假設檢驗中的兩類錯誤
假設檢驗及其兩類錯誤是數理統計學中的名詞。在進行假設檢驗時提出原假設和備擇假設，原假設實際上是正確的，但我們做出的決定是拒絕原假設，此類錯誤稱爲第一類錯誤。原假設實際上是不正確的，但是我們卻做出了接受原假設的決定，此類錯誤稱爲第二類錯誤。
假設檢驗中的兩類錯誤是指在假設檢驗中，由於樣本信息的侷限性，勢必會產生錯誤，錯誤無非只有兩種情況，在統計學中，我們一般稱爲Ⅰ類錯誤，Ⅱ類錯誤。
右圖是研究結論和實際情況關係的矩陣：
| 實際情況 | |||
| H0正確 | H0錯誤 | ||
| 研究結論 | 拒絕H0 | I類錯誤 | 正確 |
| 接受H0 | 正確 | II類錯誤 | |
第一類錯誤（Ⅰ類錯誤）也稱爲 α錯誤，是指當虛無假設(H0)正確時，而拒絕H0所犯的錯誤。這意味着研究者的結論並不正確，即觀察到了實際上並不存在的處理效應。
可能產生原因：
1、樣本中極端數值。
2、採用決策標準較寬鬆。
第二類錯誤（Ⅱ類錯誤）也稱爲β錯誤，是指虛無假設錯誤時，反而接受虛無假設的情況，即沒有觀察到存在的處理效應。
可能產生的原因：
1、實驗設計不靈敏。
2、樣本數據變異性過大。
3、處理效應本身比較小。
兩類錯誤的關係：
1、 α+β不一定等於1。
2、在樣本容量確定的情況下，α與β不能同時增加或減少。
3、統計檢驗力。（1-β）
危害
犯Ⅰ類錯誤得危害較大，由於報告了本來不存在的現象，則因此現象而衍生出的後續研究、應用的危害將是不可估量的。相對而言，Ⅱ類錯誤的危害則相對較小，因爲研究者如果對自己的假設很有信心，可能會重新設計實驗，再次來過，直到得到自己滿意的結果（但是如果對本就錯誤的觀點堅持的話，可能會演變成Ⅰ類錯誤）。
假設檢驗中的兩類錯誤實例
以單因素方差分析爲例，現在希望比較三種職業的月收入有無差異，這三類職業分別是醫生、律師和軟件工程師
由於在常見的研究中，我們更關心各組均數的差別，對於標準差的差別則比較忽視，因此在最初的方差分析模型中，往往將不同組的εij假設爲服從相同的正態分佈（就是說相同）
如果三種職業的平均收入無差異，則應當有α1=α2=α3=0，此時如果採用適當的參照水平，就有
H0：αi＝0，H1：至少有一個αi≠0
假如實際上這三種職業月收入是沒有差異的，但是我們研究結論是三個職業裏面起碼有一個和其他職業是有差異的，這就犯了第一類錯誤（假陽性）
假如實際上這三種職業起碼有一個和其他職業是有差異的，但是我們研究結論是三個職業沒有差異的，這就犯了第二類錯誤（假陰性）