Escuela Profesional de Ingeniería Industrial

Estadística Industrial

Prueba de Hipótesis: Error tipo I y Error

tipo II, Potencia de la prueba

danielmavila@yahoo.es
2020-1
Generalidades
Un paciente se puede realizar una prueba de Virus de la Inmunodeficiencia Humana (VIH)
que promete una precisión del 99,9%. Esto significa que 1 de cada 1000 pruebas podría
arrojar un "falso positivo", comunicando a un paciente que tiene el virus cuando en
realidad no es así.
Por el contrario, la prueba también podría mostrar una lectura de «falso negativo»,
dándole a un paciente VIH positivo el visto bueno de no enfermedad. Por esta causa, la
mayoría de las pruebas médicas exigen muestras duplicadas para tener las probabilidades
a su favor. Una probabilidad de uno en mil se convierte en una probabilidad de 1 en un
millón si se prueban dos muestras independientes.

Error de tipo I (α)

Por lo general, un error de tipo I se denomina "falso positivo" y es el proceso de rechazar
incorrectamente la hipótesis nula en favor de la alternativa. En el caso anterior, la
hipótesis nula se refiere al estado natural de las cosas que indica que el paciente no es
VIH positivo.
La hipótesis alternativa indica que el paciente porta el virus. Un error de tipo I indicaría
que el paciente tiene el virus cuando no lo tiene, un falso rechazo de la hipótesis nula.
Generalidades...

Error de tipo II (β)

Un error de tipo II es lo contrario al error de tipo I y es la falsa aceptación de la hipótesis
nula. Un error de tipo II, también conocido como falso negativo, implicaría que el paciente
no tiene VIH cuando no es así, un diagnóstico peligroso.
En la mayoría de los campos de la ciencia, los errores de tipo II no son considerados tan
problemáticos como los errores de tipo I. En el caso del error de tipo II, se pierde la
posibilidad de rechazar la hipótesis nula y no se desprende ninguna conclusión de la
hipótesis nula no rechazada. El error de tipo I es más grave, ya que se habrá rechazado
erróneamente la hipótesis nula.
La medicina es una excepción. Comunicarle a un paciente que no tiene una enfermedad
cuando sí la tiene es potencialmente peligroso.
Replicación de experimento
Por esta razón se deben replicar los experimentos científicos y otros científicos deben tener
la oportunidad de seguir la metodología exacta.
Aunque se alcance el nivel más alto de prueba, es decir, P < 0,01 (probabilidad inferior al
1%), cada 100 experimentos habrá un resultado falso. Hasta cierto punto, duplicar o triplicar
las muestras reduce la posibilidad de error, pero todavía se puede enmascarar una
oportunidad si el error que causa una variable está presente en todas las muestras.
Sin embargo, si otros investigadores que usan el mismo equipo replican el experimento y
descubren que los resultados son los mismos, las posibilidades de 5 o 10 experimentos que
den resultados falsos son increíblemente pequeñas. Así la ciencia regula y reduce al mínimo
la posibilidad de errores de tipo I y tipo II.
 RESUMEN DE ERRORES DE UNA PRUEBA DE HIPÓTESIS
Condición de H0
Conclusiones de la
muestra H0 es verdadera H0 es falsa

No se rechaza H0 1 Decisión correcta 1 Error Tipo II

2 Nivel de confianza 2 Probabilidad = β
3 Probabilidad = 1 – α

Se rechaza H0 1 Error Tipo I 1 Decisión correcta

2 Nivel de significación 2 Potencia de la prueba
3 Probabilidad = α 3 Probabilidad = 1 - β
 Prueba de hipótesis de cola derecha con
H0 : m = m0 y H1 : m = m1 donde m1 > m0
z es el valor crítico que delimita la región de rechazo y no rechazo

