核心要点
I 类错误：H₀ 真却拒绝（假阳性），概率为 α；II 类错误：H₀ 假却不拒绝（假阴性），概率为 β
能画 2×2 决策表：拒绝/不拒绝 × H₀ 真/假，四格分别对应 α、1−β（功效）、正确、β
功效 = 1−β = 正确检出真实效应的概率；样本量规划即在给定效应量下让功效达标（如 0.8）
固定 n 时 α 与 β 此消彼长（降 α 会升 β）；要同时降低两者需增大 n 或减小方差
简要回答
| 决策 现实 | H₀ 真 | H₀ 假 |
|---|---|---|
| 拒绝 H₀ | I 类错误（假阳性）概率 α | 正确（真阳性）概率 1−β = 功效 |
| 不拒绝 H₀ | 正确 | II 类错误（假阴性）概率 β |
I 类错误（Type I）：
- 冤枉好人——无效应却宣称有效
- 由 α 控制（显著性水平）
II 类错误（Type II）：
- 漏检——有效应却未检出
- 由 β 描述；功效 1−β 应尽量高
权衡：固定 n，降低 α → β 升
标准回答
| 决策 现实 | H₀ 真 | H₀ 假 |
|---|---|---|
| 拒绝 H₀ | I 类错误（假阳性）概率 α | 正确（真阳性）概率 1−β = 功效 |
| 不拒绝 H₀ | 正确 | II 类错误（假阴性）概率 β |
I 类错误（Type I）：
- 冤枉好人——无效应却宣称有效
- 由 α 控制（显著性水平）
II 类错误（Type II）：
- 漏检——有效应却未检出
- 由 β 描述；功效 1−β 应尽量高
权衡：固定 n，降低 α → β 升；增大 n 可同时改善。
应用：
- 药物审批：严控 α（安全）
- 癌症筛查：更关注降低 β（少漏诊）
p 值、统计功效与假设检验需一体理解。见 概率论基础。
常见误区
⚠️ 常见踩坑
混淆两类错误的方向：把「漏检真实效应」错当成 I 类错误——漏检是 II 类（假阴性，β）。另一误区：以为只要降低 α 就万事大吉；在样本量固定时，过度压低 α 会推高 β、拉低功效，可能掩盖真实效应。还需注意 α、β 是条件概率（分别以 H₀ 真/假为前提），不是 H₀ 真假本身的概率。
延伸学习
与本题相关的知识库文章、术语、工具与行业资讯。