17 在進行推論統計時，研究人員無可避免地必須承擔錯誤的風險，名為第一型錯誤（type I error）與第二型 錯誤（type II error）。今當顯著水準由 0.05 變更為 0.01 時，犯上述錯誤的風險會如何改變？
(A)犯第一型錯誤的風險降低，犯第二型錯誤的風險提高
(B)犯第一型錯誤的風險提高，犯第二型錯誤的風險降低
(C)犯第一型錯誤的風險降低，犯第二型錯誤的風險不變
(D)犯第一型錯誤的風險不變，犯第二型錯誤的風險降低

答案：登入後查看
統計： A(540), B(255), C(114), D(73), E(0) #1642573

詳解 (共 3 筆)

#2379281

第一型錯誤α和第二型錯誤β是相對的，意思是說:犯第一型錯誤α增加，犯第二型錯誤β就會減少(犯第一型錯誤α減少，犯第二行錯誤β就會增加)

 因此當顯著水準α從0.05變成0.01(降低)➔犯第二型錯誤的風險就會提高


60
0
#2871112

型Ⅰ錯誤(錯誤α)；型Ⅱ錯誤(錯誤β)

顯著水準α從0.05變成0.01，降低→型Ⅰ錯誤降低，

型Ⅰ錯誤與型Ⅱ錯誤互為消長→型Ⅱ錯誤提高。


24
1
#6037026
  • 型一錯誤：alpha（α），表示偽陽性錯誤的機率
  • 型二錯誤：beta（β），表示偽陰性錯誤的機率

α 就是統計學的顯著水準（Significance Level），經常設定為 0.05，α=0.05 代表「實際上虛無假設成立，我們仍有 5% 的機率在數據看到顯著的測試結果」。

若想要盡力避免型一錯誤，把顯著水準從常用的 0.05 改成 0.01，研究結果的型一錯誤率會降低。但顯著水準與檢定力通常會互相消長，顯著水準降低代表我們更不傾向結論數據「有特色」、決策變得保守，而這同時也造成數據真的具有特色的時候，我們卻不敢做出「有特色」的結論（檢定力不足）。因此，該如何選擇顯著水準與檢定力，取決於犯了型一與型二錯誤各自有哪些成本或後果。

資料來源：https://haosquare.com/type-i-error-and-type-ii-error/

1
0