याद रखें कि हम अशक्त परिकल्पना, H0 का परीक्षण करते हैं। यदि कोई अंतर वास्तव में मौजूद नहीं है, तो H0 सत्य होगा, और इसे स्वीकार करना सही होगा। इसके विपरीत, यदि कोई अंतर वास्तव में मौजूद है, तो H0 गलत होगा, और इसे अस्वीकार करना सही होगा। लेकिन, अफसोस, गलतियाँ होती हैं! सांख्यिकी में इन गलतियों के होने की प्रायिकता को विशेष नाम और ग्रीक अक्षर दिए गए हैं। टाइप I या 'α' त्रुटि H0 को अस्वीकार करने की संभावना है, जब वास्तव में, H0 सत्य है ("झूठा अलार्म")। टाइप II या 'β' त्रुटि H0 को स्वीकार करने की संभावना है, जब वास्तव में, H0 गलत है ("नाव लापता")।
हम में से अधिकांश लोग α को केवल ".05 महत्व के स्तर" के रूप में जानते हैं, फिर भी यह वास्तव में टाइप I त्रुटि करने के लिए एक अन्वेषक की सहनशीलता का संकेत है। उदाहरण के लिए, आप यह कहने के लिए कितने इच्छुक हैं कि एनेस्थेटिक ब्रैडीकार्डिया का कारण बनता है जबकि वास्तव में ऐसा नहीं होता है? जांचकर्ताओं को α का मान निर्धारित करने के लिए मिलता है, हालांकि .05 के अलावा, केवल अन्य α जो आमतौर पर उपयोग किया जाता है वह .01 है। टाइप II त्रुटि अधिक पेचीदा है क्योंकि जांचकर्ता β के लिए एक मान घोषित नहीं कर सकते हैं, जो कम से कम छह कारकों से प्रभावित होता है। इनमें से सबसे महत्वपूर्ण नमूना आकार है - β बड़ा नमूना आकार के साथ छोटा है। चूँकि 1-β शक्ति है, β को जितना हो सके कम रखना अच्छी बात है। अन्य कारक जो β को कम करते हैं उनमें परिकल्पित क्या है और क्या सच है ("प्रभाव"), सटीक रूप से मापा चर (कम "यार्डस्टिक में रबर"), आश्रित (जैसे, मिलान या युग्मित) नमूनों के बीच बड़ी विसंगति शामिल है, स्वतंत्र के विपरीत (उदाहरण के लिए) , बेतरतीब ढंग से असाइन किए गए) नमूने, बड़े α को निर्दिष्ट करते हैं (भले ही α + β 1 के बराबर न हो), और 1-पूंछ वाली परिवर्तनात्मक परिकल्पना के विपरीत 2-पूंछ। अगले महीने, छोटी मात्रा में आंकड़े नमूना आकार और सांख्यिकीय निर्णय लेने में इसके महत्व का पता लगाएंगे।
