在假设检验中接受原假设时可能什么错误如下：
假设检验中接受原假设时可能犯第一类错误。
在统计学中，假设检验是一种常用的方法，用于评估关于总体参数的假设。在进行假设检验时，我们提出两个假设：原假设（null hypothesis，通常记为H0）和备择假设（alternative hypothesis，通常记为H1或Ha）。
原假设是我们想要进行检验的假设，备择假设则是与原假设相对立的假设。在假设检验的过程中，我们根据样本数据对比原假设和备择假设，然后做出接受原假设或拒绝原假设的决定。
第一类错误（Type I error）是指在原假设为真的情况下，错误地拒绝了原假设。换句话说，第一类错误发生在我们错误地认为有足够的证据拒绝原假设的情况下，而实际上原假设是正确的。第一类错误的概率通常表示为α（alpha），称为显著性水平。显著性水平决定了在假设检验中拒绝原假设的临界值。
在进行假设检验时，我们通常设定一个显著性水平（通常为0.05或0.01），表示我们愿意接受犯第一类错误的概率。如果计算出的p值（观察到的统计量的概率，假设原假设为真时，该统计量至少出现在样本中的概率）小于或等于显著性水平α，我们就拒绝原假设。如果p值大于α，我们则接受原假设。
犯第一类错误的概率（α）和犯第二类错误的概率（β）之间存在权衡关系。降低α会增加犯第二类错误的概率，反之亦然。犯第二类错误（Type II error）是指在备择假设为真的情况下，错误地接受了原假设。换句话说，第二类错误发生在我们错误地认为没有足够的证据拒绝原假设的情况下，而实际上备择假设是正确的。
降低第一类错误的概率会增加接受原假设的严格性，从而提高了实验的保守性。在某些情况下，特别是医学、生物学等领域的研究中，对第一类错误的控制非常重要，因此通常会选择较小的显著性水平，如0.01，以减小犯第一类错误的可能性。但是，需要注意的是，选择较小的显著性水平会增加犯第二类错误的概率，可能导致真实关系未能被发现。