简介我们不妨先看下定义:
来自:传送门 我们知道,一型错误往往利用 α分位数进行假设推断,而二型错误我们则用 β 值进行衡量 一,二型错误之间的联系对于实际情况来说,我们可以看到预测情况与真实情况之间的数量关系,即混淆矩阵:
我们假设有原假设H0和备择假设H1,那么利用自己的data构造统计量,即构造某种满足H0的统计量分布;同样的我们也可以构造某种满足H1的统计量分布:
那么倘若我们想降低一型错误发生率,即将虚线往右移动,那么势必会增大二型错误发生率;同样,我们想降低二型错误发生率,即将虚线往右移动,那么势必会增大一型错误发生率 拓展我们往往在做统计推断的时候只考虑一型错误发生情况(即 α 分位数),那是因为我们往往围绕H0构造统计量(比较好构造);而H1的统计量分布往往不太好求,并且二型错误发生情况必须知道H1的统计量分布才能求出,所以我们一般做简单的统计推断时不考虑二型错误 |
|