我已经看到很多情况,在各种研究文章中都提到了类型I错误(用alpha值表示)。我发现很少有研究人员考虑到功效或II型错误。
II型错误可能是一件大事吧?当替代假设实际上是错误的时,我们意外地拒绝了它。为什么强调alpha值而不是强调beta值?
当我进行第一年的统计时,我从来没有学会过Beta版-仅Alpha版。我认为这两个错误应同等对待。但是,似乎只强调了alpha。
1
+1原因是,传统上,首先固定类型I错误(又名或显着性水平),然后构造测试以最小化类型II错误(等效地,例如使功效最大化) 。有关Wikipedia的有用文章,以了解此问题,这是有关Uniformly Most Powerful(UMP)测试的文章,en.wikipedia.org
—
wiki /
您对“我们已经接受了原假设”是错误的-我们从不接受。我们要么“拒绝null炒作”,要么“未能拒绝null炒作”,但是从不接受null炒作!
—
穴居人
注意不要将自己的经验与统计文献的整个领域相混淆;您几乎无法推断出您尚未阅读的材料的内容。
—
Glen_b-恢复莫妮卡