当统计学家错误地拒绝无效假设或无效陈述时，当无效假设为真时，统计中出现I类错误；当统计学家未能拒绝无效假设和替代假设时，出现II类错误，或者正在进行测试以提供证据支持的陈述是真实的。

第一类错误和第二类错误都是假设检验过程中的固有错误，尽管我们似乎希望使这两种错误的概率尽可能小，但通常不可能降低这些错误的概率，这就引出了一个问题：“这两种错误中哪一种更严重？”

这个问题的简单答案是，这取决于具体情况。在某些情况下，I型错误优于II型错误，但在其他应用中，I型错误比II型错误更危险。为了确保统计测试过程的正确规划，当时间到决定是否拒绝零假设时，必须仔细考虑这两种类型的错误的后果。下面我们将看到这两种情况的例子。

i型和ii型错误

我们首先回顾第一类错误和第二类错误的定义。在大多数统计检验中，无效假设是关于总体无特殊影响的普遍主张的陈述，而替代假设是我们希望在假设检验中提供证据的陈述。对于显著性测试，有四种可能的结果：

1. 我们拒绝零假设，零假设为真。这就是所谓的I型错误。
2. 我们拒绝了无效假设，而替代假设是正确的。在这种情况下，做出了正确的决定。
3. 我们没有拒绝零假设，零假设是真的。在这种情况下，做出了正确的决定。
4. 我们未能拒绝无效假设，而替代假设是正确的。这就是所谓的II型错误。

显然，任何统计假设检验的首选结果都是第二个或第三个结果，在第二个或第三个结果中，做出了正确的决定，并且没有出现错误，但更常见的是，在假设检验过程中出现了错误，但这都是过程的一部分。尽管如此，知道如何正确地执行程序和避免“误报”有助于减少I型和II型错误的数量。

i型和ii型错误的核心差异

用更通俗的术语，我们可以将这两种错误描述为与测试过程的某些结果相对应。对于I型错误，我们错误地拒绝了无效假设，换句话说，我们的统计检验错误地为替代假设提供了积极的证据。因此，I型错误对应于“假阳性”测试结果。

另一方面，当替代假设为真且我们不拒绝无效假设时，会发生II型错误。在这种情况下，我们的测试错误地提供了反对替代假设的证据。因此，II型错误可被视为“假阴性”测试结果。

从本质上讲，这两种错误是彼此相反的，这就是为什么它们涵盖了统计测试中产生的全部错误，但如果I型或II型错误仍未发现或解决，它们的影响也不同。

哪个错误更好

通过对假阳性和假阴性结果的思考，我们有更好的方法来考虑这些错误中哪一个是更好的II型，似乎有一个否定的内涵，这是有充分理由的。

假设你正在设计一种疾病的医学筛查。I型错误的假阳性可能会给患者带来一些焦虑，但这将导致其他测试程序，最终显示初始测试不正确。相反，II型错误的假阴性会给患者错误的保证，即他或她没有疾病，而事实上他或她确实有。由于这些不正确的信息，这种疾病将无法得到治疗。如果医生能在这两种选择中做出选择，假阳性比假阴性更可取。

现在假设有人因谋杀罪受审。这里的无效假设是该人无罪。如果一个人被判犯有他或她没有犯的谋杀罪，就会发生第一类错误，这对被告来说将是一个非常严重的后果。另一方面，如果陪审团认定该人无罪，即使他或她犯了谋杀罪，也会出现第二类错误，这对被告来说是一个巨大的结果，但对整个社会来说不是。在这里，我们看到了一个司法系统的价值，该系统寻求最大限度地减少第一类错误。