β α
Ho z µ1
µ0
ACEPTACIÓN Ho RECHAZO Ho

Valor crítico
Ejercicios:
1) HIPÓTESIS: Explicarles con el sexto sentido de las mujeres, en este caso las madres,
que intuyen si el novio (a) de su hijo (a), le conviene o no, y la única forma de
comprobarlo es al casarse y saber quien tenía la razón. Determina:
(a) error tipo I:
______________________________________________________________________
(b) Error tipo II:
______________________________________________________________________

2) El error tipo I (alfa) es la probabilidad de:

a) Aceptar una Ho siendo falsa.
b) Aceptar una Ho siendo cierta.
c) Rechazar una Ho siendo falsa.
d) Rechazar una Ho siendo cierta.
e) Son correctas b y c.
3) El error tipo II (error beta) es la probabilidad de:
a) Rechazar una Ho siendo verdadera.
b) Aceptar una Ho siendo verdadera.
c) Rechazar una Ho siendo falsa.
d) Aceptar una Ho siendo falsa.
e) Son correctas a y c.
4) El error tipo I se define como la probabilidad de:
a) Aceptar Ho siendo cierta.
b) Aceptar Ho y H1.
c) Rechazar Ho siendo cierta.
d) Rechazar Ho siendo falsa.
e) Aceptar Ho siendo falsa.
5) El error tipo II se define como la probabilidad de:
a) Aceptar Ho cuando es cierta.
b) Rechazar Ho y H1.
c) Rechazar Ho cuando es falsa.
d) Aceptar Ho cuando es falsa.
e) Rechazar Ho cuando es cierta.
6) Considera el problema con el que se enfrenta Nemesio, operador de radar, cuya
tarea es detectar drones enemigos. Cuando aparece algo irregular en la pantalla debe
decidir entre:
Ho: todo está en orden; solo hay una pequeña interferencia en la pantalla.
Ha: habrá un ataque.
Completa los espacios en blanco:
En este caso, el error tipo …Ies una “falsa alarma” y el error de tipo …2es “una
alarma omitida”.
Propuesta: A fin de reducir tanto α como β, el equipo electrónico se construyó lo
más sensible y digno de confianza que fuera posible.

7) Vilma Traca aconseja a un productor de kiwi (Actinidia deliciosa) cambiarse a la

