---
title: "第一種の過誤と第二種の過誤の違いとは？【DS検定リテラシー】"
description: "第一種の過誤を、正しい帰無仮説を誤って棄却する偽陽性で確率は有意水準α、第二種の過誤を、誤った帰無仮説を棄却できない偽陰性で確率はβとして整理します。検定力が1－βである関係、有意水準を厳しくすると同じ標本数ではβが増えやすいトレードオフを押さえ、医療・品質管理の判断例から両者を切り分けます。"
canonical_url: "https://stemtazoo.github.io/ds/type1-type2-error/"
section: "ds"
---
DS検定トップ
＞ 第一種の過誤と第二種の過誤の違いとは？【DS検定リテラシー】
## まず結論
- **第一種の過誤＝本当は差がないのに「ある」と判断してしまう誤り**
- **第二種の過誤＝本当は差があるのに「ない」と判断してしまう誤り**
DS検定では
**「どちらがどの誤りか」「検定力とどう関係するか」**を判断できるかが問われます。
## 直感的な説明
たとえば、新しい薬の効果を検証する場面を考えます。
帰無仮説：「この薬には効果がない」
### ■ 第一種の過誤（タイプⅠエラー）
本当は効果がないのに
「効果がある」と言ってしまう。
→ **誤って採用してしまうミス**
### ■ 第二種の過誤（タイプⅡエラー）
本当は効果があるのに
「効果はない」と言ってしまう。
→ **本当の効果を見逃すミス**
ビジネスで言い換えると：
| 状況 | 何が起きている？ |
|------|----------------|
| 第一種の過誤 | ダメな施策を「成功」と判断 |
| 第二種の過誤 | 本当は有効な施策を却下 |
どちらも重大ですが、意味がまったく違います。
## 定義・仕組み
仮説検定では、
- 差がない → 帰無仮説
- 差がある → 対立仮説
という構造を取ります。
### ■ 第一種の過誤（α）
帰無仮説が正しいのに棄却する誤り。
この確率が **有意水準（α）** です。
つまり、
> 有意水準＝第一種の過誤をどこまで許すか
ということです。
### ■ 第二種の過誤（β）
帰無仮説が誤りなのに棄却できない誤り。
この確率が β（ベータ）です。
### ■ 検定力（power）
検定力 ＝ 1 − β
意味は：
> 本当に差があるときに、きちんと差を見つけられる力
DS検定では、
- 「検定力が高い」とは何か
- 「βとの関係は何か」
を理解しているかが問われます。
## どんな場面で使う？
### ✔ 医療
- 第一種の過誤：効かない薬を承認
- 第二種の過誤：効く薬を却下
### ✔ ビジネス施策
- 第一種：意味のない改善を採用
- 第二種：有効な改善を見逃す
### ✔ 品質管理
- 第一種：正常品を不良と判定
- 第二種：不良品を正常と判定
状況によって「どちらを重く見るか」は変わります。
## よくある誤解・混同
### ❌ 第一種と第二種を逆に覚える
DS検定ではここをよく混同させてきます。
覚え方：
> 第一種＝「ある」と言ってしまうミス
> 第二種＝「ない」と言ってしまうミス
### ❌ 有意水準＝第二種の過誤
→ 誤りです。
有意水準は **第一種の過誤（α）** です。
### ❌ 検定力＝有意水準
→ 誤りです。
検定力は **1 − β** です。
### ❌ 有意水準を下げれば全部よくなる
有意水準を厳しくすると：
- 第一種の過誤は減る
- しかし第二種の過誤は増えやすい
つまり、
> αとβはトレードオフの関係
ここはDS検定でよく問われます。
### DS検定での典型的なひっかけ
- 「検定力とは第一種の過誤を犯す確率である」
- 「有意水準は第二種の過誤である」
このような選択肢は誤りです。
## まとめ（試験直前用）
- 第一種の過誤＝差がないのに「ある」と判断（α）
- 第二種の過誤＝差があるのに「ない」と判断（β）
- 検定力＝1 − β（見逃さない力）
- αとβはトレードオフ
迷ったら：
> 第一種＝誤って採用
> 第二種＝誤って却下
この判断軸で選択肢を切れます。
## 対応スキル項目（データサイエンス力シート）
- スキルカテゴリ：統計的推論
- サブカテゴリ：仮説検定
- ★ 第1種の過誤、第2種の過誤、p値、有意水準の意味を説明できる本当は効果があるのに「効果はない」と判断してしまう。
→ チャンスを逃す。
どちらもビジネスでは大きな損失になります。
## 定義・仕組み
### 第一種の過誤（Type I Error）
- 帰無仮説が真なのに棄却してしまう誤り
- 起こる確率＝**有意水準（α）**
有意水準を5％に設定するということは、
「5％の確率で第一種の過誤を許容する」という意味です。
### 第二種の過誤（Type II Error）
- 帰無仮説が偽なのに棄却できない誤り
- その確率を **β** と呼ぶ
### 検出力（Power）
- 検出力＝ 1 − β
- 本当に効果があるときに、正しく見抜ける確率
一般に、検出力は0.8以上が望ましいとされます。
### p値との関係
p値とは、
> 「帰無仮説が正しいと仮定したときに、今のデータ以上に極端な結果が出る確率」
です。
- p値が有意水準より小さい → 帰無仮説を棄却
- p値が大きい → 棄却できない
DS検定では、
- p値は「帰無仮説が正しい確率」ではない
- p値が小さい＝効果が大きい、ではない
といった誤解を突く問題がよく出ます。
## どんな場面で使う？
### 使う場面
- A/Bテスト
- 新商品の効果検証
- 医療の治療効果判定
- 不良品率の改善確認
### 実務で重要なポイント
- 第一種の過誤を小さくすると、第二種の過誤が増えやすい
- サンプルサイズを増やすと、検出力が上がる
つまり、
「どちらの誤りをより避けたいのか」
が設計の出発点になります。
## よくある誤解・混同
### ① 第一種と第二種を逆に覚える
DS検定ではここをよく入れ替えてきます。
「誤って棄却」か「棄却できない誤り」かで判断します。
### ② p値＝帰無仮説が正しい確率
これは誤りです。
p値は「データの珍しさ」です。
### ③ 有意水準を下げれば安心
有意水準を1％にすると第一種の過誤は減りますが、
第二種の過誤は増えやすくなります。
試験では、
「有意水準を下げると検出力が上がる」
という選択肢があれば誤りです。
## まとめ（試験直前用）
- 第一種の過誤＝本当は差がないのに棄却
- 第二種の過誤＝本当は差があるのに棄却できない
- 有意水準＝第一種の過誤の確率
- 検出力＝本当に効果があるとき見抜ける確率
- p値は「帰無仮説が正しい確率」ではない
DS検定では
**「どの確率を指しているのか」**を冷静に切り分けることが重要です。
## 対応スキル項目（データサイエンス力シート）
- 統計基礎
- 仮説検定
- ★ 仮説検定における有意水準・p値・第一種の過誤・第二種の過誤の意味を理解している