试述两类错误的意义及其关系。

Ⅰ类错误（typeⅠerror）：如果检验假设H₀实际是正确的，由样本数据计算获得的检验统计量得出拒绝H₀的结论，此时就犯了错误，统计学上将这种拒绝了正确的零假设H₀（弃真）的错误称为Ⅰ类错误。
Ⅱ类错误（type Ⅱ error）：假设检验的另一类错误称为Ⅱ类错误（type Ⅱ error），即检验假设H₀原本不正确（H₁正确），由样本数据计算获得的检验统计量得出不拒绝H₀（纳伪）的结论，此时就犯了Ⅱ类错误。Ⅱ类错误的概率用β表示。
在假设检验时，应兼顾犯Ⅰ类错误的概率（α）和犯Ⅱ类错误的概率（β）。犯Ⅰ类错误的概率（α）和犯Ⅱ类错误的概率（β）成反比。如果把Ⅰ类错误的概率定得很小，势必增加犯Ⅱ类错误的概率，从而降低检验效能；反之，如果把Ⅱ类错误的概率定得很小，势必增加犯Ⅰ类错误的概率，从而降低了置信度。为了同时减小α和β，只有通过增加样本含量，减少抽样误差大小来实现。

略