ความคลาดเคลื่อนชนิดที่ 1 และชนิดที่ 2
ในการทดสอบสมมติฐาน มีความคลาดเคลื่อนสองประเภทที่อาจเกิดขึ้น: ความคลาดเคลื่อนชนิดที่ 1 (ผลบวกลวง, การปฏิเสธสมมติฐานว่างที่ถูกต้อง) และความคลาดเคลื่อนชนิดที่ 2 (ผลลบลวง, การไม่ปฏิเสธสมมติฐานว่างที่ผิด) ความคลาดเคลื่อนเหล่านี้ซึ่งถูกทำให้เป็นทางการโดย Neyman และ Pearson (1933) เป็นหัวใจสำคัญของการตัดสินใจทางสถิติ ความน่าจะเป็นของความคลาดเคลื่อนชนิดที่ 1 ถูกควบคุมโดยระดับนัยสำคัญ α (โดยทั่วไปคือ 0.05); ความน่าจะเป็นของความคลาดเคลื่อนชนิดที่ 2 คือ β และอำนาจการทดสอบ (power) = 1 − β การทำความเข้าใจและสร้างสมดุลระหว่างความคลาดเคลื่อนเหล่านี้มีความสำคัญอย่างยิ่งต่อการออกแบบการวิจัยที่แข็งแกร่งและน่าเชื่อถือ
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Neyman, J., & Pearson, E. S. (1933). On the problem of the most efficient tests of statistical hypotheses. Philosophical Transactions of the Royal Society, 231, 289–337. DOI: 10.1098/rsta.1933.0009 ↗
- Altman, D. G., & Bland, J. M. (1994). Statistics notes: Diagnostic tests 1: sensitivity and specificity. BMJ, 308(6943), 1552. DOI: 10.1136/bmj.308.6943.1552 ↗
- Lehmann, E. L., & Romano, J. P. (2005). Testing Statistical Hypotheses (3rd ed.). Springer. ISBN: 0-387-98864-5
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Type I and Type II Errors: Understanding False Positives and False Negatives in Hypothesis Testing. ScholarGate. https://scholargate.app/th/research-statistics/type-i-type-ii-error
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- ช่วงความเชื่อมั่นสถิติการวิจัย↔ compare
- การทดสอบสมมติฐานว่างสถิติการวิจัย↔ compare
- ค่าพี (P-Value) และนัยสำคัญทางสถิติสถิติการวิจัย↔ compare
- กำลังทางสถิติและขนาดตัวอย่างสถิติการวิจัย↔ compare