学习指南

假设检验执行过程中的潜在误差

AP 统计学

1. 第一类错误的定义与概率★☆☆☆☆⏱ 6 min

第一类错误仅发生在原假设事实上为真的场景下，但你的样本数据引导你错误地拒绝了它。该误差的最大允许概率由你预先选定的显著性水平设定，对于有效z检验而言，它与样本量无关。

📘 定义

第一类错误

α\alpha

当目标总体的原假设完全正确时，错误得出存在统计显著证据支持备择假设的失误。

例:

错误拒绝「新疫苗不良反应率为5%」的原假设，而真实不良反应率恰好为5%。

📐 例题

某市卫生部门执行单比例z检验，验证自来水样本铅污染比例是否超过2%，显著性水平设为0.02。若真实污染率恰好为2%，发生第一类错误的概率是多少？

  1. 1

    步骤1：确认原假设为p=0.02，与给定的真实总体比例完全匹配。

  2. 2

    步骤2：回忆当H0为真时，第一类错误概率等于预先设定的显著性水平α。

  3. 3

    步骤3：错误拒绝真实原假设的概率为0.02。

Exam tip:

AP阅卷官会对未结合题目给定测试场景的通用误差定义扣除全部分值。

2. 第二类错误基础★★☆☆☆⏱ 7 min

第二类错误发生在原假设事实上为假的场景下，但你的样本数据没有提供足够证据来拒绝它。与第一类错误不同，它的概率不是检验的固定值，会随你对照检验的总体比例真实值发生变化。

📘 定义

第二类错误

β\beta

即使目标总体的原假设事实上不正确，也未能找到统计显著证据支持备择假设的失误。

例:

未能检测到新应用将用户留存率提升了15%，而该留存率提升是真实存在的。

📐 例题

某咖啡店检验是否有超过40%的顾客愿意为植物奶额外付费，样本量n=80，α=0.05。真实愿意额外付费的顾客比例为47%。请描述该特定场景下第二类错误的表现。

  1. 1

    步骤1：写出假设：H0: p=0.4，Ha: p>0.4。

  2. 2

    步骤2：第二类错误意味着你没有拒绝原假设，即使它是假的。

  3. 3

    步骤3：该误差为「得出没有足够证据证明超过40%顾客愿意额外付费」的结论，而真实比例为47%。

3. 统计功效与影响因素★★★☆☆⏱ 8 min

功效是假设检验的核心性能指标，衡量当真实效应存在时，你正确检测到它的概率。在其他条件完全一致的前提下，所有研究和测试场景都更偏好更高的功效。

  • 提升显著性水平α会提高检验功效

  • 增大样本量会降低标准误并提升功效

  • 原假设比例与真实效应值的差距越大，功效越高

  • 总体变异性越低，抽样噪声越小，功效越高

📐 例题

某市场研究员计算单比例检验的功效，发现当前功效仅为0.62。请列出三项可以独立调整以提升检验功效的操作。

  1. 1

    步骤1：第一项调整：增大样本量，降低标准误，让真实比例更容易与原假设取值区分开。

  2. 2

    步骤2：第二项调整：提升显著性水平α，降低拒绝H0的阈值，从而降低β。

  3. 3

    步骤3：第三项调整：设定更大的最小可检测差值，拉大原假设比例与真实比例的差距，让效应更容易被识别。

4. AP考试误差表述最佳实践★★★☆☆⏱ 5 min

✓ 快速检测

在继续学习前确认你的理解

  1. 若你将α从0.05下调至0.01以降低第一类错误风险，其他所有条件保持不变，第二类错误概率会发生什么变化？

    • 上升

    • 下降

    • 保持不变

    • 降至0

    显示答案
    It increases —

    下调α会让拒绝H0的难度变大，因此你更有可能遗漏真实效应，使β上升。

5. 常见陷阱

错误做法:

脱离特定测试场景，通用化定义第一类/第二类错误

原因:

AP评分标准会对脱离场景的误差定义给出0分

正确做法:

始终将误差与题目给定的假设、总体比例以及题干描述的实际后果绑定。

错误做法:

声称第一类错误概率等于1-α

原因:

1-α是置信区间的置信水平，不是第一类错误率

正确做法:

第一类错误概率完全等于你预先设定的显著性水平α。

错误做法:

声称第二类错误概率是检验的固定通用值

原因:

β会随真实总体比例与原假设取值的距离发生变化

正确做法:

明确说明β取决于你评估的特定真实备择比例。

错误做法:

忘记增大样本量可以同时优化α和β

原因:

绝大多数调整会在α和β之间产生权衡，但更大的n可以降低标准误，同时优化两者

正确做法:

将增大样本量识别为唯一不需要在α和β之间做权衡的干预方式。

错误做法:

将功效混淆为原假设为真的概率

原因:

功效是正确拒绝假H0的条件概率，不是衡量原假设成立可能性的指标

正确做法:

始终表述为：功效=在H0为假的前提下拒绝H0的概率。

6. 速查表

指标

符号

定义

对检验功效的影响

第一类错误概率

\alpha

拒绝真实原假设

α越高=功效越高

第二类错误概率

\beta

未能拒绝假原假设

β越低=功效越高

统计功效

1-\beta

正确拒绝假原假设

直接定义为1减去β

显著性水平

\alpha

预先设定的第一类错误最大阈值

上调可提升功效

真题中的出现

AI 根据考纲规律估算的考点位置,请对照官方真题核实准确性。仅作复习重点参考。

  • 2023 · Paper 1

    自由作答题的误差情境识别

  • 2021 · Paper 2

    功效影响因素选择题

  • 2019 · Paper 1

    误差后果类自由作答题题干

下一步

掌握误差类型与检验功效是在AP统计学假设检验自由作答题（10分）拿到全部分值的关键，该题型几乎在每一套官方考试中都会出现。该知识点直接将你对单比例z检验的理解，关联到研究人员日常需要权衡的真实研究设计取舍，从临床试验安全性测试到民意调查分析都有应用。接下来你会将这些误差框架应用到双比例假设检验中，评估两个独立组总体比例对比时的误差风险，学习如何计算达到预先设定功效目标所需的最小样本量。