AP Statistics

sai lầm loại IItype II error

type II errorVietnamese: sai lầm loại II

Còn gọi:Also called: âm tính giả · false negative · sai số loại II · lỗi loại II

Sai lầm loại II là việc không bác bỏ giả thuyết không dù nó thực sự sai, tức kiểm định đã bỏ sót một hiệu ứng có thật.A type II error is the failure to reject a null hypothesis that is actually false — the test misses a real effect.

Trực giác: Như một xét nghiệm y tế báo "không mắc bệnh" cho một bệnh nhân thực sự đang mang bệnh — kết quả âm thanh, nhưng sự thật đã bị bỏ lọt.Intuition: Think of a medical test that tells a patient who really does have the disease that they are disease-free — the result sounds reassuring, but the truth was missed.

Công thức chínhKey formula

\beta = P(\text{fail to reject } H_0 \mid H_0 \text{ is false})

Định nghĩa đầy đủFull definition1 phút đọc1 min read

Trong kiểm định giả thuyết, sai lầm loại II xảy ra khi không bác bỏ $H_0$ dù $H_0$ sai, nên kiểm định bỏ sót hiệu ứng thật. Xác suất sai lầm này ký hiệu là $\beta$ , phụ thuộc vào cỡ mẫu, mức ý nghĩa $\alpha$ và độ lớn hiệu ứng. Phần bù của $\beta$ là lực kiểm định, tức khả năng phát hiện hiệu ứng khi nó tồn tại.

Không bác bỏ $H_0$ chỉ là sai lầm loại II nếu $H_0$ sai; trong y học và nhiều lĩnh vực ứng dụng, đây còn gọi là âm tính giả.

In hypothesis testing, a type II error occurs when we fail to reject $H_0$ even though $H_0$ is false, so the test misses a real effect. The probability of this error is denoted $\beta$ , and it depends on the sample size, the significance level $\alpha$ , and the size of the effect. The complement of $\beta$ is the power of the test — the chance of detecting an effect when one truly exists.

Failing to reject $H_0$ counts as a type II error only when $H_0$ is false; in medicine and many applied fields this outcome is also called a false negative.

Ký hiệuNotation

\beta

— xác suất mắc sai lầm loại II

\beta

— probability of making a Type II error

Giải nghĩa công thứcFormula breakdown1 công thức1 formula

\htmlClass{fp-0}{\beta} = \htmlClass{fp-1}{P(\htmlClass{fp-2}{\text{fail to reject } H_0} \mid \htmlClass{fp-3}{H_0 \text{ is false}})}

\htmlClass{fp-0}{\beta} = \htmlClass{fp-1}{P(\htmlClass{fp-2}{\text{fail to reject } H_0} \mid \htmlClass{fp-3}{H_0 \text{ is false}})}

Dùng để tính hoặc diễn giải xác suất không bác bỏ $H_0$ khi $H_0$ thực sự sai.Use this to compute or interpret the probability of failing to reject $H_0$ when $H_0$ is actually false.

Trong đóWhere

\beta

xác suất mắc sai lầm loại II (type II error)probability of making a Type II error

H_0

giả thuyết không (null hypothesis)null hypothesis

\mid

dấu của xác suất có điều kiện, biểu thị 'biết rằng'conditional probability symbol, read as "given that"

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

Không bác bỏ $H_0$ chưa chắc là sai lầm loại II.

Sai lầm chỉ xảy ra khi $H_0$ thực sự sai. Hãy nói “chưa đủ bằng chứng để bác bỏ”, không nói “chấp nhận $H_0$ ”.

$\beta$ , không phải $\alpha$ , là xác suất mắc sai lầm loại II.

Lực kiểm định bằng $1-\beta$ ; $\alpha$ gắn với sai lầm loại I khi $H_0$ đúng.

Khi cỡ mẫu và hiệu ứng thực tế không đổi, giảm $\alpha$ làm $\beta$ tăng.

Vùng bác bỏ thu hẹp, nên khó bác bỏ $H_0$ sai hơn và lực kiểm định giảm.

