偶爾能看懂，但是死活記不住，歸根結底是沒有徹底理解！
Type I and type II errors - wiki
type I error is the rejection of a true nullhypothesis (also known as a "false positive" finding),
type II error is failing to reject a false null hypothesis (also known as a "false negative" finding). 1-power。
大部分舉例都沒有講清楚，必須要結合下面的圖才能有直觀的理解。
power就是當統計量服從備擇假設時，我們得到備擇假設的概率。
我們要構建零假設，這就是我們要攻擊的目標，我們需要使用我們的數據來拒絕它。
常見的做法是我們需要構建統計量，在H0的假設下，統計量往往有一個分布，當我們計算出統計量處於分布的小概率區域中時，我們就可以說零假設是小概率事件，可以拒絕零假設。
如下圖的單側假設檢驗，當統計量大於2時，我們就可以拒絕H0，此時我們犯第一類錯誤地概率就是α，就是零假設是真的，我們卻拒絕了它。
當設定了顯著性水平后，α就定了，一般為0.05，所以統計量水平也就定了，下圖為2. 第二類錯誤就是，即使沒有達到拒絕H0的標准（統計量小於2），但是其實H1是真的，我們卻拒絕了它。定義為β。也可以叫做我們接受了錯誤地H0。
結論：
第一類錯誤：錯誤地拒絕了H0
第二類錯誤：錯誤地拒絕了H1，換句話說，錯誤地接受了H0，接受了假的H0，真的很繞口，但是確實一個東西。
與wiki定義完美吻合！！！
這之后，Sensitivity, Specificity, and ROC Curves就很好理解了。