Errores de tipo I y tipo II

Los errores de tipo I y tipo II son las dos formas en que una decisión puede ser equivocada. Un error de tipo I es una falsa alarma: afirmar que algo es real cuando no lo es, como un detector de incendios que suena cuando se quema una tostada. Un error de tipo II consiste en pasar por alto una señal: no detectar algo real, como ese mismo detector cuando permanece en silencio durante un incendio de verdad.

Prueba esto: La próxima vez que escuches una noticia alarmante, pregúntate si podría ser una falsa alarma en lugar de una amenaza real.

Piensa en estos errores como los dos cuadrantes donde puede situarse una decisión equivocada. En un error de tipo I (falso positivo), rechazas algo verdadero cuando deberías haberlo aceptado: condenas a una persona inocente, apuestas por una subida de la bolsa que nunca llega o diagnosticas una enfermedad a un paciente sano. En un error de tipo II (falso negativo), aceptas algo falso cuando deberías haberlo rechazado: absuelves a una persona culpable, no detectas una caída de la bolsa o no diagnosticas a un paciente enfermo. La idea clave es que no puedes minimizar ambos errores a la vez. Si bajas el umbral para detectar problemas, reduces los errores de tipo II, pero aumentas los de tipo I, y viceversa.

El dilema de un médico ilustra muy bien este equilibrio. Una prueba sensible detecta más casos reales (menos errores de tipo II), pero genera más falsas alarmas (más errores de tipo I). Una prueba poco sensible rara vez da falsos positivos, pero deja pasar más casos reales. En medicina, esto tiene consecuencias concretas: determina si las personas sanas reciben tratamientos innecesarios o si las enfermas se quedan sin intervenciones que podrían salvarles la vida. El mismo equilibrio aparece en la seguridad aeroportuaria (detectar terroristas frente a retrasar a viajeros inocentes), los filtros de correo no deseado (bloquear mensajes basura frente a eliminar correos legítimos) y el control de calidad (rechazar productos buenos frente a enviar productos defectuosos).

Lo que complica especialmente estos errores es que sus consecuencias rara vez son simétricas. Un error de tipo I en la justicia penal (una condena injusta) destruye la vida de una persona inocente. Un error de tipo II (una absolución injusta) deja libre a una persona peligrosa. La sociedad elige qué error tolerar según sus valores: el principio de «inocente hasta que se demuestre su culpabilidad» favorece evitar los errores de tipo I y acepta más errores de tipo II para proteger a los inocentes. En las pruebas de productos, las empresas pueden aceptar más errores de tipo I (desechar piezas buenas) para evitar los de tipo II (enviar productos con defectos peligrosos). La clave es reconocer qué error estás intentando reducir, porque no puedes evitar los dos.

Los estadísticos Jerzy Neyman y Egon Pearson formalizaron estos tipos de error en su marco de 1933. Distinguieron entre errores de primera especie (rechazar una hipótesis nula verdadera) y errores de segunda especie (no rechazar una hipótesis nula falsa) [1]. El marco trata los dos errores como categorías distintas con probabilidades diferentes (α y β), lo que permite a los investigadores fijar umbrales de significación según el contexto.

• Neyman y Pearson (1933): Establecieron que las pruebas de hipótesis requieren considerar de antemano ambos tipos de error y elegir los niveles de significación según sus costes relativos en cada contexto [1].
• Inacio et al. (2015): Demostraron que el diseño de pruebas diagnósticas exige equilibrar la sensibilidad (minimizar los falsos negativos) y la especificidad (minimizar los falsos positivos), y que los umbrales óptimos dependen del contexto clínico y de la prevalencia [2].

El marco de Neyman-Pearson supone que las hipótesis son claras y fijas y que las tasas de error son estables. En situaciones reales, estos supuestos a menudo dejan de cumplirse. Las pruebas múltiples, los análisis adaptativos y los «grados de libertad del investigador» pueden elevar drásticamente las tasas de error de tipo I por encima de los umbrales nominales. El marco también trata los errores de tipo I y tipo II como categorías claramente separables. Sin embargo, en sistemas complejos con bucles de retroalimentación (por ejemplo, la toma de decisiones mediante algoritmos), los errores se acumulan e interactúan de formas que esta clasificación binaria no refleja. Algunos estadísticos sostienen que todo el marco de las pruebas de significación de la hipótesis nula fomenta el pensamiento binario en un mundo donde la incertidumbre es continua.