預防醫學/假設檢驗中的兩類錯誤及注意事項

跳轉到: 導航, 搜索

醫學電子書 >> 《預防醫學》 >> 計量數據分析(二) >> 假設檢驗中的兩類錯誤及注意事項
預防醫學

預防醫學目錄

一、第一類錯誤與第二類錯誤

假設檢驗時,根據檢驗結果作出的判斷,即拒絕H0或不拒絕H0,並不是百分之百的正確,可能發生兩種錯誤。下面以樣本均數與總體均數比較的t檢驗為例說明。①拒絕了實際上成立的H0,即樣本原本來自μ=μ0的總體,由於抽樣的偶然性得到了較大的t值,因t≥t0.05(v)按α=0.05檢驗水準拒絕了H0,而接受了H1(μ≠μ0),這類錯誤為第一類錯誤(或I型錯誤,type Ierror),如圖19-3B。理論上犯第一類錯誤的機率為α,若α=0.05,那末,犯第一類錯誤的機率為0.05.②不拒絕實際上不成立的H0,即樣本原本來自μ≠μ0的總體,H0:μ=μ0實際上是不成立的,但由於抽樣的偶然性,得到了較小的t值,因t<t0.05(v),按α=0.05檢驗水準不拒絕H0,這類錯誤稱為第二類錯誤(或Ⅱ型錯誤,type Ⅱ error),如圖19-3C。犯第二類錯誤的機率為β,β值的大小很難確切地估計,但知道在樣本含量不變的前提下,α越小,β越大;反之,α越大,β越小。同時減少α和β的唯一方法是增加樣本含量,因為增加了樣本的含量後,均數的抽樣誤差小,樣本均數的代表性強,也就是樣本均數較接近總體均數,因而可使犯第一類錯誤和第二類錯誤的機率減少。

Ⅰ型錯誤與Ⅱ型錯誤的關係


圖19-3 Ⅰ型錯誤與Ⅱ型錯誤的關係

二、假設檢驗時應注意的事項

(一)要有嚴密的抽樣研究設計;樣本必須是從同質總體中隨機抽取的;要保證組間的均衡性和資料的可比性。

(二)根據現有的資料的性質、設計類型、樣本含量大小正確選用檢驗方法。

(三)對差別有無統計學意義的判斷不能絕對化,因檢驗水準只是人為規定的界限,是相對的。差別有統計學意義時,是指無效假設H0被接受的可能性只有5%或不到5%,甚至不到1%,根據小機率事件一次不可能拒H0,但尚不能排除有5%或1%出現的可能,所以可能產生第一類錯誤;同樣,若不拒絕H0,可能產生第二類錯誤。

(四)統計學上差別顯著與否,與實際意義是有區別的。如應用某藥治療高血壓,平均降低舒張壓0.5kPa,並得出差別有高度統計學意義的結論。從統計學角度,說明該藥有降壓作用,但實際上,降低0.5kPa是無臨床意義。因此要結合專業作出恰如其分的結論。

32 方差分析 | 計數資料分析 32
關於「預防醫學/假設檢驗中的兩類錯誤及注意事項」的留言: Feed-icon.png 訂閱討論RSS

目前暫無留言

添加留言

更多醫學百科條目

個人工具
名字空間
動作
導航
功能菜單
工具箱