Error de tipo II (definición, ejemplo) - ¿Cómo ocurre?

¿Qué es un error de tipo II?

El error de tipo II, comúnmente conocido como error β, es la probabilidad de retener el enunciado fáctico que es intrínsecamente incorrecto. Este es un error de falso positivo, es decir, la afirmación es falsa de hecho y somos positivos al respecto.

Explicación

Los errores de tipo se utilizan con mucha frecuencia para crear la hipótesis y para identificar la solución en función de la probabilidad de su ocurrencia y para identificar la corrección fáctica de los datos sobre los que se ha estructurado la hipótesis.

A continuación se muestra el diagrama que muestra la creación de la hipótesis nula, la hipótesis alternativa, la media muestral y la probabilidad de error.

Con cada prueba que realizamos, siempre existe una probabilidad de error en la toma de decisiones, y tal decisión puede ser una especie de error de Tipo I o Tipo II. En palabras simples, decimos, mientras tomamos decisiones, podemos rechazar los hechos correctos, o podemos aceptar los hechos incorrectos. El rechazo de hechos correctos es un error de Tipo I y la aceptación de hechos incorrectos es un error de Tipo II. En el mundo laboral, este error resulta muy peligroso porque todo el análisis y el experimento resultan incorrectos, ya que la base misma es incorrecta.

A continuación se muestra la matriz de qué tipo de error se podría cometer si los hechos se aceptan incorrectamente:

		Se tomó la decisión de retener		Se tomó la decisión de rechazar
		(Positivo)		(Negativo)
La hipótesis nula es cierta		Verdadero Positivo		Verdadero negativo
		(1- a)		(a) = error de tipo I
La hipótesis nula es falsa		Falso positivo		Falso negativo
		(β) = Error de tipo II		(1 - β)

De la matriz anterior, podemos decir que:

1. La hipótesis nula correcta y la decisión correcta de retener están en una decisión positiva real que demostrará que el análisis es verdadero. Ésta es la conclusión esperada del estudio.
2. La hipótesis nula correcta y la toma de decisiones incorrecta para retenerla no resultarán fructíferas. Tal decisión Verdaderamente Negativa se denomina error de Tipo 1 o error.
3. La hipótesis nula incorrecta y la toma de decisiones inexacta para retenerla pondrán en peligro el análisis completo. Nunca se podrá llegar a una conclusión en la que la base misma de la interpretación sea incorrecta. Esta decisión de falso positivo se denomina error de tipo II o β.
4. La hipótesis nula incorrecta y la toma de decisiones incorrecta para rechazar es la expectativa real de todo el análisis. Las decisiones negativas falsas deben rechazarse sin pensarlo dos veces.

Ejemplo de error tipo II

• En los seres humanos, las mujeres tienden a quedar embarazadas. Sin embargo, mientras realiza la verificación, el médico diagnostica erróneamente a un hombre como embarazada. Esto se denomina error de Tipo II, donde la base en sí es incorrecta.
• Además, los médicos diagnostican a las mujeres como no embarazadas; sin embargo, en realidad, está embarazada. Esto se denomina error de Tipo I, donde los hechos son correctos, pero uno está rechazando lo mismo.

¿Cómo se produce el error de tipo II?

Varios factores pueden provocar tal error.

# 1 - Cualquier cambio en la población es comparativamente muy pequeño de detectar

Si en la población misma, la tendencia al cambio no es visible, entonces cualquier prueba de hipótesis no podrá responder a los hechos correctos. Tal escenario conducirá a la aceptación de hechos incorrectos, lo que resultará en un error de Tipo II.

# 2 - El tamaño de la muestra cubre una parte muy pequeña de la población

La muestra debe representar la población completa. Por tanto, si la muestra no es una representación ideal de la población, es muy poco probable que proporcione la imagen correcta para el análisis. El analista no podrá identificar los hechos correctos. Como resultado, un analista se basará en hechos incorrectos y resultará en un error de Tipo II.

# 3 - Selección de muestra incorrecta

Generalmente, el muestreo aleatorio se utiliza a nivel mundial, ya que se considera como uno de los métodos de selección de muestra menos sesgados. Sin embargo, muchas veces resulta en una recolección inadecuada de muestras. Esto conduce a una cobertura incorrecta de la población y da como resultado un error de tipo II.

¿Se pueden evitar los errores de tipo II?

# 1 - Repita el análisis hasta que uno alcance el significado necesario

La significancia especifica la probabilidad de que la hipótesis nula sea objetivamente correcta o no. Al final de todo análisis, se espera aceptar la Hipótesis nula y asegurarse de que los hechos dados sean correctos. Sin embargo, muchas veces mediante un solo análisis, tal importancia no se puede lograr. Tal análisis único puede resultar en un error de Tipo I o Tipo II. Si en el análisis repetitivo, se obtiene el mismo tipo de resultado, entonces se podrá asegurar que no ocurran errores.

# 2 - Cada repetición del análisis, cambie el tamaño de la prueba de significancia

Como se discutió en el punto 1). La significancia muestra la idoneidad de la hipótesis nula. Si al final del primer corte, uno encuentra que la muestra no está siendo cubierta adecuadamente, entonces aumente el tamaño de significancia e intente reiterar lo mismo. Esto ayudará a comprender el comportamiento y podrá evitar un error de tipo II.

# 3 - El nivel alfa alrededor de 0.1 es el ideal

Generalmente, un alfa alrededor de 0.1 resultará en el rechazo de la hipótesis. Cualquier rechazo permitirá múltiples verificaciones. Como resultado, se reducirán las posibilidades de que se produzcan errores. El error de tipo II ocurre cuando algo se acepta incorrectamente. Si no hay un alcance de aceptación, tal error no ocurrirá.

Importancia

• Es más peligroso en comparación con el error Tipo I.
• Cualquier análisis se está elaborando sobre algunos detalles necesarios y algunas suposiciones subyacentes. En la hipótesis también, al final, se determinará si el estadístico de prueba está en consonancia con el hecho dado o no. Tal prueba específica mostrará si la media de la muestra es equivalente a la media de la población o no.
• Debido a algún tipo de error en el análisis, la hipótesis nula parece alcanzar significación; entonces, se aceptará el hecho dado en la Hipótesis Nula.
• Sin embargo, en la práctica, tal hipótesis nula no debería aceptarse. Como resultado, es necesario estar muy seguro al aceptar la declaración de hipótesis nula. Al volver a verificarlo, se obtendrá un mayor significado que aumentará la exactitud de los hechos.

Error de tipo I vs error de tipo II

A continuación se muestran las diferencias básicas entre los dos tipos de error.

No Señor		Error tipo I		Error de tipo II
1		Ocurre cuando no se acepta la Hipótesis nula correcta.		Ocurre cuando se acepta una hipótesis nula incorrecta
2		Tales errores son verdaderamente negativos.		Tales errores son falsos positivos
3		Se denota por alfa.		Se denota por Beta
4		Hipótesis nula y error tipo 1		Hipótesis alternativa y error tipo 2
5		Si el efecto resultante de este error es peor que un error de Tipo I, se debe considerar alfa con un valor superior a 0,10		Si el resultado de un error de Tipo I es peor, se debe establecer alfa con un valor inferior a 0.01.

Conclusión

El error de tipo II es un falso negativo, el efecto resultante de aceptar la hipótesis nula incorrecta. En el mundo práctico, tal error da como resultado el fracaso del proyecto completo ya que la base es inexacta. Dicha base puede ser como detalles, hechos o suposiciones que pondrán en peligro el análisis completo.