viticultura porque resultará más rentable. El agricultor si quiere considerar
seriamente la alternativa deberá reunir múltiples consejos e información al respecto
y deberá plantearse las siguientes hipótesis nula y alternativas respectivamente:
mantenerse como productor de kiwi, o cambiarse a la viticultura.
Plantea el error Tipo I y Tipo II.
R. El agricultor cometería el error tipo I si se cambia a la viticultura y resulta que ésta
no es más rentable que el kiwi. Es fácil apreciar que este error le trae un gran daño
económico e incluso podría ser su ruina económica. El error tipo II lo comete si se
mantiene como productor de kiwi y este resulta menos rentable que la viticultura. En
este. caso también habría un daño económico, en el sentido que perdió la
oportunidad de hacer un buen negocio, pero su situación no cambia, sigue igual
como estaba, lo que en economía se llama . costo de oportunidad.
8) En la librería Somos Libros Seámoslo Siempre se compraron 100 cajas de baterías
alcalinas (cada caja trae 50 unidades) y se evaluaron dos cajas para verificar que venían
completas. Da la casualidad que las dos cajas venían incompletas (faltaban cinco
unidades en cada caja) y el responsable del inventario pensó que todas las demás
venían iguales; por lo tanto, devolvió todo el pedido.
El proveedor al efectuar la revisión descubrió que solamente esas dos cajas estaban
incompletas y las 98 restantes estaban completas.
¿Qué tipo de error se cometió?
R. Se cometió un error de tipo I, ya que se debieron haber devuelto únicamente las dos
cajas que estaban incompletas.
9) En el supermercado La Cutra se detectó que los embutidos de la fábrica “El Cerdito” no
habían estado moviéndose según lo esperado. Temiendo que el producto que se recibió
pueda estar vencido se hizo una revisión a lo que se encontraba en el Almacén de
Refrigerados. Después de revisar solo las etiquetas del estante N° 8 (último lote
adquirido), se concluyó que estaba bien el producto y por lo tanto se podía vender.
¿Qué tipo de error se cometió?
R. La revisión se hizo únicamente en el estante del último envío y no se revisó el resto
que está a punto de vencerse y al momento en que se lleve a la venta, ya no podrá
exhibirse. Se cometió un error de tipo II, ya que se debió revisar todo el producto y
tener argumentos suficientes para devolverlo a la fábrica.
 10) Sea X una variable que se ajusta bien a una distribución Normal de media µ y
desviación típica 2. _
Construye un test (para Y) donde la hipótesis nula (para X: una muestra) es µ = 2; la
hipótesis alternativa sea µ > 2 y define una región crítica (α) como “muestras de
tamaño 3 de modo que la suma supere las 7 unidades”. Obtén el error tipo I.
R.
µY = 3*2 = 6; σ 2
Y = 3*2 ; α = P(Z >= (7 – 6)/((12)
2 1/2 /31/2 )=
0,50
11) Se tiene interés en la rapidez de combustión de un agente propulsor de la salida de
emergencia en aeronaves (esta rapidez es una variable aleatoria con alguna
distribución de probabilidad). Especialmente interesa la rapidez de combustión
promedio de dicha distribución). De manera más específica, interesa decidir si esta
rapidez promedio es o no 50 cm/seg.
a) Calcula a de la rapidez de combustión para una muestra de n = 10 datos,
suponiendo que la desviación estándar de la rapidez de combustión es s = 2,5
cm/s y a = P( x caiga en_la región crítica_ | m = 50), es decir:
a = P( x < 48,5)
Recordando que la distribución > 51,5) con media m = 50 y desviación
de+xP(esx Normal
estándar s/n = 0,79: a = 0,0576 (Verifícalo)
 Esto significa que el 5,76% de las muestras de tamaño 10 conducirán al rechazo de la
hipótesis H0: m = 50 cm/s, cuando ésta es verdadera.
b) Recalcula α de la «rapidez de combustión», para:
i. Nuevos límites de la región de aceptación: 48 y 52.
ii. n = 16 con los límites originales.
iii. Con ambas modificaciones.
R. a) α = 0,0114; b) α = 0,0164; c) α = 0,0014
12) Supón que en la Carnicería Sube y Vaca se va
a implantar un nuevo método de corte «Filete T-
Bone» (Porterhouse), si una prueba de hipótesis
respalda la conclusión de que con ese método
se reduce la media del costo de operación por
hora:
a.Enuncia las hipótesis nula y alterna si la media del costo para
el método actual de corte es de S/220 por hora.
b. ¿Cuál es el error de tipo I en este caso y sus consecuencias?
c. ¿Cuál es el error tipo II en este caso y sus consecuencias?
13) El ing. Cuyotupac, director de una agencia publicitaria está preocupado por la
efectividad de un anuncio en EEG ¿qué hipótesis nula está probando si comete:
a) Un error tipo I cuando afirma erróneamente que el comercial es efectivo.
b) Un error de tipo II cuando afirma erróneamente que el comercial es efectivo?
R. a) H0: El comercial no es efectivo
b) H0: El comercial es efectivo
14) Supón que en la empresa Ob-La-Di Ob-La-Da se va a implantar un nuevo
método de producción si una prueba de hipótesis respalda la conclusión de que con
ese método se reduce la media del costo de operación por hora. Responde:
a) Enuncia las hipótesis nula y alterna si la media del costo para el método actual
de producción es de S/120 por hora.
b) ¿Cuál es el error de tipo I en este caso y sus consecuencias?
c) ¿Cuál es el error tipo II y sus consecuencias?
 Cálculo de a y 

