基本上，它被称为错误，因为您做出了错误的决定。例如，假设您的零假设类似于：患者没有癌症。另一种选择：患者确实患有癌症。在这方面的 2 型错误就像说“哦，这个病人没有癌症”，而他们实际上确实患有癌症。我们无法拒绝 FALSE null。所以我想最简单的解释方法是，我们没有发现错误，让它溜走。当然，这还不是全部，但它应该有助于说明什么是类型 2 错误以及为什么要避免它。

当您说原假设为真而实际上它为假时，就会发生这种类型的错误。对于我们关于狗比猫活得更长的零假设，这就像说狗确实比猫活得更长，而实际上它们并没有。为了帮助你记住第二类错误，想一想两个错误。您错误地认为原假设是错误的。犯第二类错误的概率用 beta 标记。

您永远不会真正知道您是否在实践中犯了 II 型（或 I 型）错误。正如您推测的那样，在假设检验阶段，您要么拒绝 H0，要么不拒绝 H0。

就错误率而言，I 型和 II 型错误更有用。这是您的阿尔法水平和统计能力的函数。因此，例如，您可以根据您对此类错误的容忍度将 alpha 设置为 0.05、0.01、0.001 等。但同样你不能在事后知道。

所以从教学的角度来看，它被称为“错误”。