首页 > 试题广场 >

假设检验相关的第一类错误、第二类错误,怎么降低第一类错误,如

[问答题]
假设检验相关的第一类错误、第二类错误,怎么降低第一类错误,如何同时降低第一类和第二类错误
第一类错误:弃真错误,即原假设为真却被拒绝的概率;第二类错误:取伪错误,即原假设为假却接受了原假设的概率。当样本量不变时,降低其中一类错误,则必然会使另一类错误增大,所以在实验中一般会优先控制犯第一类错误的概率,一般犯第一类错误的概率不超过5%,即当原假设为真时,接受原假设的概率超过95%。 通过增加样本量,可以同时降低犯第一类错误和第二类错误的概率,因为用样本去估计总体时,样本量越大,样本和总体之间的差异就会越小
发表于 2022-08-17 12:48:51 回复(0)
第一类错误原假设(H0)为真时错误拒绝,概率为α。α=0.05,100次检验中平均5次误判;第二类错误为H0为假时错误接受,概率为β。β=0.2,则20%可能错过实际有效的策略。 降低第一类错误方法:降低alpha,可以更严格的控制误拒原假设的风险; 同时降低一类二类的方法:1.增加样本量,提升检验效力(1-β);2.优化统计方法,使用更高效模型减少数据噪声;
发表于 2025-04-07 17:29:16 回复(0)
第一类错误指原假设为真,我们却错误的抛弃了原假设。第二类错误指原假设为伪,我们却没有拒绝原假设。同时降低犯两类错误的方法是扩大样本量,因为样本量越大它的均值,标准差和分布越接近于总体。
发表于 2025-03-20 15:50:54 回复(0)
在样本量不可变时,第一类错误和第二类错误之间存在权衡关系,降低一种错误的同时可能会增加另一种错误,所有优先控制第一类错误;样本量可变时,可以增加样本量,可以同时降低犯第一类错误和第二类错误的概率。
发表于 2024-12-02 22:46:53 回复(0)
第一类错误:当原假设为真时,拒绝原假设 第二类错误:当原假设为假时,没有拒绝原假设 在样本量不变时,增大第二类错误就会减少第一类错误,通过增加样本量,可以同时降低犯第一类错误和第二类错误的概率,因为用样本去估计总体时,样本量越大,样本和总体之间的差异就会越小
发表于 2024-07-31 15:20:18 回复(0)
在实验中我们一般优先控制第一类错误,因为原假设是非常明确的
发表于 2024-05-12 09:57:32 回复(0)
increase sample size. In machine learning, it is basically justg increase the accuracy.
发表于 2024-04-28 04:43:47 回复(0)
第一类错误为弃真错误或显著性水平,即原假设是真被拒绝的概率,第二类错误叫做采伪错误,即原假设是假而我们没有拒绝的概率。在一定样本量的情况下,减少一类错误而增大另一位错误,在实践中我们优先控制第一类错误。
发表于 2023-11-07 22:36:16 回复(0)