NIVELES DE SIGNIFICACIÓN ALFA Y BETA

ALUMNO: Cristhiam Cesar Quispe Vargas

CÓDIGO: 2019-110028
SEMESTRE: III
FACULTAD: Ciencias Agropecuarias
ESCUELA PROFESIONAL: Medicina Veterinaria y Zootecnia

TACNA-PERÚ
 2020

INDICE:
- INTRODUCCION……………………………………………………………………………………..01
- NIVEL DE SIGNIFICACCIÓN………………………………………………………………..…….01
- TIPOS DE ERRORES I Y II………………………………………………………………………….02
- TIPOS DE ERRORES I Y II………………………………………………………………………….03
- POTENCIA DE PRUEBA…………………………………………………………………………….04
- EJEMPLO DE UN TRABAJO VETERINARIO…………………………………………………05
- CONCLUSIONES……………………………………………………………………………………….06
- BIBLIOGRAFÍA………………………………………………………………………………………….07
INTRODUCCIÓN
¿Qué significan los niveles de significación y las pruebas de hipótesis? ¿En cualquier caso que
es la significación estadística? En esta monografía se tratarán los conceptos y algunos gráficos
que ayuden a obtener una comprensión más intuitiva de cómo funcionan las pruebas de
hipótesis en estadística.

NIVEL DE SIGNIFICACIÓN
El nivel de significación (o nivel de α) es un umbral que permite determinar si el resultado de
un estudio se puede considerar estadísticamente significativo después de realizar las pruebas
estadísticas planificadas. El nivel de significación se suele establecer en un 5% (o 0,05), aunque
se pueden usar otros niveles en función del estudio. Esto representa la probabilidad de
rechazar la hipótesis nula cuando es verdadera. Por ejemplo, un nivel de significación de 0,05
indica un riesgo del 5% de concluir que existe una diferencia entre los resultados del estudio y
la hipótesis nula cuando en realidad no hay ninguna diferencia.

El nivel de significación se debe especificar en el protocolo del ensayo como parte de la sección
de estadística. La probabilidad de que un resultado se deba al azar en lugar de a un fármaco u
otra intervención investigados, si la hipótesis nula es verdadera (es decir, si en realidad no hay
ninguna diferencia real), se llama «valor p». Un resultado es estadísticamente significativo si se
corresponde con un valor p igual o inferior al nivel de significación y, por tanto, no se considera
una casualidad. Esto se suele expresar como p ≤ 0,05.

Uso en la práctica

El nivel de significación es comúnmente representado por el símbolo griego α (alfa). Son

comunes los niveles de significación del 0.05, 0.01 y 0.001. Si un contraste de hipótesis
proporciona un valor p inferior a α, la hipótesis nula es rechazada, siendo tal resultado
denominado estadísticamente significativo. Cuanto menor sea el nivel de significación, más
fuerte será la evidencia de que un hecho no se debe a una mera coincidencia (al azar).

En algunas situaciones es conveniente expresar la significación estadística como 1 − α. En

general, cuando se interpreta una significación dada, se debe tomar en cuenta que,
precisamente, está siendo probada estadísticamente.

Diferentes niveles de α tienen distintas ventajas y desventajas. Valores pequeños de α otorgan

mayor confianza en la determinación de la significación, pero hacen correr mayores riesgos de
equivocarse al aceptar una hipótesis nula falsa (error de tipo II o falso negativo), con lo cual se
pierde potencia de estudio. La elección de un nivel de α inevitablemente envuelve un
compromiso entre significación y potencia, y consecuentemente entre errores de tipo I y de
tipo II.

1
TIPOS DE ERRORES I Y II
1. EL ERROR DE TIPO I

También denominado error de tipo alfa (α)1 o falso positivo, es el error que se comete cuando
el investigador rechaza la hipótesis nula (H 0: el supuesto inicial) siendo esta verdadera en la
población. Es equivalente a encontrar un resultado falso positivo, porque el investigador llega
a la conclusión de que existe una diferencia entre las hipótesis cuando en realidad no existe.

La hipótesis de la que se parte H0 aquí es el supuesto de que la situación experimental

presentaría un «estado normal». Si no se advierte este «estado normal», aunque en realidad
existe, se trata de un error estadístico tipo I. Algunos ejemplos para el error tipo I serían:

 Se considera que el paciente está enfermo, a pesar de que en realidad está sano;
hipótesis nula: El paciente está sano.

 Se declara culpable al acusado, a pesar de que en realidad es inocente; hipótesis

nula: El acusado es inocente.

 No se permite el ingreso de una persona, a pesar de que tiene derecho a ingresar;

hipótesis nula: La persona tiene derecho a ingresar.

2. EL ERROR DE TIPO II

También llamado error de tipo beta (β) (β es la probabilidad de que exista este error) o falso
negativo, se comete cuando el investigador no rechaza la hipótesis nula siendo esta falsa en la
población. Es equivalente a la probabilidad de un resultado falso negativo, ya que el
investigador llega a la conclusión de que ha sido incapaz de encontrar una diferencia que
existe en la realidad.

De forma general y dependiendo de cada caso, se suele aceptar en un estudio que el valor del
error beta esté entre el 5 y el 20%.

De forma general y dependiendo de cada caso, se suele aceptar en un estudio que el valor del
error beta esté entre el 5 y el 20%.