Uno de los objetivos de las pruebas de hipótesis

es diseñar un test en donde a y  sean
pequeños, pero la mayor ventaja que nos dan las
pruebas de hipótesis es precisamente poder
medir a y , de tal forma que podamos
cuantificar la incertidumbre, remplazando pala-
bras vagas como "pudo", "tal vez", "posible-
mente" que ponemos al "ojímetro" por un
número que denota cuánto es la posibilidad de
equivocarnos.
Gráfica de los errores Tipo I y Tipo II
Si disminuimos a aumenta 

β
α
Ho z µ1

ACEPTACIÓN RECHAZO

Valor crítico
 POTENCIA DE UNA PRUEBA

La potencia de una prueba estadística (poder estadístico) es la

probabilidad de que la hipótesis nula sea rechazada cuando la
hipótesis alternativa es verdadera (es decir, la probabilidad de no
cometer un error del tipo II).
A medida que aumenta la potencia, las posibilidades de que se
presente un error del tipo II disminuyen.
El error tipo I, se presenta al tomar la decisión de rechazar la
hipótesis nula H0 cuando en realidad es correcta o verdadera.
El error tipo II, se da al no rechazar la hipótesis nula H0 cuando en
realidad es incorrecta o falsa.
La potencia de una prueba se define como (1 – β).
En general es imposible calcular el valor de β, a menos que en la
hipótesis alternativa H1, se dé un valor especifico o concreto para el
parámetro que se este considerando.
El valor de α por lo regular se conoce o se propone, ya que la prueba
se desea preferentemente rechazar H0.
POTENCIA DE UNA PRUEBA…

Una manera de poder controlar la probabilidad de cometer un error del tipo II,
consiste en aumentar el tamaño de la muestra.

Tamaños más grandes de muestra, permitirán detectar diferencias incluso muy

pequeñas entre las estadísticas de muestra y los parámetros de la población.

Cuando se disminuye α, β aumentará de modo que una reducción en el riesgo

de cometer un error de tipo I tendrá como resultado un aumento en el riesgo de
cometer un error tipo II.

La potencia de prueba representa la sensibilidad de la prueba estadística para

detectar cambios que se presentan al medir la probabilidad de rechazar la
hipótesis nula cuando de hecho es falsa.

La potencia de la prueba estadística depende de qué tan diferente es la media

verdadera de la población del valor supuesto.

Una prueba de un extremo es más poderosa que una de dos extremos, y se debería
utilizar siempre que sea adecuado especificar la dirección de la hipótesis alternativa.
POTENCIA DE UNA PRUEBA…
Rechazar H 0 si z  1.645

z=
 X m  0 Despejar media muestral
s/ n
Darse un promedio menor
Recalcular z

Calcular 
x2 x
Probabilidad de rechazar
correctamente H0

Curva de Potencia

m0
H0 falsa
 POTENCIA DE UNA PRUEBA…

• Tamaño de la muestra
• Controlando el tamaño de la muestra es posible
manejar la probabilidad de cometer error tipo I y II
H0: m  m0
Ha: m < m0 C
Rechazar H0 H0 verdadero m = m0
s s
c = m0  za c = ma  z
n n
a m0  za
s
= ma  z
s
H0 falsa ma < m0 m0
n n
  z  s 2
2
z a
n=
 m0  m a 
2


ma
Ejemplo

Supongamos que la probabilidad verdadera de ocurrencia de "cara" en el

lanzamiento de una moneda es igual a 80%. Tenemos:

La probabilidad de ocurrencia de los valores de la región de rechazo bajo el supuesto

de que la Hipótesis Alternativa sea verdadera es igual a 0.38 (La probabilidad es igual a
la suma de las probabilidades de ocurrencia de 0; 1; 9 o 10 caras: ver columna verde en
la siguiente tabla).
Ejemplo...
En consecuencia, la probabilidad de rechazar H0 bajo el supuesto que H1 sea verdadera
es igual a 38%. Si la Hipótesis Alternativa p = 0,9 fuera verdadera (1 – β) sería igual a
74%.

La potencia de la prueba es mayor a medida que la verdadera distribución muestral se

aleja de la distribución muestral definida en la Hipótesis Nula.

