AP Statistics

sai lầm loại Itype I error

type I errorVietnamese: sai lầm loại I

Còn gọi:Also called: dương tính giả · false positive · sai số loại I · lỗi loại I

Sai lầm loại I là sai lầm xảy ra khi nhà nghiên cứu bác bỏ giả thuyết không trong khi giả thuyết đó thực sự đúng.A type I error occurs when a researcher rejects the null hypothesis even though that hypothesis is actually true.

Trực giác: Giống như bộ cảm biến khói quá nhạy — không có lửa thật nhưng chuông vẫn réo inh ỏi.Intuition: Think of an oversensitive smoke detector — there is no fire, yet the alarm shrieks anyway.

Định nghĩa đầy đủFull definition1 phút đọc1 min read

Sai lầm loại I là dương tính giả trong kiểm định giả thuyết: bác bỏ $H_0$ dù $H_0$ đúng. Xác suất mắc lỗi này khi $H_0$ đúng là mức ý nghĩa $\alpha$ được chọn trước. Nếu lặp lại kiểm định nhiều lần trong điều kiện $H_0$ đúng, khoảng $\alpha$ phần số lần sẽ bác bỏ nhầm. Khi các điều kiện khác giữ nguyên, hạ $\alpha$ giảm nguy cơ loại I nhưng tăng nguy cơ loại II: không bác bỏ $H_0$ dù $H_0$ sai.

A type I error is the false positive of hypothesis testing: rejecting $H_0$ when $H_0$ is true. The probability of making this error when $H_0$ is true equals the significance level $\alpha$ , which is chosen in advance. If the test were repeated many times while $H_0$ is true, about $\alpha$ of those tests would reject $H_0$ by mistake. All else equal, lowering $\alpha$ reduces the risk of a type I error but raises the risk of a type II error: failing to reject $H_0$ when $H_0$ is false.

Ký hiệuNotation

\alpha

— xác suất mắc sai lầm loại I, bằng mức ý nghĩa (significance level) đã chọn

\alpha

— the probability of making a Type I error, equal to the chosen significance level

Hay hiểu saiCommon misconceptions3 ý · 1 phút đọc3 points · 1 min read

Chỉ bác bỏ $H_0$ chưa đủ để gọi là sai lầm loại I.

Lỗi này chỉ xảy ra khi $H_0$ thực sự đúng; trong bối cảnh bài toán, phải nêu cả kết luận sai và thực tế trái ngược.

Sai lầm loại I không phải sai lầm loại II.

Loại I là bác bỏ $H_0$ đúng; loại II là không bác bỏ $H_0$ sai.

$\alpha$ không phải xác suất $H_0$ đúng.

Đây là xác suất bác bỏ $H_0$ với điều kiện $H_0$ đúng; tính ngẫu nhiên đến từ mẫu.

Rejecting $H_0$ is not by itself a type I error.

The error occurs only when $H_0$ is actually true, so a complete answer must state both the wrong conclusion and the opposite reality in context.

A type I error is not a type II error.

Type I means rejecting a true $H_0$ ; type II means failing to reject a false $H_0$ .

$\alpha$ is not the probability that $H_0$ is true.

It is the probability of rejecting $H_0$ given that $H_0$ is true, and the randomness comes from the sample.

Mẹo phòng thiExam tips2 mẹo2 tips

Viết đủ hai vế bằng ngôn ngữ đề bài.

Nêu kết luận theo $H_a$ , rồi nói thực tế $H_0$ đúng; chỉ ghi “bác bỏ $H_0$ ” chưa xác định đó là lỗi.

Xác định $H_0$ trước khi gọi tên lỗi.

Sau đó xét phương án đang bác bỏ hay không bác bỏ $H_0$ , rồi đối chiếu với trạng thái thật của $H_0$ .

Write both halves in the wording of the problem.

State the conclusion in favor of $H_a$ , then state that $H_0$ is in fact true; writing only "reject $H_0$ " does not identify an error.

Identify $H_0$ before naming the error.

Then decide whether the choice rejects or fails to reject $H_0$ , and compare that with the true state of $H_0$ .

Tần suất trong đề AP StatisticsHow often it shows up on AP StatisticsHay gặpCommon

Khái niệm này sinh ra từ đâuWhere the concept comes from1 phút đọc1 min read

1933Jerzy NeymanEgon Pearson

Năm 1933, Jerzy Neyman và Egon Pearson đưa ra thuật ngữ để phân biệt hai kiểu quyết định sai trong kiểm định giả thuyết.

In 1933, Jerzy Neyman and Egon Pearson introduced the term to distinguish the two kinds of wrong decisions in hypothesis testing.

Vì sao mang đúng cái tên này? Cái tên nghe khô khan như số hiệu hồ sơ thật ra chính là số hiệu: trong khuôn khổ Neyman–Pearson, hai kiểu quyết định sai được đánh số thứ tự đơn giản, nên kiểu thứ nhất mang tên "loại I" và kiểu còn lại là sai lầm loại II (type II error). Chính vì vậy tài liệu cũ còn gọi nó bằng tên đồng nghĩa "errors of the first kind", tức sai lầm thuộc loại thứ nhất. Cách đặt tên bằng số có một hệ quả đáng chú ý: nó không mô tả nội dung của lỗi, nên người học buộc phải nhớ thêm biệt danh trực quan hơn là dương tính giả (false positive) — kết luận rằng có hiệu ứng trong khi thực tế chẳng có gì.

Nguồn đối chiếuSources

Thử nghiệm tương tácInteractive explorer

Ấn định thế giới thật p = 0,40 — đếm bao nhiêu mẫu vẫn bị kết tội oan

Kéo tham số, thấy khái niệm chuyển động — đăng nhập để mở.Drag the parameters and watch the concept move — sign in to open.

Tạo tài khoảnCreate an account

Bạn nắm chắc chưa?Check your understanding

Quiz câu thật từ ngân hàng đềReal exam questions from our question bank

Vài câu thật gắn đúng khái niệm này, chấm ngay kèm giải thích từng đáp án — hệ thống ghi nhớ bạn nắm tới đâu.A few real questions on exactly this concept, graded instantly with an explanation for every choice — the system remembers how well you know it.

Tạo tài khoảnCreate an account

Học tiếp từ đâyKeep learning

Bài học chứa thuật ngữ nàyLesson that uses this termSai lầm loại I & II khi kiểm địnhSuy luận cho tỉ lệ (dữ liệu phân loại) · khoácourse AP Statistics

Dẫn tớiLeads tokiểm định giả thuyếthypothesis testing

Mục tiêu và lộ trình unit ai cũng xem được — làm bài tập và lưu tiến độ thì cần đăng nhập.Anyone can view a unit's goals and roadmap — sign in to do the exercises and save your progress.

Hay nhầm vớiOften confused with

Thuật ngữTermKhác nhau ở đâuHow they differHay nhầm khiMixed up when

sai lầm loại IItype II error

Khác nhau ở đâuHow they differSai lầm loại I là bác bỏ nhầm giả thuyết không đúng, còn sai lầm loại II là không bác bỏ được giả thuyết không sai

Hay nhầm khiMixed up whenđề cho tình huống và hỏi loại sai lầm nào xảy ra: cần xác định giả thuyết không là đúng hay sai trong thực tế, sau đó mới phân loại

Cùng chủ đềSame topic

Nguồn tham khảoReferences

[1]Barron_AP_Stat_2026. tr. 34–35, 60.