假设是真实的自然状态。换句话说，错误的发现被认为是正确的。

第二类错误可以通过制定更严格的标准来拒绝无效假设来减少。例如，如果一个分析师正在考虑任何在95%的+/-范围内的事情置信区间 由于统计上不显著（阴性结果），那么通过将公差降低到+/-90%，并随后缩小界限，您将获得较少的阴性结果，从而降低假阴性的可能性。

然而，采取这些步骤往往会增加遇到I型错误（假阳性结果）的机会。进行假设检验时，应考虑发生I类错误或II类错误的概率或风险。

为减少遇到II型错误的机会而采取的措施往往会增加I型错误的概率。

I型错误与II型错误

II型错误和I型错误的区别在于，I型错误在为真（即假阳性）时拒绝了无效假设。犯I类错误的概率等于重要程度 那是为假设检验准备的。因此，如果显著性水平为0.05，则发生I型错误的可能性为5%。

犯第二类错误的概率等于1减去测试的幂，也称为beta。通过增加温度可以提高试验的功率样品 大小，从而降低犯II类错误的风险。

II类错误示例

假设生物技术该公司希望比较两种药物治疗糖尿病的效果。无效假设表明这两种药物同样有效。无效假设，H₀,公司希望拒绝使用单尾检验. 另一种假设是H_a，说明这两种药物的疗效并不相同。替代假设；H_a，是拒绝无效假设所支持的自然状态。

这家生物技术公司实施了一项大规模的临床试验 对3000名糖尿病患者进行治疗比较。该公司将3000名患者随机分为两个大小相等的组，一组给予一种治疗，另一组给予另一种治疗。它选择了0.05的显著性水平，这表明它愿意接受5%的概率，当它是真的时，它可以拒绝无效假设，或者有5%的概率犯I型错误。

假设贝塔值计算为0.025，或2.5%。因此，犯II型错误的概率为97.5%。如果两种药物不相等，则应拒绝无效假设。然而，如果生物技术公司不拒绝无效的假设，当药物不是同样有效，一个II型错误发生。