假设检验及其两类错误是数理统计学中的名词。在进行假设检验时提出原假设和备择假设，原假设实际上是正确的，但做出的决定是拒绝原假设，此类错误称为第一类错误。
原假设实际上是不正确的，但是却做出了接受原假设的决定，此类错误称为第二类错误。
先对总体的特征做出某种假设，然后通过抽样研究的统计推理，对此假设应该被拒绝还是接受做出推断。常用的假设检验方法有Z检验、t检验、卡方检验、F检验等 。
扩展资料：
假设检验中所谓“小概率事件”，并非逻辑中的绝对矛盾，而是基于人们在实践中广泛采用的原则，即小概率事件在一次试验中是几乎不发生的，但概率小到什么程度才能算作“小概率事件”。
“小概率事件”的概率越小，否定原假设H0就越有说服力，常记这个概率值为α(0<α<1)，称为检验的显著性水平。对于不同的问题，检验的显著性水平α不一定相同，一般认为，事件发生的概率小于0.1、0.05或0.01等，即“小概率事件”。
温馨提示：答案为网友推荐，仅供参考
第1个回答 2019-12-27
第一类错误叫做α错误，也叫弃真错误，指原假设是真实的，而假设检验却否定了它；第二类叫做β错误，也叫纳伪错误，指原假设不是真实的，但假设检验时却接受了它。两者不会同时发生，将概率显著水平α从0.05提到0.01时，就更容易接受原假设，因此犯第一类错误的概率就会减少。
第2个回答 2016-01-15
假设检验及其两类错误是数理统计学中的名词。在进行假设检验时提出原假设和备择假设，原假设实际上是正确的，但我们做出的决定是拒绝原假设，此类错误称为第一类错误。原假设实际上是不正确的，但是我们却做出了接受原假设的决定，此类错误称为第二类错误。本回答被提问者采纳
相似回答