Error tipo II

¿Qué es un error de tipo II?

Un error de tipo II es un término estadístico utilizado en el contexto de la prueba de hipótesis que describe el error que ocurre cuando uno no puede rechazar una hipótesis nula que en realidad es falsa. Un error de tipo II produce un falso negativo, también conocido como error de omisión. Por ejemplo, una prueba para una enfermedad puede dar un resultado negativo cuando el paciente está infectado. Este es un error de tipo II porque aceptamos la conclusión de la prueba como negativa, aunque sea incorrecta.

En análisis estadístico, un error de tipo I es el rechazo de una hipótesis nula verdadera, mientras que un error de tipo II describe el error que ocurre cuando uno no puede rechazar una hipótesis nula que en realidad es falsa. El error rechaza la hipótesis alternativa , aunque no se produzca por casualidad.

Comprender un error de tipo II

Un error de tipo II, también conocido como error de segundo tipo o error beta, confirma una idea que debería haberse rechazado, como por ejemplo, afirmar que dos observancias son iguales, a pesar de ser diferentes. Un error tipo II no rechaza la hipótesis nula, aunque la hipótesis alternativa sea el verdadero estado de naturaleza. En otras palabras, un hallazgo falso se acepta como verdadero.

Un error de tipo II se puede reducir haciendo criterios más estrictos para rechazar una hipótesis nula. Por ejemplo, si un analista está considerando cualquier cosa que se encuentre dentro de los límites de +/- de un intervalo de confianza del 95 % como estadísticamente insignificante (un resultado negativo), al disminuir esa tolerancia a +/- 90 % y, posteriormente, estrechar los límites, obtendrá menos resultados negativos y, por lo tanto, reducirá las posibilidades de un falso negativo.

Sin embargo, seguir estos pasos tiende a aumentar las posibilidades de encontrar un error de tipo I, un resultado falso positivo. Al realizar una prueba de hipótesis, se debe considerar la probabilidad o el riesgo de cometer un error tipo I o un error tipo II.

Los pasos tomados para reducir las posibilidades de encontrar un error de tipo II tienden a aumentar la probabilidad de un error de tipo I.

Errores de tipo I frente a errores de tipo II

La diferencia entre un error de tipo II y un error de tipo I es que un error de tipo I rechaza la hipótesis nula cuando es verdadera (es decir, un falso positivo). La probabilidad de cometer un error tipo I es igual al nivel de significación que se fijó para la prueba de hipótesis. Por lo tanto, si el nivel de significación es 0,05, existe un 5% de probabilidad de que se produzca un error de tipo I.

La probabilidad de cometer un error tipo II es igual a uno menos la potencia de la prueba, también conocida como beta. La potencia de la prueba podría incrementarse aumentando el tamaño de la muestra,. lo que disminuye el riesgo de cometer un error tipo II.

Algunas publicaciones estadísticas incluirán el nivel de significación general y el riesgo de error tipo II como parte del análisis del informe. Por ejemplo, un metanálisis de 2021 de exosomas en el tratamiento de lesiones de la médula espinal registró un nivel de significación general de 0,05 y un riesgo de error de tipo II de 0,1.

Ejemplo de un error de tipo II

Suponga que una empresa de biotecnología desea comparar la eficacia de dos de sus medicamentos para tratar la diabetes. La hipótesis nula establece que los dos medicamentos son igualmente efectivos. Una hipótesis nula, H0, es la afirmación que la empresa espera rechazar utilizando la prueba de una cola. La hipótesis alternativa, H_a, establece que los dos fármacos no son igualmente efectivos. La hipótesis alternativa, H_a, es el estado de naturaleza que se sustenta al rechazar la hipótesis nula.

La empresa de biotecnología implementa un gran ensayo clínico de 3.000 pacientes con diabetes para comparar los tratamientos. La compañía divide aleatoriamente a los 3000 pacientes en dos grupos de igual tamaño, dando a un grupo uno de los tratamientos y al otro grupo el otro tratamiento. Selecciona un nivel de significancia de 0,05, lo que indica que está dispuesto a aceptar un 5% de probabilidad de rechazar la hipótesis nula cuando es verdadera o un 5% de probabilidad de cometer un error tipo I.

Suponga que la beta se calcula en 0,025 o 2,5%. Por tanto, la probabilidad de cometer un error tipo II es del 97,5%. Si los dos medicamentos no son iguales, se debe rechazar la hipótesis nula. Sin embargo, si la empresa biotecnológica no rechaza la hipótesis nula cuando los medicamentos no son igualmente efectivos, se produce un error de tipo II.

Reflejos

• Un error de tipo II es esencialmente un falso negativo.

• Un error de tipo II puede reducirse haciendo criterios más estrictos para rechazar una hipótesis nula, aunque esto aumenta las posibilidades de un falso positivo.

• El tamaño de la muestra, el tamaño real de la población y el nivel alfa preestablecido influyen en la magnitud del riesgo de error.

• Un error tipo II se define como la probabilidad de fallar incorrectamente en rechazar la hipótesis nula, cuando en realidad no es aplicable a toda la población.

• Los analistas deben sopesar la probabilidad y el impacto de los errores de tipo II con los errores de tipo I.

PREGUNTAS MÁS FRECUENTES

¿Cuál es la diferencia entre los errores de tipo I y tipo II?

Se produce un error de tipo I si se rechaza una hipótesis nula que en realidad es cierta en la población. Este tipo de error es representativo de un falso positivo. Alternativamente, se produce un error de tipo II si no se rechaza una hipótesis nula que en realidad es falsa en la población. Este tipo de error es representativo de un falso negativo.

¿Qué causa los errores de tipo II?

Un error de tipo II se produce comúnmente si el poder estadístico de una prueba es demasiado bajo. Cuanto mayor sea el poder estadístico, mayor será la posibilidad de evitar un error. A menudo se recomienda que la potencia estadística se establezca en al menos un 80 % antes de realizar cualquier prueba.

¿Qué factores influyen en la magnitud del riesgo de errores de tipo II?

A medida que aumenta el tamaño de la muestra de la investigación, la magnitud del riesgo de errores de tipo II debería disminuir. A medida que aumenta el tamaño del efecto de la población real, el error de tipo II también debería disminuir. Por último, el nivel alfa preestablecido establecido por la investigación influye en la magnitud del riesgo. A medida que disminuye el nivel alfa establecido, aumenta el riesgo de un error de tipo II.