假设检验中双侧检验，第一类错误和第二类错误的关系，谁能解释下这个图中为什么a/2,和beta那里重

Question

假设检验中双侧检验，第一类错误和第二类错误的关系，谁能解释下这个图中为什么a/2,和beta那里重合在一起？谢谢
我的意思就是 那条虚线为什么刚好对应u0里的a/2同时又对应u1里的beta

Answer 1

这是百科上的一个图片，我觉得那条虚线，其实是你在显著性水平下计算的分位数（错误拒绝），所以临界值是由H0那个图决定的。然后H1根据这个临界值判断。。。

个人理解如此，希望对你有用。。。

Answer 2

假设 事实上正确，可是检验统计量的观测值却 落入拒绝域，因而否定了本来正确的假设 。这是弃真的错误。发生第一类错误的概 率在双侧检验时是两个尾部的拒绝域面积 之和；在单侧检验时是单侧拒绝域的面积 。 显著性检验中的第二类错误是指：原假设 事实上不正确，而检验统计量的观测值却 落入了不能拒绝域，因而没有否定本来不 正确的原假设，这是取伪的错误。发生第 二类错误的概率是把来自θ＝θ1(θ1≠θ0) 的总体的样本值代入检验统计量所得结果 落入接受域的概率。 根据不同的检验问题，对于和大小的选择 有不同的考虑。 在样本容量不变的条件下，犯两类错误的 概率常常呈现反向的变化，要使和都同时 减小，除非增加样本的容量。在控制犯第 一类错误的概率情况下，尽量使犯第二类 错误的概率小。在实际问题中，往往把要 否定的陈述作为原假设，而把拟采纳的陈 述本身作为备择假设，只对犯第一类错误 的概率加以限制，而不考虑犯第二类错误 的概率。 这就是说，在假设检验中，相对而言，当 原假设被拒绝时，能够以较大的把握肯定 备择假设的成立。而当原假设未被拒绝时 ，并不能认为原假设确实成立追问

图能解释下吗？