第一类错误

I类错误是在假设检验过程中拒绝原假设时发生的一种错误，即使它是准确的，不应拒绝。

在假设检验中，在检验开始之前建立零假设。在某些情况下，零假设假设被测试的项目与应用于测试对象以触发测试结果的刺激之间没有因果关系。

但是，可能会出现错误，从而拒绝零假设，这意味着确定测试变量之间存在因果关系，而实际上它是假阳性。这些误报称为 I 型错误。

了解 I 型错误
假设检验是利用样本数据检验猜想的过程。该测试旨在提供证据，证明猜想或假设得到被测试数据的支持。零假设是相信假设中考虑的两个数据集、变量或总体之间没有统计显着性或影响。通常，研究人员会试图反驳零假设。

例如，假设零假设表明投资策略的表现并不优于市场指数，例如标准普尔 500。研究人员将抽取数据样本并测试投资策略的历史表现，以确定策略的表现高于标准普尔指数。如果测试结果显示策略的执行率高于指数，则原假设将被拒绝。

该条件表示为“n=0”。如果——在进行测试时——结果似乎表明施加于测试对象的刺激引起了反应，则说明刺激不影响测试对象的原假设将反过来需要被拒绝。

理想情况下，如果发现零假设为真，则永远不应拒绝它，如果发现它为假，则应始终拒绝它。但是，在某些情况下可能会发生错误。

误报 I 型错误
有时，拒绝测试对象、刺激和结果之间没有关系的零假设可能是不正确的。如果刺激之外的其他东西导致了测试的结果，它可能会导致“假阳性”结果，其中看起来刺激作用于受试者，但结果是偶然引起的。这种导致错误拒绝原假设的“假阳性”被称为 I 型错误。I 类错误拒绝了不应该被拒绝的想法。

I 类错误示例
例如，让我们看一下被告犯罪的踪迹。原假设是这个人是无辜的，而替代方案是有罪的。在这种情况下，第 I 类错误意味着该人并未被认定为清白并被送进监狱，尽管实际上是清白的。

在医学测试中，I 类错误会导致表面上认为某种疾病的治疗具有降低疾病严重程度的效果，而实际上并非如此。当测试一种新药时，无效假设是该药不影响疾病的进展。假设一个实验室正在研究一种新的抗癌药物。他们的无效假设可能是该药物不会影响癌细胞的生长速度。

将药物应用于癌细胞后，癌细胞停止生长。这将导致研究人员拒绝他们的无效假设，即药物没有效果。如果药物导致生长停止，在这种情况下拒绝无效的结论将是正确的。然而，如果在测试期间其他原因导致生长停止而不是施用的药物，这将是错误拒绝零假设的一个例子，即 I 型错误。