Beruflich Dokumente
Kultur Dokumente
El error de tipo I también denominado error de tipo alfa (α) o falso positivo, es el
error que se comete cuando el investigador no acepta la hipótesis nula siendo ésta
verdadera en la población. Es equivalente a encontrar un resultado falso positivo,
porque el investigador llega a la conclusión de que existe una diferencia entre las
hipótesis cuando en realidad no existe.
El error de tipo II también llamado error de tipo beta (β) o falso negativo, es el error
que se comete cuando el investigador no rechaza la hipótesis nula siendo ésta falsa
en la población. Es equivalente a la probabilidad de un resultado falso negativo, ya
que el investigador llega a la conclusión de que ha sido incapaz de encontrar una
diferencia que existe en la realidad.
“Influencia del nivel de significancia, errores tipo I y tipo II, y
potencia de prueba en los resultados de un experimento.”
Cuando se realiza una prueba de hipótesis, se pueden cometer dos tipos de errores:
tipo I y tipo II. Los riesgos de estos dos errores están inversamente relacionados y
son determinados por el nivel de significancia y la potencia de la prueba. Por lo
tanto, se debe determinar qué error tiene consecuencias más graves para su
situación antes de definir sus riesgos.
Si rechazamos la hipótesis nula cuando ésta es verdadera, cometemos un error de
tipo I. La probabilidad de cometer un error de tipo I es α, que es el nivel de
significancia que se establece para la prueba de hipótesis. Un α de 0.05 indica que
estamos dispuestos a aceptar una probabilidad de 5% de que estamos equivocados
cuando rechazamos la hipótesis nula. Para reducir este riesgo, se debe utilizar un
valor más bajo para α. Sin embargo, si se utiliza un valor más bajo para α, significa
que tendremos menos probabilidades de detectar una diferencia verdadera, si es
que realmente existe.
Tamaño muestral
Tamaño de efecto
Nivel de significancia
Tamaño de la muestra: Si mantenemos fijos los demás elementos (nivel de
significancia y tamaño del efecto), al aumentar el tamaño de la muestra aumenta
también la potencia de la prueba. Esto es, con una muestra grande es más probable
detectar diferencias significativas entre los grupos cuando realmente éstas existen.