第一类错误是在假设检验过程中出现的一种错误，当一个无效假设被拒绝时，即使它是准确的，不应该被拒绝。

在假设检验中，一个无效的假设是在检验开始之前建立的。在某些情况下，零假设假设假设被测试的项目和被测试对象受到的**之间没有因果关系，从而触发测试结果。

然而，错误可能会发生，在这种情况下，无效假设被拒绝，这意味着它确定了测试变量之间存在因果关系，而实际上，这是一个假阳性。这些假阳性称为I型错误。

关键要点

• 当一个无效的假设被拒绝时，即使它是准确的并且不应该被拒绝，在假设检验期间也会发生I型错误。
• 无效假设假设在测试项目和测试期间应用的**之间没有因果关系。
• 第一类错误是“假阳性”，导致对无效假设的错误拒绝。

理解i型错误

假设检验是利用样本数据检验猜想的过程。检验的目的是提供证据，证明所检验的数据支持猜想或假设。无效假设是指假设中所考虑的两个数据集、变量或总体之间不存在统计显著性或影响。通常情况下，研究人员会试图推翻无效假设。

例如，假设一个零假设表明，一个投资策略的表现并不比一个市场指数好，比如标准普尔500指数。研究人员会采集数据样本，测试该投资策略的历史表现，以确定该策略的表现是否高于标普500指数。如果测试结果显示策略的执行率高于指数，则无效假设将被拒绝。

这种情况表示为“n=0”。如果在进行测试时，结果似乎表明应用于受试者的**会引起反应，则说明**不会影响受试者的无效假设将被拒绝。

理想情况下，如果一个无效的假设被发现是真的，它永远不应该被拒绝，如果它被发现是假的，它应该总是被拒绝。但是，有时会出现错误。

假阳性Ⅰ型错误

有时候，拒绝测试对象、**和结果之间没有关系的无效假设可能是不正确的。如果**物以外的东西导致测试结果，它可能会导致“假阳性”结果，即**物似乎作用于受试者，但结果是偶然造成的。这种“假阳性”，导致对无效假设的错误拒绝，被称为I型错误。I类错误拒绝了本不该拒绝的想法。

i类错误示例

例如，让我们看看一个被告的犯罪痕迹。无效的假设是这个人是无辜的，而另一个是有罪的。在本案中，第一类错误意味着，尽管此人实际上是无辜的，但他并没有被判无罪，而是被送进监狱。

在医学测试中，一个I型错误会导致一种疾病的治疗有降低疾病严重程度的效果，而事实上，它没有。当一种新药被测试时，无效的假设是该药不会影响疾病的进展。假设一个实验室正在研究一种抗癌新药。他们的无效假设可能是这种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无效假设，即药物不会有任何效果。如果药物导致生长停止，那么拒绝空白的结论在这种情况下是正确的。然而，如果在试验过程中有其他原因导致生长停止而不是给药，这将是对无效假设不正确拒绝的一个例子，即i型错误。