가설 검정 이론에서, 1종 오류(생산자 위험, α오류)와 2종 오류(소비자 위험, β오류)는
각각 귀무가설을 잘못 기각하는 오류와 귀무가설을 잘못 채택하는 오류이다.
통계적 오류는 1종 오류와 2종 오류로 분류된다.
1종 오류는 귀무가설이 실제로 참이지만, 이에 불구하고 귀무가설을 잘못 기각하는 오류이다.

“생이별의 오류”: 연인이 변심하지 않았는데도 변심했다고 잘못 판단하여 생이별하는 오류
즉, 실제 음성인 것을 양성으로 판정하는 경우이다.
거짓 양성 또는 알파 오류(영어: α error)라고도 한다.

2종 오류는 귀무가설이 실제로 거짓이지만, 이에 불구하고 귀무가설을 잘못 채택하는 오류이다.

“착각의 오류”: 연인이 변심했는데도 여전히 자기를 좋아하는 줄 착각하고 자르지 못하는 오류
즉, 실제 양성인 것을 음성으로 판정하는 경우이다.
거짓 음성 또는 베타 오류(영어: β error)라고도 한다.

어느 지역에서 스마트폰의 20% 이상이 G프로이라는 가설을 세우고,
이를 검정하기 위해 어느 하루동안 주요 교차로를 지나가는 1000명의 스마트폰을 조사하였다.
조사결과 1명중 단 2대만이 G프로 였다.
가설대로 스마트폰의 20% 이상이 G프로라면 이런 결과가 나올 확률은 매우 적을 것이다.
계산해 보니 역시 유의수준 5% 이하였다.
따라서 그 지역에서 스마트폰의 20% 이상이 G프로라는 가설은 기각되었다.

 
그런데 나중에 알고보니 그 지역에서 사용 되고있는 G프로 스마트폰이 실제로는 20%가 넘는데
그날따라 대부분이 G프로 사은행사가 종합 운동장에서 실시하고 있어

사용중인 사람의 2명 밖에 만나지 못한 것이었다.
이런 경우 옳은 가설을 기각했기 때문에 제 1종 오류를 범한 것이 된다.

반대의 경우를 생각해 보자.
다른 지역에서 같은 가설을 검정하기 위해
어느 하루동안 주요 교차로를 지나는 사람 1000명의 스마트폰을 조사한 결과 250대가 G프로였다.
가설대로 스마트폰의 20% 이상이 G프로일 때 이런 결과가 나올 확률은
유의수준 5%를 넘기 때문에 이 가설을 채택하였다.

그런데 나중에 알고보니 근처에 있는 야구장에 하필 트윈*의 야구 경기가 있어서
L사 직원과 트윈* 팬들의 왕래가 집중된 날 조사를 했기 때문에
250명을 만난 것이었고 실제로 G프로는 그 지역 스마트폰중 10%도 안된다는 것이었다.
이 경우 잘못된 가설을 받아들였기 때문에 제 2종 오류를 범한 것이다.

가설 검정에서는 다 두 가지를 늘 생각해야만 한다.
(1) 우리는 참인 가설을 기각해버릴 가능성을 최대한 낮게 해야만 한다.
(2) 거짓으로 생각되는 가설이 기각되도록 검정해야만 한다.