假設檢定(Hypothesis test)是估計母體參數的統計手法，根據檢定統計量(test statistics)是否落在拒絕區域，來判斷是否拒絕該虛無假設(null hypothesis)。今天要介紹的是假設檢定會犯下的兩種錯誤：型一錯誤(Type I Error)、型二錯誤(Type II Error)，並且會輔以實例來示範該如何計算這兩種機率。 為了方便理解，如果檢定統計量不是落在拒絕區域，我會書寫為落在接受區域，這並非正式的名稱，僅僅為了讓讀者易於理解。 偶尔能看懂，但是死活记不住，归根结底是没有彻底理解！ Type I and type II errors - wiki type I error is the rejection of a true nullhypothesis (also known as a "false positive" finding), type II error is failing to reject a false null hypothesis (also known as a "false negative" finding). 1-power。 大部分举例都没有讲清楚，必须要结合下面的图才能有直观的理解。 power就是当统计量服从备择假设时，我们得到备择假设的概率。 我们要构建零假设，这就是我们要攻击的目标，我们需要使用我们的数据来拒绝它。 常见的做法是我们需要构建统计量，在H0的假设下，统计量往往有一个分布，当我们计算出统计量处于分布的小概率区域中时，我们就可以说零假设是小概率事件，可以拒绝零假设。 如下图的单侧假设检验，当统计量大于2时，我们就可以拒绝H0，此时我们犯第一类错误地概率就是α，就是零假设是真的，我们却拒绝了它。 当设定了显著性水平后，α就定了，一般为0.05，所以统计量水平也就定了，下图为2. 第二类错误就是，即使没有达到拒绝H0的标准（统计量小于2），但是其实H1是真的，我们却拒绝了它。定义为β。也可以叫做我们接受了错误地H0。 结论： 第一类错误：错误地拒绝了H0 第二类错误：错误地拒绝了H1，换句话说，错误地接受了H0，接受了假的H0，真的很绕口，但是确实一个东西。 与wiki定义完美吻合！！！  这之后，Sensitivity, Specificity, and ROC Curves就很好理解了。
型一錯誤與型二錯誤（英語：Type I error & Type II error）為统计学中推論統計學統計術語，表示統計學假說檢定中的两种錯誤。 目录
定義[编辑]統計背景[编辑]在統計檢驗理論中，統計误差的概念是假說檢定(hypothesis testing)的一個組成部分。 該測試涉及選擇兩個相互競爭的命題，稱為零假設(Null hypothesis)，用H0表示，另一種對立假說(Alternative hypothesis)，用H1表示。 這在概念上類似於法庭審判中的判決。零假設對應於被告的立場：正如他在被證明有罪之前被假定為無罪一樣，在數據提供反對它的令人信服的證據之前，零假設也被假定為真。 對立假說對應於反對被告的立場。 具體來說，零假設還涉及不存在差異或不存在關聯。 因此，零假設永遠不可能是存在差異或關聯。 如果測試結果與現實相符，則做出了正確的決定。 但是，如果測試結果與實際不符，則發生錯誤。決定錯誤的情況有兩種。 零假設可能為真，而我們拒絕H0。 另一方面，對立假說H1可能為真，而我們不拒絕H0。 兩種錯誤被區分：型一錯誤，與型二錯誤[1]。 型一錯誤[编辑]型一錯誤是錯誤地拒絕原假設作為檢驗程序的結果。又稱偽陽性（false positive），有時也稱為第一類錯誤。 就法庭示例而言，型一錯誤對應於對無辜被告定罪。 型二錯誤[编辑]型二錯誤是錯誤地未能拒絕原假設作為測試程序的結果。又稱偽陰性（false negative），也稱為第二類錯誤。 就法庭示例而言，型二錯誤對應於無罪釋放罪犯[2]。 交叉錯誤率[编辑]交叉錯誤率 (CER) 是型一錯誤和型二錯誤相等的點，代表了衡量生物識別有效性的最佳方法。 具有較低CER值的系統比具有較高CER值的系統提供更高的準確度。 偽陽性和偽陰性[编辑]主条目：偽陽性和偽陰性 在偽陽性和偽陰性方面，陽性結果對應於拒絕零假设，而陰性結果對應於未能拒絕零假设； “偽”表示得出的結論不正確。 因此，型一錯誤相當於偽陽性，型二錯誤相當於偽陰性。 簡介[编辑]在假說檢定中，有一種假說稱為“零假设”，記為，假說检验的目的是利用統計的方式，推翻虛無假說的成立，也就是對立假說（Alternative hypothesis，記為或）成立。
以利用驗孕棒驗孕為例，此時沒有懷孕為零假设。若用驗孕棒替一位未懷孕者驗孕，結果呈已懷孕，此即型一錯誤。若用驗孕棒替一位已懷孕者驗孕，結果呈未懷孕，此即型二錯誤。
參考[编辑]
相關條目[编辑]
外部链接[编辑]
|
Type 2 error 计算
版權 © 2024 toptenid.com Inc.
