第一类错误离我们有多远

太久没发博客了，想发又不知道发哪个好。那就随便吧。

引用 【数据分析必备技能｜正确解读你的AB实验】https://cloud.tencent.com/developer/article/1618910

数据分析的思维： 

当你想分析一个事物并得出结论，就得寻找指标。当这不算数据分析思维，数据分析思维应该是思考怎么证明指标可靠性，比如说，我想证明吃巧克力影响人的心情，就得针对巧克力做ab测试，但我还得证明巧克力跟实验结果构成相关性，即

【怎样衡量一个指标是否有显著变化】

下一步我就得分析人们心情波动的总体标准差（这个值应该是可以查表的，如果查不了表就估算一吧，可以根据样本分布的相关知识估算），然后再研究一下吃了巧克力的人的心情波动的平均值偏离多少个总体标准差，假如是x个标准差， 然后通过查表看看x个标准差的概率分布。

关键概念：

总体标准差， 实验组与对照组的平均值的差值，标准差倍数的概率分布。

通俗的说，就是用概率分布（正太分布）去衡量波段是否符合正常范围。其中标准差可以认为是衡量波段的单位。

有了这个概率分布，我门就可以知道，吃了巧克力的人心情波动是否属于正常现象，比如我们【认为】80%的人都会有这种波动，那么就是正常现象，结论也就是说巧克力对心情没毛线作用。

可问题是我们所认为的【80%】这个标准是否要求过分了，或者是要求太低了？

这里就引起了一个概念：第一类错误和第二类错误。

第一类错误就大部分喜欢放错的，因为人天生缺乏安全感，所以总会过分的要求，比如咱们会要求波动必须99%的人都会有，才算大部分人都会有，才算正常波动，这种也是过度悲观的做法。

换句话说，人天生有悲观，抑郁倾向。

也就容易犯第一类错误，造成拒绝接受真相，或者说，容易错过美好的事情。

而反过来过度乐观的人，却容易犯第二类错误，导致错信小人。

如何避免第一类错误，就是，掌握信息，让自己安全感。

避免第二类错误的办法就是，提高自己甄别能力，比如提高交际底线也可以。