Los errores tipo I y tipo II son errores a la hora de rechazar o aceptar una hipótesis nula en investigación. Pero como es imposible explicar los errores tipo I y II sin mencionar las hipótesis nulas o alternativas, pasando por el nivel de significación o alfa (α), en esta entrada te lo cuento todo con detalle. Empecemos por el principio.
Primer paso: Formulación de hipótesis y tipos de hipótesis
Como en los comienzos de toda investigación, una de las primeras fases que debe realizar el investigador es formular la hipótesis respecto al tema y la intervención que se plantea. En relación a esa hipótesis va a generar también unos objetivos y va a tener en consideración unas limitaciones pero, ¿qué tipos de hipótesis inspiran cualquier propuesta de investigación? Las hipótesis nulas y alternativas.
Hipótesis nula (H0)
La hipótesis nula (H0) es la hipótesis que plantea el investigador, y que provisionalmente acepta como verdadera. Solo puede rechazarla mediante un proceso de falsación o refutación.
Normalmente, lo que se hace es plantear la ausencia de efecto o la ausencia de diferencias (por ejemplo, sería afirmar que: “No hay diferencias entre la terapia cognitiva y la terapia de conducta en el tratamiento de la ansiedad”).
Hipótesis alternativa (H1)
La hipótesis alternativa (H1), en cambio, es la aspirante a suplantar o reemplazar la hipótesis nula. Esta suele plantear que existen diferencias o efecto (por ejemplo, “Existen diferencias entre la terapia cognitiva y la terapia de conducta en el tratamiento de la ansiedad”).
Segundo paso: Determinación del nivel de significación o alfa (decision correcta 1-α y 1-β)
El nivel de significación o alfa (α) es
Esto da lugar a mencionar dos tipos de decisiones correctas respecto a la hipótesis nula (H0) en relación a ese nivel de significación: la decisión correcta 1-α y la decisión correcta 1-β. ¿En qué consiste cada uno de estos tipos de decisión correcta?
Aceptar la hipótesis nula (H0) cuando es verdadera o decisión correcta 1-α
La decisión correcta 1-α hace alusión al hecho de aceptar la hipótesis nula (H0) siendo esta verdadera. Lo que es lo mismo, no se rechaza la hipótesis nula (H0), sino que la confirmamos. La hipótesis nula (H0) se cumple, lo que dice la hipótesis nula es cierto y verdadero. A nivel matemático, habría que calcularla así:1-α (donde α es el error tipo I o nivel de significación). Es decir, que a 1 le restamos el nivel de significación o error tipo 1.
Rechazar la hipótesis nula (H0) cuando es falsa o decisión correcta 1–β
En este caso, también tomamos una decisión correcta que, en este caso sería la de rechazar la hipótesis nula (H0) cuando es realmente falsa. Este tipo de decisión también se llama la potencia de la prueba y se calcula tal que así: restando a 1 el error tipo II, es decir, 1-β.
Los errores tipo I (α) y tipo II (β)
Debemos diferenciar entre error tipo I y tipo II a la hora de equivocarnos cuando rechazamos la hipótesis nula (H0) siendo esta verdadera o al aceptar una hipótesis nula (H0) siendo, en realidad, falsa. Vamos a verlos en detalle y a aprender cómo se calculan.
Error tipo I (α) o rechazar una hipótesis nula (H0) que es verdadera
El error tipo I, también llamado alfa (α), se comete al rechazar la hipótesis nula (H0) siendo esta verdadera. Así, la probabilidad de cometer un error de tipo I es α, que es el nivel de significación que hemos establecido para nuestra prueba de hipótesis.
Así, si, por ejemplo, el α que habíamos establecido es de 0.05, esto indicaría que estamos dispuestos a aceptar una probabilidad del 5% de equivocarnos al rechazar la hipótesis nula.
Error tipo II (β)
El error tipo II o beta (β), se comete al aceptar la hipótesis nula (H0) siendo esta falsa. Es decir, la probabilidad de cometer un error tipo II es beta (β), y depende de la potencia de la prueba (1-β).
Para reducir el riesgo de cometer un error tipo II, podemos optar por asegurarnos de que la prueba tiene suficiente potencia. Para ello, deberemos asegurarnos de que el tamaño de la muestra es lo suficientemente grande como para detectar una diferencia cuando ésta realmente exista, una recomendación que ya hicimos al hablar de la comparativa entre las pruebas paramétricas y no paramétricas.
Puedes ampliar información sobre esto en las siguientes entradas:
- Ventajas e inconvenientes de las pruebas paramétricas y no paramétricas.
- Comparativa entre las pruebas paramétricas y no paramétricas en investigación.
- Pruebas paramétricas con ejemplos: ¿qué son, cuándo usarlas y cómo se clasifican?
- Pruebas no paramétricas: ¿qué son y cómo se clasifican?
- Ejemplos rápidos para aprender a utilizar una prueba paramétrica u otra
- ¿Qué prueba de análisis estadístico utilizar cuando tenemos datos en una escala de Likert?
- El método, el apartado del TFG más desesperante para los estudiantes de psicologia
- Técnicas de análisis más habituales para evaluar la eficacia y la efectividad de tu programa de intervención en el TFG de psicología