第一種過誤と第二種過誤の統計的意思決定理論
第一種過誤（Type I Error）と第二種過誤（Type II Error）は、統計的仮説検定における二つの基本的なリスクであり、あらゆる統計的意思決定において考慮すべき概念です。
数学的定義
第一種過誤（α）：
$\alpha = P(H_0\text{を棄却} \mid H_0\text{が真})$
意味：帰無仮説が実際に正しいのに、誤ってそれを棄却してしまう確率。
第二種過誤（β）：
$\beta = P(H_0\text{を棄却しない} \mid H_0\text{が偽})$
意味：帰無仮説が実際には間違っているのに、それを棄却できない確率。
検出力（Power）との関係
Power = 1 - \beta = P(H_0\text{を棄却} \mid H_0\text{が偽})$
検出力は、帰無仮説が実際に間違っているときに、正しくそれを棄却する確率です。
結果のマトリックス表現
| 検定結果 | 実際の状況 |
|---|
| $H_0$真 | $H_0$偽 |
|---|
| $H_0$棄却 | 第一種過誤（$\alpha$） | 正しい棄却（$1-\beta$） |
| $H_0$不棄却 | 正しい不棄却（$1-\alpha$） | 第二種過誤（$\beta$） |
トレードオフ関係
一般に、他の条件（標本サイズ、効果量、分散）が一定の場合：
- $\alpha$を下げると$\beta$が上がる：より厳格な有意水準は検出力を低下
- $\alpha$を上げると$\beta$が下がる：より緩い有意水準は検出力を向上
検出力向上の戦略
- 標本サイズの増加：基本的な手法
- 効果量の増大：より強力な介入や治療
- 分散の削減：測定精度の向上、環境の標準化
- 片側検定の使用：方向性が明確な場合