第一类错误

I 类错误是在假设检验过程中当原假设被拒绝时发生的一种错误，即使它是准确的并且不应该被拒绝。

在假设检验中，在检验开始之前建立零假设。在某些情况下，零假设假设在被测试的项目和被应用于测试对象以触发测试结果的刺激之间没有因果关系。

但是，可能会发生错误，即拒绝零假设，这意味着确定测试变量之间存在因果关系，而实际上它是误报。这些误报称为 I 类错误。

了解 I 类错误

假设检验是使用样本数据检验猜想的过程。该测试旨在提供证据证明猜想或假设得到被测试数据的支持。零假设是相信假设中考虑的两个数据集、变量或总体之间没有统计意义或影响。通常，研究人员会尝试反驳零假设。

例如，假设零假设表明投资策略的表现并不比市场指数（例如标准普尔 500 指数）好。研究人员将抽取数据样本并测试投资策略的历史表现，以确定是否策略的表现高于标准普尔指数。如果测试结果表明该策略的执行率高于指数，则将拒绝原假设。

该条件表示为“n=0”。如果在进行测试时，结果似乎表明施加于测试对象的刺激引起了反应，那么说明刺激不会影响测试对象的零假设反过来需要被拒绝。

理想情况下，如果发现为真，则永远不应拒绝零假设，如果发现为假，则应始终拒绝它。但是，在某些情况下可能会发生错误。

有时，拒绝测试对象、刺激和结果之间没有关系的零假设可能是不正确的。如果刺激以外的其他因素导致了测试结果，则可能会导致“假阳性”结果，即刺激似乎作用于受试者，但结果是偶然造成的。这种“误报”会导致对原假设的错误拒绝，称为 I 型错误。第一类错误拒绝了一个不应该被拒绝的想法。

例如，让我们看一个被告人的审判。零假设是该人是无辜的，而替代假设是有罪的。在这种情况下，I 类错误意味着该人未被认定为无辜并被送进监狱，尽管该人实际上是无辜的。

在医学测试中，I 类错误会导致看起来对疾病的治疗具有降低疾病严重程度的效果，但实际上并没有。当测试一种新药时，零假设将是该药不影响疾病的进展。假设一个实验室正在研究一种新的抗癌药物。他们的零假设可能是该药物不影响癌细胞的生长速度。

将药物应用于癌细胞后，癌细胞停止生长。这将导致研究人员拒绝他们的零假设，即药物没有效果。如果药物导致生长停止，那么在这种情况下，拒绝无效的结论是正确的。然而，如果在测试期间有其他原因导致生长停止而不是给药，这将是一个不正确拒绝零假设的例子（即，I 类错误）。

＃＃强调