假设检验中的 I 类错误与 II 类错误是什么？

I 类错误是 H0 为真却拒绝（α）；II 类错误是 H0 为假却不拒绝（β）；功效 = 1−β 是正确检出真实效应的概率。

一、先给出结论和背景

• 核心回答：| 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）

二、拆开关键步骤和判断点

• 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。

三、补上落地边界和取舍

• 应用：- 药物审批：严控 α（安全）
• 癌症筛查：更关注降低 β（少漏诊）
  与 p 值、统计功效、假设检验 一体理解。见 概率论基础。

面试里如果出现公式，建议先说 假设检验中的 I 类错误与 II 类错误是什么 解决的直觉问题，再解释变量含义和适用条件。最后补一个反例或边界，比如样本量不足、分布假设不成立、数值不稳定时应该怎么处理。

置信区间；概率论基础。