类型1错误简介 编辑

I类错误是在测试过程中发生的一种故障假设检验当无效假设 被拒绝，即使它是准确的，不应该被拒绝。

在假设检验中，一个无效的假设是在检验开始之前建立的。在某些情况下，零假设假设假设被测试的项目和被测试对象受到的刺激之间没有因果关系，从而触发测试结果。

然而，错误可能会发生，在这种情况下，无效假设被拒绝，这意味着它确定了测试变量之间存在因果关系，而实际上，这是一个假阳性。这些假阳性称为I型错误。

关键要点

• 当一个无效的假设被拒绝时，即使它是准确的并且不应该被拒绝，在假设检验期间也会发生I型错误。
• 无效假设假设在测试项目和测试期间应用的刺激之间没有因果关系。
• I型错误是“假阳性”，导致对无效假设的错误拒绝。

理解I型错误

假设检验是利用样本数据检验猜想的过程。检验的目的是提供证据，证明所检验的数据支持猜想或假设。无效假设是指假设中所考虑的两个数据集、变量或总体之间不存在统计显著性或影响。通常，研究人员会试图推翻无效假设；

例如，假设“零假设”表明，投资策略的表现并不比市场指数（如标准普尔500指数）好。研究人员会抽取数据样本，对投资策略的历史表现进行检验，以确定该策略的表现是否高于标准普尔指数。如果检验结果显示该策略的表现高于指数，则会拒绝零假设。

这种情况表示为“n=0”。如果在进行测试时，结果似乎表明应用于受试者的刺激会引起反应，则说明刺激不会影响受试者的无效假设将被拒绝。

理想情况下，如果一个无效的假设被发现是真的，它永远不应该被拒绝，如果它被发现是假的，它应该总是被拒绝。但是，有时会出现错误。

假阳性Ⅰ型错误

有时候，拒绝测试对象、刺激和结果之间没有关系的无效假设可能是不正确的。如果刺激物以外的东西导致测试结果，它可能会导致“假阳性”结果，即刺激物似乎作用于受试者，但结果是偶然造成的。这种“假阳性”，导致对无效假设的错误拒绝，被称为I型错误。I类错误拒绝了本不该拒绝的想法。

I类错误示例

例如，让我们看看一个被告的犯罪痕迹。无效的假设是这个人是无辜的，而另一个是有罪的。在本案中，第一类错误意味着，尽管此人实际上是无辜的，但他并没有被判无罪，而是被送进监狱。

在医学测试中，一个I型错误会导致一种疾病的治疗有降低疾病严重程度的效果，而事实上，它没有。当一种新药被测试时，无效的假设是该药不会影响疾病的进展。假设一个实验室正在研究一种抗癌新药。他们的无效假设可能是这种药物不影响癌细胞的生长速度。

将药物应用于癌细胞后，癌细胞停止生长。这将导致研究人员拒绝他们的无效假设，即药物不会有任何效果。如果药物导致生长停止，那么拒绝空白的结论在这种情况下是正确的。然而，如果在试验过程中有其他原因导致生长停止而不是给药，这将是对无效假设不正确拒绝的一个例子，即i型错误。