第一類錯誤：reject the null when it is true. 第二類錯誤：accept the null when it is false. 我們進行檢驗的時候要明確H0才是我們要檢驗的東西，而H1是可能出現的錯誤，就像H0:X1=X2 H1:X1≠X2和他的反命題是結果並不一致的。 我們說的5%的假設檢驗說的是第一類錯誤的 機率，而我們選擇的區間都是說的在第一類錯誤5%的情況下對第二類錯誤進行最佳化後的結果。 即最終給出的區間的第一類錯誤出現的可能性是5%，即正確的情況下沒有落在這個區間內的可能性是5%。這只是個量化的指標，而這個指標選擇了跟原命題相關性更大的使人們更容易理解，也更容易表述。而在這種情況下我們給出的置信區間是在第一類錯誤小於等於5%的情況下第二類錯誤最小的情況，所以說並不是不關心第二類錯誤或者認為第二類錯誤不重要。PS:1.應該是統計系的學生吧，上課應該好好聽講哦( •̀∀•́ )，老師會解釋的啊。 2.好長時間沒有看這塊了，按照記憶答的，有錯誤歡迎指正。(以後你們也會用R或者SAS呢，其實這些東西如果打算直接工作的話其實並沒有什麼太大的影響，不過最好還是對自己的專業有一個更好的瞭解哦) 3.第一類錯誤和第二類錯誤都無法完全避免的，如果有一個是0呢，另外一個就變成最大值了。就像我們覺得有可能相等的全按相等算(第一類錯誤最小)，很容易就知道第二類錯誤就更加容易出現了。
第一類錯誤：reject the null when it is true. 第二類錯誤：accept the null when it is false. 我們進行檢驗的時候要明確H0才是我們要檢驗的東西，而H1是可能出現的錯誤，就像H0:X1=X2 H1:X1≠X2和他的反命題是結果並不一致的。 我們說的5%的假設檢驗說的是第一類錯誤的 機率，而我們選擇的區間都是說的在第一類錯誤5%的情況下對第二類錯誤進行最佳化後的結果。 即最終給出的區間的第一類錯誤出現的可能性是5%，即正確的情況下沒有落在這個區間內的可能性是5%。這只是個量化的指標，而這個指標選擇了跟原命題相關性更大的使人們更容易理解，也更容易表述。而在這種情況下我們給出的置信區間是在第一類錯誤小於等於5%的情況下第二類錯誤最小的情況，所以說並不是不關心第二類錯誤或者認為第二類錯誤不重要。PS:1.應該是統計系的學生吧，上課應該好好聽講哦( •̀∀•́ )，老師會解釋的啊。 2.好長時間沒有看這塊了，按照記憶答的，有錯誤歡迎指正。(以後你們也會用R或者SAS呢，其實這些東西如果打算直接工作的話其實並沒有什麼太大的影響，不過最好還是對自己的專業有一個更好的瞭解哦) 3.第一類錯誤和第二類錯誤都無法完全避免的，如果有一個是0呢，另外一個就變成最大值了。就像我們覺得有可能相等的全按相等算(第一類錯誤最小)，很容易就知道第二類錯誤就更加容易出現了。