在统计学中，Type 1和Type 2错误是假设检验中常见的两类错误。
Type 1错误，也称为第一类错误，是指在原假设（null hypothesis）为真的情况下，错误地拒绝了原假设。换句话说，就是错误地认为有显著差异或关联。例如，在药物试验中，如果一种药物实际上对疾病没有效果，但统计检验错误地表明有显著效果，这就构成了Type 1错误。
Type 2错误，也称为第二类错误，是指在原假设为假的情况下，未能拒绝原假设。这种情况下，实际上存在差异或关联，但统计检验未能检测到。以药物试验为例，如果一种药物确实有效，但统计检验未能证明其有效性，这就构成了Type 2错误。
为了降低这两类错误的概率，统计学中会用到以下几个方法：
1. 选择合适的显著性水平（α）：显著性水平α是Type 1错误的概率。通常情况下，研究者会设定α为0.05，这意味着有5%的机会发生Type 1错误。
2. 增加样本量：样本量越大，统计检验的效能越高，即越有可能正确拒绝错误的原假设（减少Type 2错误）。
3. 提高检验的灵敏度：选择更灵敏的检验方法可以降低Type 2错误的概率。
4. 设定合适的效应量：效应量是指两个比较组之间差异的大小。效应量越大，越容易检测到差异。
最后，想要高效备考，掌握这些统计学知识，推荐使用【考研刷题通】小程序，这里有丰富的考研刷题资源，包括政治、英语、数学等全部考研科目，助你轻松应对各类考试挑战。【考研刷题通】，让你的考研之路更加顺畅！