AP统计:如何定义第二类错误
学习AP统计学的概念，示例问题和解释
例子问题
例子问题1:定义错误
如果一个测试的幂是
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
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。
受欢迎的科目
洛杉矶的物理导师，丹佛的统计导师，洛杉矶的西班牙语导师，圣地亚哥的物理导师，休斯顿的计算机科学导师，洛杉矶的SSAT导师，凤凰城的代数导师，圣地亚哥的计算机科学导师，圣地亚哥的统计学导师，旧金山湾区的微积分导师
