Error tipo I | Diccionario Economico

Definición de Error tipo I | Diccionario Economico

Error tipo I se refiere a la situación en la que se rechaza una hipótesis nula cuando en realidad es verdadera. En términos estadísticos, se asume que hay una diferencia significativa cuando en realidad no la hay. Esto lleva a conclusiones incorrectas basadas en falsos positivos.

Cometer un error de Tipo 1 es esencialmente negar algo cuando en realidad es cierto. Considere, por ejemplo, la situación de probar si una campaña de marketing en redes sociales está aumentando las ventas de helados de una empresa durante una semana de verano. Las hipótesis serán las siguientes:

H0: Las ventas no aumentan por la campaña de verano

H1: Aumentar las ventas a través de una campaña de marketing.

Después de evaluar el tráfico al sitio web de la empresa y las páginas visitadas después de la campaña, se encontró lo siguiente:

• Aunque el tráfico y las visitas aumentaron un 50%.
• Aumento de las ventas de helados en un 200%.

Con base en estos resultados, podemos concluir que la campaña publicitaria fue fructífera y generó un efecto denominado aumento de las ventas. Sin embargo, supongamos que esa semana hubo una ola de calor con temperaturas superiores a los 40 grados.

Conociendo esto último, habría que tener en cuenta el factor de alta temperatura como el motivo del aumento de las ventas. Si no tenemos esto en cuenta, podríamos rechazar nuestra hipótesis nula cuando es cierta, es decir, pensaríamos que nuestra campaña fue un éxito rotundo, cuando en realidad el calor fue el motivo del aumento de las ventas. Si llegamos a esta conclusión, rechazaremos la hipótesis nula cuando de hecho es verdadera y, por lo tanto, cometeremos un error de tipo I.

Causas del error tipo 1

El error de tipo 1 está relacionado con la prueba de significancia o alfa, error de estimación del coeficiente, y puede ocurrir debido a 2 violaciones típicas de los supuestos de regresión originales. Este:

• Heterocedasticidad condicional.
• correlación en serie.

Una regresión que representara cualquiera de las violaciones anteriores subestimaría el error de los coeficientes. Si esto sucede, nuestra estadística t estimada será mayor que la estadística t real. Estos valores grandes del estadístico t aumentarían la probabilidad de que el valor cayera en la zona de rechazo.

Imaginemos 2 situaciones.

Situación 1 (estimación de error incorrecta)

• Significado: 5%
• Tamaño de la muestra: 300 personas.
• valor crítico: 1.96
• B1: 1.5
• Error de determinación del coeficiente: 0.5

T \u003d 1.5 / 0.5 \u003d 3

Por lo tanto, el valor caería en la zona de desviación y rechazaríamos la hipótesis nula.

Situación 2 (estimación adecuada del error)

• Significado: 5%
• Tamaño de la muestra: 300 personas.
• valor crítico: 1.96
• B1: 1.5
• Error de cálculo del coeficiente: 1

T \u003d 1.5 / 1 \u003d 1.5

Por lo tanto, el valor caería en la zona de rechazo y no rechazaríamos la hipótesis.

De los ejemplos anteriores, la Situación 1, en la que se subestima el error, daría como resultado el rechazo de la hipótesis nula cuando efectivamente es cierta, ya que, como vemos en la Situación 2 con un error correctamente estimado, no rechazaríamos la hipótesis verdadera. . .

¿Problemas o dudas? Te ayudamos

Si quieres estar al día, suscríbete a nuestra newsletter y síguenos en Instagram. Si quieres recibir soporte para cualquier duda o problema, no dude en ponerse en contacto con nosotros en info@wikieconomia.org