什么是II型错误？
II型错误是一种统计术语，指的是不拒绝错误的虚假假设。 它在假设检验的背景下使用。
在统计分析中，类型I错误是对真实无效假设的拒绝，而类型II错误是当人们未能拒绝 实际上为假 的无效假设时发生的 错误。 换句话说，它会产生误报。 该错误拒绝了替代假设，即使它不是由于偶然而发生的。
重要要点
- II型错误定义为错误地保留原假设的概率，而实际上不适用于整个人群。 II型错误实质上是假阳性。 通过制定更严格的标准来拒绝原假设，可以减少II型错误。 分析人员需要权衡II型错误与I型错误的可能性和影响。
了解II型错误
II型错误确认了一个应该被拒绝的想法，声称这两个遵守情况是相同的，即使它们是不同的。 即使替代假设是自然的真实状态，II型错误也不会拒绝原假设。 换句话说，错误的发现被认为是正确的。 II型错误有时称为beta错误。
通过制定更严格的标准来拒绝原假设，可以减少II型错误。 例如，如果分析人员认为置信区间+/- 95％之内的任何事物在统计上都是有意义的，则通过将该公差提高到+/- 99％，可以减少误报的可能性。 但是，同时执行此操作会增加遇到I型错误的机会。 进行假设检验时，应考虑发生I型错误或II型错误的可能性或风险。
采取减少II型错误发生机率的步骤往往会增加I型错误的机率。
I型和II型错误之间的差异
II型错误和I型错误之间的区别在于，当I型错误为真（假否定）时，它会拒绝原假设。 犯下I型错误的概率等于为假设检验设置的显着性水平。 因此，如果显着性水平为0.05，则可能发生5％的I型错误。
犯II型错误的可能性等于一减去测试的功效，也就是beta。 可以通过增加样本量来增加测试的功效，从而降低发生II型错误的风险。
类型2错误的示例
假设一家生物技术公司希望比较其两种药物在治疗糖尿病方面的效果。 无效假设表明这两种药物是同等有效的。 零假设H 0是公司希望使用单尾检验拒绝的说法 。 替代假设H a表示这两种药物的疗效不一样。 替代假设H a是通过拒绝原假设来支持的度量。
这家生物技术公司对3, 000名糖尿病患者进行了一项大型临床试验，以比较治疗方法。 该公司希望这两种药物的患者人数相等，以表明两种药物均有效。 它选择的显着性水平为0.05，表示愿意接受5％的可能性，当它为true时可能会拒绝原假设，或者愿意接受5％的机会犯I型错误。
假定计算得出的beta为0.025或2.5％。 因此，犯II型错误的可能性为2.5％。 如果两种药物不相等，则应拒绝原假设。 但是，如果生物技术公司在药物效果不同时没有拒绝无效假设，则会发生II型错误。
