Type1 error（第一種の誤り）

定義: 帰無仮説が真実の場合に、誤って帰無仮説を棄却する誤り。

例: ある薬が効果がない（帰無仮説）と仮定した場合、テストの結果、この薬が効果があると誤って判断すること。

P値: 第一種の誤りの確率は、通常α（アルファ）として示され、これはしばしば0.05と設定されます。つまり、5%の確率で第一種の誤りを犯すリスクがあるということ。

Type2 error（第二種の誤り）

定義: 対立仮説が真実の場合に、誤って帰無仮説を採択する誤り。

例: ある薬が実際には効果がある（対立仮説）にも関わらず、テストの結果、この薬が効果がないと誤って判断すること。

β（ベータ）: 第二種の誤りの確率は、通常β（ベータ）として示されます。例えば、βが0.2の場合、20%の確率で第二種の誤りを犯すリスクがあるということ。

わかりやすい例

想像してみてください。あなたが空港のセキュリティチェックを受けているとします。

• 第一種の誤り: あなたが何も危険なものを持っていないにも関わらず、セキュリティアラームが鳴る（無実のあなたを犯罪者と誤認）。

• 第二種の誤り: あなたが何らかの禁止品を持っているにも関わらず、セキュリティアラームが鳴らない（実際の犯罪者を見逃す）。

これらの誤りは、統計的検定の際に重要な考慮点となります。研究者は、これらの誤りのリスクを理解し、適切なサンプルサイズや検定方法を選択することで、これらの誤りを最小限に抑えるよう努力します。