如何计算取伪误差,弃真和取伪的误差如何计算?
发布网友
发布时间：2024-09-15 03:16
共1个回答
热心网友
时间：4分钟前
同学你好，我也遇到了相似的问题，不过我的问题可能更加复杂，但是现在我想清楚了。
首先，我和你分享一下关于你当前问题的看法。其次，我想将我的问题和我的理解也进行阐述。
为什么增大样本量可以使两类错误同时降低？答：由于弃真误差和取伪误差都属于抽样误差（何为抽样误差？即由于抽样的不合理导致出现了和预期相违背的结论，比如第一类错误，弃真错误，已知原假设是成立的，但是由于抽样的原因，例如抽样比较偏，赶巧抽到了边缘地带，抽样的结果算出来出现在拒绝域，因而拒绝了原假设），如果扩大了样本容量，那么抽样得到的值越接近于真实水平，那么如果原假设是成立的，这个抽样算出来的值（接近真实的值）很大程度上不会出现在拒绝域，因而减小了弃真误差。取伪误差同理。
为何两个误差不是同增同减？答：如下图所示，随着你显著水平的调整，无法实现两个值的同增同减，这个回答的有点投机取巧了，楼主还要自己画图试一试。下面从逻辑上进行推理：从逻辑上理解的话，已知原假设成立，减小弃真错误，我的容错性更强了，为了不让可能正确的值脱离接受域，我尽可能的扩大接受域，弃真确实小了。但是当我的已知条件是原假设不成立的时候，我抽样算出的错误值（取伪错误）落入我盲目扩大的“接受域”的可能性大大增强，即取伪增大了。
3.取伪的误差如何计算？答：大家都知道弃真的误差，和显著水平相关，非常容易控制，但是取伪的误差，如何计算？如上图所示，如果原假设不成立，暂且我们认为备择假设成立，那么备择假设的图像临界值左侧面积大小就是取伪误差的大小，但是算不出具体的大小，只知道是它是一个和真实均值以及显著水平相关的一个表达式，真实均值是不确定的，因为如果确定了，我们的假设检验就没有任何意义了。
希望对你有帮助，欢迎随时提问……
热心网友
时间：6分钟前
同学你好，我也遇到了相似的问题，不过我的问题可能更加复杂，但是现在我想清楚了。
首先，我和你分享一下关于你当前问题的看法。其次，我想将我的问题和我的理解也进行阐述。
为什么增大样本量可以使两类错误同时降低？答：由于弃真误差和取伪误差都属于抽样误差（何为抽样误差？即由于抽样的不合理导致出现了和预期相违背的结论，比如第一类错误，弃真错误，已知原假设是成立的，但是由于抽样的原因，例如抽样比较偏，赶巧抽到了边缘地带，抽样的结果算出来出现在拒绝域，因而拒绝了原假设），如果扩大了样本容量，那么抽样得到的值越接近于真实水平，那么如果原假设是成立的，这个抽样算出来的值（接近真实的值）很大程度上不会出现在拒绝域，因而减小了弃真误差。取伪误差同理。
为何两个误差不是同增同减？答：如下图所示，随着你显著水平的调整，无法实现两个值的同增同减，这个回答的有点投机取巧了，楼主还要自己画图试一试。下面从逻辑上进行推理：从逻辑上理解的话，已知原假设成立，减小弃真错误，我的容错性更强了，为了不让可能正确的值脱离接受域，我尽可能的扩大接受域，弃真确实小了。但是当我的已知条件是原假设不成立的时候，我抽样算出的错误值（取伪错误）落入我盲目扩大的“接受域”的可能性大大增强，即取伪增大了。
3.取伪的误差如何计算？答：大家都知道弃真的误差，和显著水平相关，非常容易控制，但是取伪的误差，如何计算？如上图所示，如果原假设不成立，暂且我们认为备择假设成立，那么备择假设的图像临界值左侧面积大小就是取伪误差的大小，但是算不出具体的大小，只知道是它是一个和真实均值以及显著水平相关的一个表达式，真实均值是不确定的，因为如果确定了，我们的假设检验就没有任何意义了。
希望对你有帮助，欢迎随时提问……
