在 Type I 与 Type II 错误之间优化准则：综述与扩展
统计方法学
2024-09-19 v1
摘要
临床研究中基于决策的两个错误类型：当决策宣布积极结果时，若事实为消极则称为 Type I 错误；当决策宣布消极结果时，若事实为积极则称为 Type II 错误。通常，这类研究的首要分析涉及双侧假设检验，Type I 错误率为 5%，且旨在使 Type II 错误率足够低，例如 10% 或 20%。这些数值是任意的，往往不反映临床或监管背景，忽略了两种错误的相对成本以及赌徒对药物优于安慰剂或标准治疗方案的先验信念。这种简单方法近年来因资源受限而需要在 Type I 与 Type II 错误之间进行权衡而受到挑战。本文综述了利用这种权衡通过正式承认成本来优化简单、点 null 和备择假设的错误率选择的提议，并将结果扩展到复合或区间假设，展示了其与临床研究成功概率之间的联系。
关键词
引用
@article{arxiv.2409.12081,
title = {Optimising the Trade-Off Between Type I and Type II Errors: A Review and Extensions},
author = {Andrew P Grieve},
journal= {arXiv preprint arXiv:2409.12081},
year = {2024}
}