在统计学中，两级错误（TwoTailedError）是指在假设检验中，可能出现的两种错误类型之一。
1.第一类错误（TypeIError）：这是指原假设（nullhypothesis）实际上为真，但错误地被拒绝了。这种情况也被称为“假阳性”错误。具体来说，就是统计检验的结果错误地表明有显著效应或差异存在。
2.第二类错误（TypeIIError）：这是指原假设实际上为假，但错误地被接受了。这种情况也被称为“假阴性”错误。即统计检验的结果没有表明有显著效应或差异存在，但实际上是存在的。
两级错误通常用α（alpha）和β（beta）来表示：
α（第一类错误的概率）：如果原假设为真，但错误地被拒绝的概率。
β（第二类错误的概率）：如果原假设为假，但错误地被接受的概率。
在统计学实践中，研究者通常需要根据实际情况和需求来平衡α和β的错误概率。例如，在临床试验中，研究者可能更关心第二类错误（β错误），即不拒绝无效的药物或治疗方法，导致患者错过有效的治疗机会。而在某些情况下，研究者可能更关心第一类错误（α错误），例如在法律判决中，错误的定罪可能会导致严重的后果。