Contrariamente al error tipo I, en la mayoría de los casos no es posible calcular la probabilidad

del error tipo II. La razón de esto se encuentra en la manera en que se formulan las hipótesis
en una prueba estadística. Mientras que la hipótesis nula representa siempre una afirmación
enérgica (como por ejemplo H0 «Promedio μ = 0») la hipótesis alternativa, debido a que
engloba todas las otras posibilidades, es generalmente de naturaleza global (por H 1 «Promedio
μ ≠ 0» ). El gráfico de la derecha ilustra la probabilidad del error tipo II (rojo) en dependencia
del promedio μ desconocido.

El poder o potencia del estudio representa la probabilidad de observar en la muestra una

determinada diferencia o efecto, si existe en la población. Es el complementario del error de
tipo II (1 − β).

2
Representación de los valores posibles de la probabilidad de un error tipo II (rojo) en el
ejemplo de una prueba de significancia estadística para el parámetro μ. El error tipo II depende
del parámetro μ. Cuanto más cerca se encuentre este del valor supuesto bajo la hipótesis nula,
mayor es la probabilidad de ocurrencia del error tipo II. Debido a que el verdadero valor de μ
es desconocido al hacer la presunción de la hipótesis alternativa, la probabilidad del error tipo
II, en contraste con el error tipo I (azul), no se puede calcular.

3
LA POTENCIA DE PRUEBA
La potencia de una prueba de hipótesis es la probabilidad de que la prueba rechace
correctamente la hipótesis nula. La potencia de una prueba de hipótesis se ve afectada por el
tamaño de la muestra, la diferencia, la variabilidad de los datos y el nivel de significancia de la
prueba.

Si una prueba tiene poca potencia, es posible que usted no detecte un efecto y concluya
erróneamente que no existe ninguno. Si la potencia de una prueba es demasiado alta, efectos
muy pequeños y posiblemente sin importancia podrían parecer significativos.

Ninguna prueba es perfecta, siempre existe la posibilidad de que los resultados de una prueba
conduzcan a rechazar la hipótesis nula (H0) cuando en realidad sea verdadera (un error de tipo
I) o a no rechazar H0 cuando realmente sea falsa (error de tipo II). Esto se debe a que para
poder estimar las medias de la población, usted tiene que utilizar muestras aleatorias, y las
muestras aleatorias son precisamente eso, aleatorias. Por lo tanto, siempre es posible que la
media de la muestra resulte muy diferente de la media de la población.

EJEMPLO: supongamos que cierta población distribuida normalmente tiene una media (μ) de
10 y una desviación estándar (σ) de 2. Esta distribución indica que 95.44% de los valores de
esta población se encuentran entre 6 y 14. Sin embargo, siempre es posible que usted
seleccione 10 observaciones de forma aleatoria y termine con una media de la muestra de 4.
¡Con una muestra como esa, usted no podría inferir que la media de la población es realmente
10!

Por supuesto, las probabilidades de obtener una muestra como esa son increíblemente
pequeñas, aunque no deja de ser posible. Un error de muestreo a veces puede conducir a una
conclusión equivocada. Aunque usted no puede saber cuándo ocurrirá esto, sí puede estimar
la frecuencia con la que ocurrirá. Ahí es donde la potencia entra en juego.

Por ejemplo, supongamos que usted realiza una prueba t de 1 muestra para determinar si el
volumen medio de producto dispensado en las botellas de champú en su fábrica es diferente
del volumen objetivo de 8 oz. Usted decide tomar una muestra aleatoria de 10 botellas. Si μ
realmente es 7.5 oz. (las botellas se están llenando con 0.5 oz. menos de lo esperado) y σ en
realidad es 0.43 oz., entonces la prueba tiene una potencia de 0.9039.

Un valor de potencia de 0.9039 significa que, si usted decide repetir el experimento muchas
veces, (con una nueva muestra aleatoria cada vez), alrededor de 90.39% de las veces, usted
terminará rechazando correctamente la hipótesis nula. En el 9.61% restante de las veces, un
error de muestreo hará que usted no rechace H0, aunque realmente sea falsa. Por supuesto,
es poco probable que usted realice la prueba más de una vez, pero es bueno saber que las
probabilidades de obtener una muestra engañosa son relativamente bajas.

4
EJEMPLO DE UN TRABAJO VETERINARIO

5
1
CONCLUSIONES
 Actualmente existen herramientas estadísticas de fácil manejo que nos permiten
determinar la fiabilidad de nuestras pruebas estadísticas.
 Una prueba de hipótesis evalúa dos afirmaciones mutuamente excluyentes sobre una
población para determinar qué afirmación es mejor admitida por los datos de la muestra.

BIBLIOGRAFIAS:
http://www.produccion-animal.com.ar/temas_varios_veterinaria/18-
aplicaciones_estadistica_en_produccion_y_sanidad.pdf

https://support.minitab.com/es-mx/minitab/18/help-and-how-to/statistics/power-and-
sample-size/supporting-topics/what-is-power/#:~:text=La%20potencia%20de%20una
%20prueba,de%20significancia%20de%20la%20prueba.

https://www.slideshare.net/chalebardales/informe-material-de-laboratorio

http://repositorio.uta.edu.ec/bitstream/123456789/5476/1/Tesis%2005%20Medicina
%20Veterinaria%20y%20Zootecnia%20-CD%20178.pdf

https://books.google.com.pe/books?
id=S7iEPDGiGOkC&pg=PA52&lpg=PA52&dq=analisis+de+varianza+de+trabajo+veterinario&sou
rce=bl&ots=5pRWdcd5Rk&sig=ACfU3U0qA4GSWd-
cLmAcW7ttYDQ7wgMOOA&hl=en&sa=X&ved=2ahUKEwiV0MSh2KzqAhWvd98KHbWQAnMQ6
AEwD3oECAoQAQ#v=onepage&q&f=false

6
1