Recuerde que probamos la hipótesis nula, H0. Si realmente no existe una diferencia, H0 sería verdadera y sería correcto aceptarla. Por el contrario, si realmente existe una diferencia, H0 sería falsa y sería correcto rechazarla. Pero, ¡ay, los errores ocurren! En estadística, las probabilidades de cometer estos errores reciben nombres especiales y letras griegas. El error Tipo I o 'α' es la probabilidad de rechazar H0 cuando, de hecho, H0 es verdadera (una “falsa alarma”). El error Tipo II o 'β' es la probabilidad de aceptar H0 cuando, de hecho, H0 es falsa (“perder el tren”).
La mayoría de nosotros conocemos a α simplemente como “el nivel de significancia de .05”, pero en realidad es una indicación de la tolerancia de un investigador para cometer un error de Tipo I. Por ejemplo, ¿qué tan dispuesto está a decir que un anestésico causa bradicardia cuando en realidad no es así? Los investigadores pueden establecer el valor de α, aunque además de .05, el único otro α que se usa comúnmente es .01. El error de tipo II es mucho más complicado porque los investigadores no pueden declarar un valor para β, que se ve afectado por al menos seis factores. El más importante de estos es el tamaño de la muestra: β es más pequeño con un tamaño de muestra más grande. Dado que 1-β es potencia, mantener β lo más bajo posible es algo bueno. Otros factores que reducen β incluyen una mayor discrepancia entre lo que es hipotético y lo que es cierto ("efecto"), variables medidas con precisión (menos "goma en la vara de medir"), muestras dependientes (p. ej., emparejadas o emparejadas) en lugar de muestras independientes (p. ej. , aleatoriamente asignadas), especificando α más grande (aunque α + β no es igual a 1), e hipótesis alternativas de 1 cola en lugar de 2 colas. El próximo mes, las estadísticas en pequeñas dosis explorarán el tamaño de la muestra y su importancia en la toma de decisiones estadísticas.
