假设检验中产生两类错误的原因是什么？
答案：
产生I类错误的原因主要是样本中含有极端数值或者采用的决策标准过于宽松了。产生II类错误的原因主要是实验设计不灵敏或者样本数据变异性过大或者处理效应本身比较小。
犯第一类错误所引起的损失可能很大。例如，实际无效的药物而决定大批量生产等会造成很大的浪费。因此要根据实际需要对显著水平 α 加以控制。
α 定的越小，则犯第一类错误的可能性也越小，例如 α =0.05，表示可以保证判断时犯第一类错误的可能性不超过5%；而当 α =0.01时，表示可以保证判断时犯第一类错误的可能性不超过1%。
设犯第二类错误的概率为 β ，则 β 称为存伪概率。犯第二类错误也可能引起很大的损失，例如把有显著效果的新药检验为无效果，以致不敢投入生产，是某种疾病蔓延，贻误治疗的最佳时机。
要比较第一类错误和第二类错误的损失哪个更大，就要对不同情况做具体的分析，例如，新药的成本低廉，不妨冒犯第一类错误的风险，如果新药成本昂贵，就宁肯冒犯第二类错误的风险。一般公认的观点是犯I类错误的危害较大，由于报告了本来不存在的现象，因此现象而衍生出的后续研究、应用的危害将是不可估量的。相对而言，II类错误的危害则相对较小，因为研究者如果对自己的假设很有信心，可能会重新设计实验，再次来过，直到得到自己满意的结果（但是如果对本就错误的观点坚持的话，可能会演变成Ⅰ类错误）。
什么是假设检验的两类错误
原假设究竟是真实还是不真实，事实上是不知道的。在参数检验中，接受零假设仅仅由于它出现的可能性比较大，而拒绝原假设也仅仅由于它出现的可能性比较小。这样按概率大小所做的判断，并不能保证百分百的正确，不论是接受原假设还是拒绝原假设，都可能犯错，总是要承担一定的风险。
举个例子，某投资者手上有很多闲置资金想要找项目，他通过调研后发现某项目P很有可能能赚大钱，于是就投进去了。最近坊间传闻该项目马上要撤回了，那他是继续持有还是立即撤出投资？
这个问题的关键就在于消息的真实性。
这个投资者第一反应是假设传闻是真实的，并着手进行调查，如果传闻的真实性不小于95%，那他就认为传闻是可靠的，否则就是不可靠。
于是他通过各种渠道进行调查，发现传闻的真实性有96%，但并不是百分百。他需要做出抉择，但是需要冒两个风险。
第一，传闻是真实的，但是他认为真理掌握在少数人手里，这就有可能犯第一类错误，犯错概率为 α =4%。
第二，传闻是假的，但是他认为应该遵从多数意见，这就有可能犯第二类错误，犯错概率为 β 。但是 β 并不一定等于96%。这是因为如果原假设是传闻是假的，我们需要以此为基础找证据，最后得到的检验概率并不一定是96%。这和以传闻为真为原假设的出发点有很大不同。
以上所做的判断包括以下4种情况。
1）原假设是真实的，而做出不拒绝原假设的判断，这是正确的决定。
2）原假设是不真实的，而做出拒绝原假设的判断，这是正确的决定。
3）原假设是真实的，而做出拒绝原假设的判断，这是犯了第一类错误。
4）原假设是不真实的，而做出不拒绝原假设的判断，这是犯了第二类错误。
上述4种情况的内容总结见表2-4。
表2-4 假设检验结论和风险
在做检验决策的时候，当然希望所有真实的原假设都能得到接受，尽量避免真实的假设被拒绝，少犯或不犯第一类错误。也希望所有不真实的假设都被拒绝，尽量避免不真实的假设被接受，少犯或不犯第二类错误。
因此需要对可能犯第一类错误和第二类错误的概率进行分析。
假设检验建立在小概率事件几乎不会发生的原理基础上，给定显著水平 α ，如果样本均值和总体均值的差异出现的概率等于或小于 α ，则认为此事件可能性很小，因此就拒绝原假设。但是这个差异的发生并不是完全不可能，而是有 α 的可能性存在。也就是说，有 α 的可能性发生原假设是真实的而被拒绝了，所以显著水平 α 实际上就是犯第一类错误的概率， α 也称为拒真概率。
