Rechazar una hipótesis nula verdadera: un descubrimiento falso.Un error de tipo I, también conocido como falso positivo, ocurre cuando una prueba estadística rechaza una hipótesis nula verdadera. En términos sencillos, significa concluir que existe un efecto o una diferencia cuando en realidad no la hay. Este es el error que los científicos suelen evitar con más cuidado, porque lleva a afirmar descubrimientos que no son reales.
El concepto formal se desarrolló a principios del siglo XX por estadísticos como Ronald Fisher y Jerzy Neyman, siendo Neyman y Egon Pearson quienes distinguieron explícitamente los errores de tipo I y tipo II en las décadas de 1920 a 1930.
En la prueba de hipótesis, se parte de una hipótesis nula (por ejemplo, 'el fármaco no tiene efecto') y una hipótesis alternativa (por ejemplo, 'el fármaco tiene efecto'). Se recogen datos y se calcula un estadístico de prueba. Si el estadístico cae en una región de valores extremos (la región de rechazo) que sería poco probable si la hipótesis nula fuera verdadera, se rechaza la nula. La probabilidad de que esto ocurra por azar es el nivel de significación, que normalmente se fija en 0,05. Un error de tipo I es exactamente esto: rechazar la hipótesis nula cuando en realidad es verdadera, y el nivel de significación es la probabilidad que se permite para ese error.
Se utiliza en todos los campos que dependen de la inferencia estadística: medicina (ensayos de eficacia de fármacos), psicología, economía y control de calidad, para establecer umbrales de lo que se considera un resultado 'significativo'.
El nivel de significación estándar del 5% significa que si se prueban 20 fármacos realmente ineficaces, en promedio uno parecerá eficaz solo por azar.
