Heading

¿Qué son los errores de tipo I y de tipo II?

Por Saul McLeod, publicado el 04 de julio de 2019

Un resultado estadísticamente significativo no puede probar que una hipótesis de investigación es correcta (ya que esto implica un 100% de certeza). Debido a que un valor p se basa en probabilidades, siempre existe la posibilidad de llegar a una conclusión incorrecta en cuanto a aceptar o rechazar la hipótesis nula (H0).

Cada vez que tomamos una decisión utilizando la estadística hay cuatro resultados posibles, con dos que representan decisiones correctas y dos que representan errores.

Las probabilidades de cometer estos dos tipos de errores son inversamente proporcionales: es decir, al disminuir la tasa de error de tipo I aumenta la tasa de error de tipo II, y viceversa.

Un error de tipo 1 también se conoce como falso positivo y ocurre cuando un investigador rechaza incorrectamente una hipótesis nula verdadera. Esto significa que informa de que sus hallazgos son significativos cuando en realidad se han producido por casualidad.

La probabilidad de cometer un error de tipo I está representada por su nivel alfa (α), que es el valor p por debajo del cual rechaza la hipótesis nula.Un valor p de 0,05 indica que usted está dispuesto a aceptar una probabilidad del 5% de estar equivocado cuando rechaza la hipótesis nula.

Puede reducir el riesgo de cometer un error de tipo I utilizando un valor más bajo para p. Por ejemplo, un valor p de 0,01 significaría que hay un 1% de probabilidades de cometer un error de tipo I.

Sin embargo, utilizar un valor más bajo para alfa significa que tendrá menos probabilidades de detectar una diferencia verdadera si realmente existe (arriesgándose así a un error de tipo II).

Un error de tipo II también se conoce como falso negativo y se produce cuando un investigador no rechaza una hipótesis nula que es realmente falsa. En este caso, un investigador concluye que no hay un efecto significativo, cuando en realidad sí lo hay.

La probabilidad de cometer un error de tipo II se llama Beta (β), y está relacionada con la potencia de la prueba estadística (potencia = 1- β). Puede disminuir el riesgo de cometer un error de tipo II asegurándose de que su prueba tiene suficiente potencia.

Puede hacerlo asegurándose de que el tamaño de su muestra es lo suficientemente grande como para detectar una diferencia práctica cuando realmente existe.

Las consecuencias de cometer un error de tipo I implican que se realicen cambios o intervenciones innecesarias y, por tanto, que se pierda tiempo, recursos, etc.

Los errores de tipo II suelen llevar a mantener el statu quo (es decir, que las intervenciones sigan siendo las mismas) cuando el cambio es necesario.