Failing to reject $H_0$ is not automatically a type II error.

The error occurs only when $H_0$ is genuinely false. Say "not enough evidence to reject," never "accept $H_0$ ."

The probability of a type II error is $\beta$ , not $\alpha$ .

Power equals $1-\beta$ , while $\alpha$ belongs to the type I error, which happens when $H_0$ is true.

Lowering $\alpha$ raises $\beta$ when the sample size and true effect stay fixed.

A smaller rejection region makes a false $H_0$ harder to reject, so power drops.

Mẹo phòng thiExam tips2 mẹo2 tips

Mô tả đủ quyết định và sự thật.

Viết theo ngữ cảnh: không đủ bằng chứng cho hiệu ứng, trong khi hiệu ứng thực sự tồn tại; tránh chỉ nêu $H_0$ và $H_a$ .

Gặp lực kiểm định, hãy tính $\beta$ trước.

Lấy $1$ trừ lực kiểm định và nhớ lực này gắn với một giá trị thật cụ thể của tham số.

Describe both the decision and the truth.

Phrase it in context: there was not enough evidence of an effect, yet the effect really exists — don't just name $H_0$ and $H_a$ .

When a problem gives power, find $\beta$ first.

Subtract the power from $1$ , and remember that power is tied to one specific true value of the parameter.

Tần suất trong đề AP StatisticsHow often it shows up on AP StatisticsThường xuyênVery common

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

1933Jerzy NeymanEgon PearsonRonald Fisher

Năm 1933, Jerzy Neyman và Egon Pearson đặt tên sai lầm loại II để phân biệt hai kiểu sai trong khuôn khổ ra quyết định của kiểm định giả thuyết.

In 1933, Jerzy Neyman and Egon Pearson named the type II error to distinguish the two kinds of mistakes within their decision-making framework for hypothesis testing.

Vì sao mang đúng cái tên này? Cái tên nghe khô khan vì nó vốn chỉ là một con số thứ tự. Neyman và Pearson không cố mô tả bản chất của lỗi mà chỉ đánh số hai khả năng sai trong khuôn khổ ra quyết định của mình: loại I là bác bỏ nhầm, loại II là bỏ sót. Do đó tên gọi hoàn toàn không gợi ý điều gì về nội dung, và đây chính là lý do rất nhiều thí sinh nhầm lẫn hai loại. Ngược lại, cách gọi mượn từ y học lại dễ nhớ hơn hẳn: sai lầm loại II tương ứng với âm tính giả (false negative), tức xét nghiệm báo không có bệnh trong khi bệnh thật sự tồn tại. Vì vậy khi ôn thi, bạn nên gắn chặt "loại II" với hình dung "bỏ lỡ điều có thật", còn con số La Mã thì chỉ là di sản của cách đánh nhãn năm 1933.

Nguồn đối chiếuSources

Thử nghiệm tương tácInteractive explorer

Kéo ngưỡng bác bỏ — nhìn vùng bỏ lỡ phình ra hay teo lại

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

Bài học chứa thuật ngữ nàyLesson that uses this termGiá trị p (p-value)Suy luận cho tỉ lệ (dữ liệu phân loại) · khoácourse AP Statistics

Bài học chứa thuật ngữ nàyLesson that uses this termThiết lập kiểm định trung bình và trung bình của hiệuSuy luận cho trung bình (dữ liệu định lượng) · khoácourse AP Statistics

Cần trướcLearn firstgiả thuyết đốialternative hypothesis

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 Itype I error

Khác nhau ở đâuHow they differSai lầm loại I là bác bỏ giả thuyết không khi nó đúng; sai lầm loại II là không bác bỏ giả thuyết không khi nó sai

Hay nhầm khiMixed up whenđề hỏi 'what type of error could have been made' sau khi đã không bác bỏ H₀ — học sinh hay chọn nhầm loại I thay vì loại II

Cùng chủ đềSame topic

Nguồn tham khảoReferences

[1]Barron_AP_Stat_2026. tr. 14, 34, 60.