例子问题
例子问题1:定义错误
如果一个测试的幂是,第二类错误的概率是多少?
可能的答案:
正确答案:
解释:
从(测试的)幂的统计定义来看,幂等于在哪里为第二类误差。
因此,我们要解的方程为:
例子问题1:如何定义第二类错误
你和一个同学想测试糖和脂肪对血糖水平的影响。
你的同学告诉你,他们发现零假设成立,即糖和脂肪对血糖水平的影响没有区别。
如果零假设为假,会出现什么类型的错误?
可能的答案:
第一类及第二类
I型
II型
既不
正确答案:
II型
解释:
当零假设有效但被拒绝时,就会出现I型错误。
第二类错误发生在零假设为假,但未能被拒绝的情况下。
因为零假设是假的,但没有被拒绝,他们犯了第二类错误。
例子问题3:定义错误
你和一个朋友想测试相同份量的果汁和苏打水对血糖水平的影响。
你的朋友告诉你,他们发现零假设有效,也就是相同份量的果汁和苏打水对血糖水平的影响没有区别。
如果零假设为假,会出现什么类型的错误?
可能的答案:
II型
既不
I型
第一类及第二类
正确答案:
II型
解释:
当零假设有效但被拒绝时,就会出现I型错误。
第二类错误发生在零假设为假,但未能被拒绝的情况下。
因为零假设是假的,但没有被拒绝,他们犯了第二类错误。
问题4:定义错误
一家工厂声称他们生产的小部件只有1%有缺陷,但他们生产的大部分小部件都坏了。进行测试,以确定工厂声称的1%的缺陷是真的,还是客户声称的大于1%的缺陷是真的。第二类错误的例子是什么?
可能的答案:
测试显示只有1%的人有缺陷,而事实是有超过1%的人有缺陷。null在应该被拒绝时被保留。
超过1%的产品被证明有缺陷,而工厂声称只有1%的产品有缺陷。
测试没有得出明确的答案。
测试表明,有超过1%的缺陷,即使只有1%的零实际上是正确的。
测试显示有缺陷部件的百分比为1%,工厂的要求得到支持。
正确答案:
测试显示只有1%的人有缺陷,而事实是有超过1%的人有缺陷。null在应该被拒绝时被保留。
解释:
第二类错误不是拒绝一个真正错误的零假设。这意味着测试支持工厂声称的1%,即使真实的数量比这更多。