均匀分布参数的假设检验问题

X为在区间[-m,m]上的均匀分布，样本大小为1,
假设 H0: m=3 H1:m=4
当|X|>=3.5的时候否定H0，其他情况接收H0
问题：
第一种错误的概率和第二种错误的概率分别是多少？

希望能有详细一些的说明

当假设H0实际为真时，由样本观测值做出了拒绝H0的错误结论，称为第一类错误。
H0的情况下，|X|>=3.5的概率是0，所以第一类错误的概率是0。

当假设H0实际为错误时，由样本观测值做出了接受H0的错误结论，称为第二类错误。
H1的情况下，|X|<3.5的概率是7/8，第二类错误的概率是7/8。

一般的参数估计方法无非：极大似然估计、矩估计、贝叶斯估计3种。极大似然估计，就是跟据样本值得到似然函数，然后求导得到最大值的条件，解出参数值，假设检验则据此得到一个枢轴量进行。矩估计，核心是用样本矩代替总体矩，假设检验推导相对复杂，也可以看作寻求枢轴量。贝叶斯估计则是假设参数是随机变量，观测值为“有条件”观测值，用贝叶斯公式转换为“有条件”的参数分布，最后积分边缘化得到参数的边缘分布，并用其期望值或者众数来作为其点估计，假设检验则是用现成的参数分布函数进行。