ACTIVIDAD 9: REPORTE

ESTADISTICA INFERENCIAL
Docente: ARIANA LABASTIDA POLITO

Enrique Alfonso Gutiérrez Saucedo

860130586
¿Cuáles son los errores de Tipo I y de Tipo II?
Dentro de la estadística encontramos lo referente a las pruebas de hipótesis y dentro de
estas encontramos lo referente a errores los cuales se clasifican en error de tipo l y error
de tipo ll, para determinar que tipo de error se puede cometer durante una prueba de
hipótesis se aplican ciertos criterios con los cuales identificamos que tipo de error es.
El error de tipo I se comete cuando la hipótesis nula es verdadera y, como consecuencia del contraste, se
rechaza.
El error de tipo II se comete cuando la hipótesis nula es falsa y, como consecuencia del contraste se acepta.

La probabilidad de cometer Error de tipo I es el nivel de significación α.

La probabilidad de cometer Error de tipo II depende del verdadero valor del parámetro. Se hace tanto menor
cuanto mayor sea n.
Los estadísticos llaman al riesgo, o probabilidad, de cometer un error de Tipo I “alfa,” igual que
el “nivel de significación”. En otras palabras, es la voluntad de arriesgarse rechazando la
hipótesis nula cuando es cierta. Alfa normalmente se pone a 0.05, que es una posibilidad del 5
por ciento de rechazar la hipótesis nula cuando es cierta. Cuanto más pequeña sea alfa, menor
es el riesgo de rechazar la hipótesis nula incorrectamente. En situaciones de vida o muerte,
por ejemplo, una alfa de 0.01 reduce la probabilidad de un error Tipo I a justo un 1 por ciento.

Un error de Tipo II está relacionado con el concepto de “potencia”, y la probabilidad de cometer

este error se refiere como “beta”. Podemos reducir nuestro riesgo de cometer un error Tipo II
asegurando que nuestro test tiene suficiente potencia—lo que depende de si el tamaño de la
muestra es suficientemente grande para detectar una diferencia cuando ésta existe.
¿Cual es peor?

El ejemplo de referencia sobre el tema es un acusado de un crimen que exige una sentencia
muy dura.

La hipótesis nula es que el acusado es inocente. Por supuesto no se querrá librar a una
persona culpable de la cárcel, pero la mayoría de la gente diría que sentenciar a una persona
inocente a esa pena es una consecuencia todavía peor.

Por lo tanto, muchos textos e instructores dirán que el Tipo I (falso positivo) es peor que un
error Tipo II (falso negativo). La razón se reduce a la idea que si se mantiene el status quo o
asunción por defecto, al menos no se estará haciendo las cosas peor.

Y en muchos casos, eso es cierto. Pero como pasa tanto en estadística, en la aplicación nada es
realmente tan blanco o negro. La analogía del acusado es muy Buena para enseñar el
concepto, pero cuando se intenta hacer una regla de oro sobre qué tipo de error es peor en la
práctica, se desmorona.
Por lo tanto todo “depende”…

Dan Smith indicó en Significance hace unos años, respecto a Seis Sigma y mejora de calidad,
"ninguno" es la única respuesta a qué error es el peor:

La mayoría de estudiantes de Seis Sigma van a utilizar los conceptos que aprenden en el
contexto de los negocios. En las empresas, cuando le cuestas a la compañía 3 millones de
dólares por sugerirle un proceso alternativo cuando no hay nada de malo con el proceso actual
o dejas de tener en cuenta 3 millones de dólares de ganancias cuando deberías cambiar a un
nuevo proceso pero te equivocas, el resultado final es el mismo. La empresa pierde la
posibilidad de obtener un beneficio adicional de 3 millones de dólares.
¿Cuáles son las aplicaciones de las pruebas de hipótesis?

Los límites de confianza (o intervalo de confianza) y la prueba de hipótesis son las dos
principales aplicaciones de la estadística inferencial. En el primer caso, lo que se hace es
estimar, mediante un previo muestreo, algún valor paramétrico en una población en alguna de
sus variables, y fijando un nivel de confianza, estimar los límites dentro de los cuales se
encuentra dicho valor paramétrico, con la confianza previamente establecida; en el segundo
caso, mediante algún previo experimento o prueba, lo que se pretende es comprobar alguna de
las hipótesis de un juego de éstas. Plantear el juego de hipótesis de un experimento no es cosa
fácil, pues implica el conocimiento a fondo de lo que se está haciendo, ya que en un mismo
experimento se puede comprobar más de un juego de hipótesis, dependiendo de la naturaleza
del experimento, de su complejidad en el diseño de la distribución de los elementos, etc
¿Cuáles son las aplicaciones de las pruebas de hipótesis?

Las pruebas de hipótesis son poderosas herramientas de estadística, que son usadas en
una amplia variedad de conocimientos, en términos generales las pruebas de hipótesis
nos ayudan o permite establecer un criterio para decidir si se debiera rechazar o en su
caso aceptar cierta hipótesis acerca de una población o muestra estudiada.

A menudo formulamos pruebas de hipótesis como un solo valor para un parámetro; al

menos, esto se hace siempre que sea posible. Por lo general ello requiere haga una
hipótesis de aquello que se desea probar. Para esto en la actualidad el termino hipótesis
nula se usa para cualquier hipótesis que se establece principalmente para saber si puede
rechazarse. Esta idea no es rara incluso en el pensamiento no estadístico, ya que
podemos formular hipótesis para diversas situaciones a parte de utilizarla en parámetros.
Conclusión

El saber que las pruebas de hipótesis son de gran ayuda en una extensa área de conocimiento,
esto nos ayuda a determinar de una manera mas efectiva nuestras conclusiones sobre cierto
tema, teniendo en cuenta los posibles errores que se pueden o no cometer.
REFERENCIAS:
DEFINICION. (s. f.). DEFINICION 1 Y 2. Recuperado 8 de octubre de 2020, de https://www.superprof.es/diccionario/matematicas/estadistica/error-tipo.html

ERROR 1 Y 2. (s. f.). ERRORES DE HIPOTESIS. Recuperado 8 de octubre de 2020, de https://www.addlink.es/noticias/minitab/2698-que-tipo-de-error-estadistico-es-peor-tipo-i-o-tipo-ii

HIPOTESIS. (s. f.). HIPOTESIS. Recuperado 8 de octubre de 2020, de https://www.mty.itesm.mx/dia/profs/anavarro/Cap7NAV.htm

JOHNSON RICHARD. (s. f.). Probabilidad y estadística para ingenieros. Recuperado 8 de octubre de 2020, de https://elibro.net/es/ereader/uvm/37870
Enrique Alfonso Gutiérrez Saucedo
860130586