I型和II型错误表示统计假设检验的错误结果。类型I错误代表对有效无效假设的错误拒绝，而类型II错误代表对无效无效假设的错误保留。

零假设

无效假设是指使证据无效的陈述无效。请考虑以下示例：

例子1

• 假设-添加到牙膏中的水可保护牙齿免于蛀牙。

• 零假设-加入牙膏中的水对蛀牙没有影响。

例子2

• 假设-在牙膏中添加的Floride可保护牙齿免受蛀牙的侵害。

• 无假设-牙膏中添加的Floride对蛀牙没有影响。

在此，将针对实验数据检验零假设，以消除花粉和水对牙齿蛀牙的影响。

类型I错误

考虑实施例1。在这里，零假设是正确的，即，添加到牙膏中的水对蛀牙没有影响。但是，如果使用实验数据，我们检测到水对腔体的影响，那么我们将拒绝真实的零假设。这是I型错误。它也被称为误报条件(一种情况，它指示给定条件存在但实际上不存在)。类型I的错误率或类型I的显着性水平由否定原假设为真的概率表示。

类型I错误由$ \ alpha $表示，也称为alpha级别。通常，将类型I的错误显着性水平设置为0.05或5％是可以接受的，这意味着错误拒绝否定假设的概率为5％是可以接受的。

II型错误

考虑实施例2。零假设是错误的，即添加到牙膏中的弗洛里德对蛀牙有影响。但是，如果使用实验数据，我们没有检测到添加的氟化物对蛀牙的影响，那么我们就接受了错误的零假设。这是II型错误。它也称为误报条件(一种情况，它指示给定条件不存在，但实际上存在)。

II型错误由$ \ beta $表示，也称为beta级别。

统计检验的目的是确定是否可以拒绝原假设。统计检验可以拒绝或不能拒绝零假设。下表根据类型I或类型II错误说明了原假设的真假与测试结果之间的关系。