一句话定义
一类错误是零假设为真时却错误拒绝它，也就是假阳性。
机制 / 原理
只要允许根据样本做判断，就可能把偶然波动误判为真实效应。显著性水平控制的是长期一类错误率：在零假设真的场景中，你愿意多常误报。检验越多、阈值越宽、选择性报告越强，一类错误越容易膨胀。
经典实验 / 例子
一种完全无效的新药，在某次小样本试验中可能因为偶然波动显示显著改善。如果据此宣布药物有效，就是一类错误。
生活中的例子
你每天检查几十个业务指标，总会有几个指标偶然显著。若立刻宣布找到了增长秘诀，很可能是在把随机噪声当发现。
常见误区
常见误区是认为只要 p<0.05 就绝不会错。显著结果仍可能是假阳性，尤其在多次检验或设计薄弱时。