El valor de la potencia depende de la verdadera posición del parámetro, que es

desconocida, pero podemos tomar medidas que generalmente la incrementan:

a)Hacer alfa más grande. Hay que tener en cuenta que esta medida también
incrementa la probabilidad de errores de tipo I(si H0 es verdadera).

b) Otra medida consiste en hacer más grande el tamaño de la muestra. La razón es

que disminuye la desviación típica de la distribución muestral(el Error Típico del
estadístico); en consecuencia los límites de la región de aceptación se acercan y
quedan más lejos de la verdadera distribución del estadístico, lo que incrementa la
probabilidad de que el estadístico de contraste se sitúe en la región de rechazo.
Ejemplo : En una prueba de hipótesis para µ, se afirma que H0 : µ = 10; contra H1 : µ =
8,5; es decir se trata de una prueba de cola izquierda. Se supone que la población es
normal con una desviación estándar σ = 3 y se toma una muestra aleatoria de tamaño n =
36; con un nivel de significancia del 5%, encuentra la probabilidad de cometer el error
tipo II y determina la potencia de la prueba.
Propuesta de solución. Tenemos los siguientes datos:
H0 : µ = 10
H1 : µ = 8,5
σ=3
n = 36
α = 0,05
Para obtener la probabilidad de cometer el error tipo II, se requiere de calcular el valor
crítico a, tal que β = P ( X > a, cuando µ = 8,5), de modo que primero interpretamos la
probabilidad de cometer el error tipo I, es decir α como se trata de una región de rechazo
de cola izquierda.
a = P  X  a , cuando m = 10
 a 10 
a=  = P  Z  z = 1.645 = 0.05
PZ  a
3
 
 36 
a 10
Luego igualamos = 1.645 y despejamos "a " para tener que
3
36

3
a = 10 1.645 = 9.1775
 6
 
Ejemplo. Potencia de la prueba...
Ahora ya podemos obtener el valor de β:

 = P  X  a , cuando m1 = 8.5 es correcta

 
 am 
 = P  Z  s , cuando m1 = 8.5 es correcta 
 
 n 
 9.1775  8.5 
=  = P  Z  1.36 = (1.36) = 0.0869
P Z 
3
 
 36 

La potencia de la prueba es (1- β) = 0.9131, es decir de un

91.31%
Ejemplo: Una muestra de 36 servicios que efectúa una máquina expendedora de bebidas
energizantes, tiene un contenido promedio de 21,9 decilitros con una desviación típica
de 1,42 decilitros.
a) Probar la hipótesis de que µ = 22,2 dl, en contra de µ < 22,2 dl, con un nivel de
significancia del 5%.
b) ¿Qué tan grande debe ser la muestra si se quiere que la probabilidad de cometer el
error tipo II sea del 1% (β = 0,01), cuando la hipótesis alterna es correcta con µ = 21,3
dl.
Propuesta de solución:
a) La prueba es de cola izquierda.
Planteamiento de la hipótesis:
H0 : µ = 22,2 ; H1 : µ > 22,2
Nivel de significancia. a = 0,05
Valor del estadístico de prueba:
xm
yc =  z c = -1,27
s
n

Región de rechazo de cola izquierda

z = 1.27
c

Región de rechazo
Ejemplo. Potencia de la prueba...
Decisión estadística
Como el valor del estadístico de prueba no cae dentro de la región de rechazo, ya que
Zp = -1,27 > -Zc = -1,645; la hipótesis nula H0: µ = 22,2 no se rechaza.

b) El tamaño de la muestra lo encontramos con la siguiente expresión

z  z s 
2

n= a  
 m1  m0 
Donde s reemplaza a σ, como buena aproximación, ya que la muestra de donde se
obtuvo este valor es suficientemente grande.
Para los valores dados obtenemos:
α = 0,05 Zα = 1,645
β = 0,01 Zβ = 2,326
n = 39,25 = 40
Así el tamaño de la muestra sería de n = 40 para tener estas probabilidades.