Errores de Tipo I y Tipo II

Los errores de Tipo I y Tipo II son las dos formas en que una prueba de hipótesis puede llegar a una conclusión incorrecta. Un error de Tipo I es un falso positivo —rechazar una hipótesis nula verdadera y afirmar un efecto que no existe—, mientras que un error de Tipo II es un falso negativo —no detectar un efecto real—. El nivel de significación controla la tasa de errores de Tipo I, y el complemento de la tasa de errores de Tipo II es la potencia estadística, por lo que los dos tipos de error enmarcan cómo el diseño del estudio equilibra los riesgos de sobrestimar y subestimar.

Definition

Un error de Tipo I es el rechazo de una hipótesis nula que en realidad es verdadera (un falso positivo), que ocurre con una probabilidad alfa; un error de Tipo II es la incapacidad de rechazar una hipótesis nula que en realidad es falsa (un falso negativo), que ocurre con una probabilidad beta.

Scope

Este tema define los dos tipos de error, los vincula con el nivel de significación (alfa) y la tasa de error de Tipo II (beta), y explica la relación de compromiso entre ellos en el diseño del estudio. Es una metodología de referencia para evaluar y planificar estudios, no una regla de decisión clínica.

Core questions

• ¿Qué significa llegar a una conclusión de falso positivo versus falso negativo?
• ¿Cómo se relacionan el nivel de significación y la tasa de error de Tipo II con estos errores?
• ¿Por qué reducir una tasa de error puede aumentar la otra?
• ¿Cómo influye el tamaño de la muestra en la probabilidad de cada error?

Key concepts

• Error de Tipo I (falso positivo)
• Error de Tipo II (falso negativo)
• Nivel de significación (alfa)
• Tasa de error de Tipo II (beta)
• Potencia como 1 menos beta
• Compensación de errores
• Pruebas múltiples e inflación de falsos positivos

Mechanisms

En el esquema de Neyman-Pearson, una prueba se diseña fijando de antemano la tasa de error de Tipo I tolerable (alfa, el nivel de significación), lo que establece la frecuencia con la que una hipótesis nula verdadera será rechazada erróneamente. La tasa de error de Tipo II (beta) es la probabilidad de pasar por alto un efecto real de un tamaño dado, y uno menos beta es la potencia de la prueba. Para un tamaño de muestra fijo, las dos tasas de error se compensan: hacer la prueba más estricta para reducir los falsos positivos aumenta la probabilidad de falsos negativos, y viceversa. Aumentar el tamaño de la muestra es la principal forma de reducir ambos a la vez. Probar muchas hipótesis sin ajuste infla la tasa general de errores de Tipo I, por lo que la multiplicidad es una preocupación recurrente en el diseño.

Clinical relevance

Estos tipos de error subyacen a cómo las conclusiones de los ensayos y estudios observacionales pueden inducir a error: un hallazgo falso positivo puede promover una intervención ineficaz, mientras que un hallazgo falso negativo puede descartar una útil. Leer si un estudio controló sus tasas de error —y si un resultado nulo simplemente refleja una baja potencia— es fundamental para la evaluación de la evidencia. Esta entrada explica los errores inferenciales y no es una base para decisiones clínicas individuales.

Evidence & guidelines

Los comentarios metodológicos enfatizan que un resultado no significativo no es prueba de la ausencia de efecto, ya que los estudios con poca potencia hacen que los errores de Tipo II sean probables; la nota de Altman y Bland de que la ausencia de evidencia no es evidencia de ausencia lo capta directamente. Las revisiones de investigaciones con poca potencia, como el análisis de Button y sus colegas en neurociencia, documentan cómo la baja potencia infla los falsos negativos y reduce la fiabilidad de los hallazgos significativos.

History

La distinción entre errores de primer y segundo tipo fue introducida por Neyman y Pearson en su formalización de 1933 de la prueba de hipótesis, que enmarcó el diseño de la prueba como el control de estas dos probabilidades de error. Las consecuencias prácticas —especialmente los peligros del error de Tipo II en estudios pequeños— se convirtieron en un tema recurrente en las críticas metodológicas de la investigación en salud y comportamiento de los siglos XX y XXI.

Debates

Interpretación de resultados no significativos

Debido a que los estudios con poca potencia cometen frecuentemente errores de Tipo II, un hallazgo no significativo a menudo se interpreta erróneamente como una demostración de la ausencia de efecto; los metodólogos enfatizan que la ausencia de evidencia no es evidencia de ausencia.

Key figures

• Jerzy Neyman
• Egon Pearson
• Douglas G. Altman
• J. Martin Bland
• John P. A. Ioannidis

Seminal works

• neyman-pearson-1933
• altman-bland-1995

Frequently asked questions

¿Cuál es la diferencia entre un error de Tipo I y un error de Tipo II?

Un error de Tipo I es un falso positivo —concluir que hay un efecto cuando no lo hay— y un error de Tipo II es un falso negativo —pasar por alto un efecto real—. Sus probabilidades se denominan alfa y beta, respectivamente.

¿Por qué no puedo simplemente hacer que ambas tasas de error sean lo más pequeñas posible?

Para un tamaño de muestra fijo, las dos se compensan: endurecer la prueba para reducir los falsos positivos aumenta los falsos negativos. La principal forma de reducir ambos simultáneamente es aumentar el tamaño de la muestra.