Data Analysis - Types of Errors

Udacity - Data Analysis

 

Type I Errors
1. You should set up your null and alternative hypotheses, so that the worst of your errors is the type I error.
2. They are denoted by the symbol α.
3. The definition of a type I error is: Deciding the alternative (H1) is true, when actually (H0) is true.
4. Type I errors are often called false positives.

Type II Errors
1. They are denoted by the symbol β.
2. The definition of a type II error is: Deciding the null (H0) is true, when actually (H1) is true.
3. Type II errors are often called false negatives.