一、前言
这是这个系列的最后一篇，我们讲一讲什么是一类错误，什么是二类错误。这个系列统计推断基础5部分分别是：
- 总体、样本、标准差、标准误【定量分析、量化金融与统计学】统计推断基础（1）---总体、样本、标准差、标准误
- 样本均值分布、中心极限定理、正态分布【定量分析、量化金融与统计学】统计推断基础（2）---样本均值分布、中心极限定理、正态分布
- 点估计、区间估计【定量分析、量化金融与统计学】统计推断基础（3）---点估计、区间估计
- 假设检验【定量分析、量化金融与统计学】统计推断基础（4）---假设检验（T或者Z检验）
- I型误差，II型误差
二、一类错误与二类错误
概念：
第一类错误：原假设是正确的，却拒绝了原假设。
第二类错误：原假设是错误的，却没有拒绝原假设。
我们举三个例子来说明这个问题：（例1，例2来自百度百科《统计学》中“第一类错误”和“第二类错误”分别是指什么？_百度知道）
例1：判决问题
假设检验比作法庭判案，我们想知道被告是好人还是坏人。
原假设是“被告是好人”，备择假设是“被告是坏人”。
法庭判案会犯两种错误：
- 如果被告真是好人，而你判他有罪，这是第一类错误(错杀好人)；
- 如果被告真是坏人，而你判他无罪，这是第二类错误(放走坏人)。
例2：误诊问题
假设我们从某个指标一组检测结果判断某个人是否是肝病病人。
原假设：健康人，备择假设：肝病病人。
那么，当这组数据表明应该拒绝原假设，那么，我们可能会犯第Ⅰ类错误，将健康人误诊为肝病病人（图中黄色部分）。但是如果我们接受了原假设，认为该人为健康人，我们有可能会犯第II类错误，将肝病病人认为是健康人（图中红色部分）,因为有一部分肝病病人该指标的表现和正常人类似，从数据无法判断。
例3：
1类错误就是你对一个男人说：你怀孕了
H0：没怀孕
H1：怀孕了
2类错误就是你对一个孕妇说：你没怀孕
H0：没怀孕
H1：怀孕了
