Tipo i y tipo ii errores en la prueba de hipótesis
El resultado de una prueba estadística es una decisión de aceptar o rechazar H0 (La hipótesis nula) a favor de Halt (La hipótesis alternativa). Debido H0 se refiere a la población, es verdadera o falsa para la población que estés muestreo de. Nunca se puede saber lo que es verdad, pero una verdad objetiva está ahí fuera, no obstante.
La verdad puede ser una de dos cosas, y su conclusión es una de dos cosas, por lo que cuatro situaciones diferentes se posible- estas son a menudo retratados en una tabla de doble entrada.
Estas son las cuatro cosas que pueden suceder cuando se ejecuta una prueba de significación estadística de los datos (utilizando un ejemplo de prueba de un medicamento para la eficacia):
Usted puede obtener una no significativo resultar cuando hay realmente no efectuar presente. Esto es correcto - que no quiere decir que los medicamentos funcionan si realmente no lo hace. (Véase la esquina superior izquierda del cuadro se indica en la figura.)
Usted puede obtener una significativo resultado cuando existe realmente es algún efecto presente. Esto es correcto - que quiere decir que un medicamento funciona cuando lo que realmente hace. (Véase la esquina inferior derecha del cuadro se indica en la figura.)
Usted puede obtener una significativo resultar cuando hay realmente no efectuar presente. Se trata de un error de tipo I - que ha sido engañado por las fluctuaciones aleatorias que hizo un medicamento verdaderamente inútil parece ser eficaz. (Véase la esquina inferior izquierda del cuadro se indica en la figura.)
Su empresa va a invertir millones de dólares en el desarrollo de un fármaco que con el tiempo se demuestra que es inútil. Los estadísticos utilizan la letra griega alfa para representar la probabilidad de cometer un error de tipo I.
Usted puede obtener una no significativo resultado cuando existe realmente es un efecto presente. Se trata de un error de tipo II (véase la esquina superior derecha del cuadro se indica en la figura) - que ha podido ver que el medicamento realmente funciona, tal vez porque el efecto fue oscurecida por el ruido aleatorio en los datos.
Un mayor desarrollo se detuvo, y el medicamento milagro del siglo será consignado al basurero, junto con el premio Nobel de la que no se consigue. Los estadísticos utilizan la letra griega beta para representar la probabilidad de cometer un error tipo II.
La limitación de la posibilidad de hacer una (importancia afirmando falsamente) error de tipo I es muy fácil. Si no desea hacer un error de tipo I más del 5 por ciento de las veces, no declare significado a menos que el valor de p es menor que 0,05. Eso se llama la prueba en el nivel alfa de 0,05.
Si usted está dispuesto a hacer un error de tipo I de 10 por ciento de las veces, usar p lt; 0,10 como su criterio de significación. Esto es muy a menudo en los estudios exploratorios “”, en las que están más dispuestos a dar la droga beneficio de la duda. Por otro lado, si usted está realmente aterrorizada de los errores de tipo I, p uso lt; 0.000001 como su criterio de significación, y no reclamar falsamente significado más de una vez en un millón.
¿Por qué no siempre utilizar un pequeño nivel alfa (como p lt; 0.000001) para su prueba de significación? Porque entonces casi no se consigue importancia, incluso si un efecto está realmente presente. Los investigadores no les gusta ir por la vida sin hacer ningún descubrimiento. Si un medicamento muy eficaz, que desea obtener un resultado significativo cuando lo prueba.
Es necesario encontrar un equilibrio entre el Tipo I y Tipo II errores - entre las tasas de error alfa y beta. Si usted hace demasiado pequeño alfa, beta llegará a ser demasiado grande, y viceversa.