1樓：普通的大學生
第二天感覺自己找到了答案就自問自答了，非數學專業的理解方式（俗話理解）
就是在抽樣檢驗中，由於不知道總體均值（假設我們要對Ybar 做假設檢驗），假設H0：均值=<0（如上圖），H1：均值》0
（假設從N（？，1）的正態分佈中抽取樣本，我們假設「？」是小於等於0的，以下的數請自動預設完成了標準正態化轉換）
但是上帝知道（就是明白真總體均值在哪）均值實際上是圖上H1中心那個點（比如3.6），那麼如果我們的抽樣結果是1，由上圖可知，取值不在紫色α拒絕域內，則接受原假設，認為「？」=0。
但是在上帝視角來看，真均值是3.6，這個假設檢驗犯了「納偽」的錯誤，而這個接受假的原假設的概率在這個單邊檢驗裡就是β
由於現實抽樣中不可能知道真均值在哪，所以β不能精確的計算出來，但是從上圖我們還是可以知道，隨著α的減小，β會越來越大。
就是說不論是接受原假設還是拒絕原假設，都要承受一定的風險，一般人們認為拒絕原假設時應該更加謹慎（5%，1%認為極端抽樣結果不會發生），所以忽略了接受原假設的潛在風險（這個β風險不能計算）
2樓：靜學社-學無止境
畫個圖你就明白了。原假設的概率密度圖繪製出來，備則假設的概率密度圖繪製出來。原假設非拒絕域部分和備則假設圖的重疊部分就是二類錯誤概率。
3樓：stomap
拒絕原假設和接受原假設的風險就代表了假設檢驗中的兩類的錯誤。一為拒真，二為取偽。而這兩類錯誤的衡量手法在茆詩松概率論與數理統計中有詳細的介紹，就是構造勢函式。
用勢函式來計算第一類錯誤的情況，就是在h0（原假設）成立的條件下，落入其拒絕域（h0的拒絕域）的概率，同樣的題主所問的第二類錯誤的風險就是在h1（備則假設）成立的條件下，落入其拒絕域（h1的拒絕域）的概率。
假設檢驗原假設和備擇假設？
張浩彬 這是因為在假設檢驗中，我們用的是小概率反證的思想。在假設檢驗中，我們要證明目標結果的話，要做的是 拒絕原假設，接受備設假設 因為即使不能拒絕原假設，也不能說接受原假設。基於這個思路，所以在本題目中，如果我們要真證明不屬實，那就是要拒絕 洗滌劑平均淨含量不低於500g 等價於平均淨含量大於等於...
統計學假設檢驗中為什麼P值越小，拒絕原假設的理由就越充分？
齊天大聖 P值的含義 原假設成立的情況下，發生與樣本相同或者更誇張的情況的概率。人話 拋硬幣，樣本是拋10次，有6次正面。P 值就是拋10次，有6 7 8 9，10次正面朝上的概率之和。P 值小於0.05 規定 即允許犯第一類錯誤概率 為小概率事件 即根本不會發生 但是原假設竟然認為他發生了，說明啥...
假設檢驗中如何對於拒絕域進行選擇？
對這個問題我曾經有個技術性的小發現。已知，在給定H 0和H 1為確定而單一的分布密度f 0,f 1時，x f 1 x f 0 x c 是通常最自然的構建拒絕域方式 調整c讓拒絕域在H 0下的概率達到 即可。意外的是，當H 0是X t H 1是X 1 t 這個方法會得出乙個有限的拒絕域。很大的T值反而...