PhysSandbox
Mecánica clásicaOndas y sonidoElectricidad y magnetismoÓptica y luzGravedad y órbitasLaboratoriosLecciones
🌙Astronomía y el cielo🌡️Termodinámica🌍Biofísica, fluidos y geociencias📐Visualización matemática🔧Ingeniería🧪Química📊Estadística y probabilidad
ESENRUPTFRDE

Simuladores afines

Siga con temas cercanos de esta categoría — o todos los 10 de «Estadística y probabilidad».

Toda la categoría →
NuevoEscuela

El valor p explicado

Abrir el simulador

Estadístico de contraste sobre la densidad bajo H₀; la cola sombreada, de una o de dos colas, es el valor p. Por qué no es la probabilidad de que H₀ sea cierta.

NuevoEscuela

Simulador del intervalo de confianza

Abrir el simulador

Extraiga una muestra, construya un intervalo al 90/95/99 % para μ; repita 100 veces y cuente cuántos intervalos capturan la media verdadera.

NuevoNiños

Distribución normal y puntuaciones z

Abrir el simulador

Campana con μ y σ; colas sombreadas, la regla 68–95–99.7 y un conversor de puntuación z incorporado, x → z = (x − μ)/σ.

NuevoPopularNiños

Teorema central del límite

Abrir el simulador

Elige una distribución de origen (uniforme, exponencial, binomial, dado) y extrae muestras de tamaño n = 1, 5, 30; el histograma de las medias se vuelve normal y su dispersión se reduce como σ/√n.

NuevoPopularNiños

Tablero de Galton (máquina de bolas)

Abrir el simulador

Las bolas rebotan a izquierda o derecha entre filas de clavos; las casillas llenan una binomial que se vuelve una campana. Pocas filas frente a muchas.

NuevoNiños

Ley de los grandes números

Abrir el simulador

Moneda o dado: la media acumulada x̄ₙ de varias corridas converge a μ; la banda ±σ/√n muestra lo lenta que es.

PhysSandbox

Simuladores interactivos de física, química e ingeniería para estudiantes, docentes y quienes tengan curiosidad.

Física

  • Mecánica clásica
  • Ondas y sonido
  • Electricidad y magnetismo

Ciencia

  • Óptica y luz
  • Gravedad y órbitas
  • Astronomía y el cielo

Más

  • Termodinámica
  • Biofísica, fluidos y geociencias
  • Visualización matemática
  • Ingeniería
  • Química
  • Estadística y probabilidad

© 2026 PhysSandbox. Simuladores científicos interactivos y gratuitos.

PrivacidadTérminosContacto
Inicio/Estadística y probabilidad/Errores de tipo I y II y potencia estadística

Errores de tipo I y II y potencia estadística

Dos curvas normales (H₀ y H₁) y un umbral de decisión; α, β y la potencia 1−β como áreas sombreadas; deslizadores del tamaño del efecto, de σ y de n.

Contraste de hipótesis

0.5
1
20

Nivel de significación α (fija el umbral c)

La media muestral de n extracciones de N(μ, σ²) es exactamente N(μ, σ²/n), así que las dos curvas son normales con SE = σ/√n y σ se trata como conocida (un contraste z, no un contraste t). H₀ sitúa la media en μ₀ = 0 y H₁ en μ₁ = d. Arrastre la línea blanca del gráfico para mover el umbral c; los preajustes de α lo colocan en el cuantil normal exacto. Φ usa la erfc de Cody (error < 10⁻¹⁵) y los cuantiles, la aproximación de Acklam refinada por pasos de Newton.

Verdad × decisión

Rechazar H₀No rechazarH₀ cierta
Tipo I · α0.050
correcto · 1−α0.950
H₁ cierta
potencia · 1−β0.723
Tipo II · β0.277

Atajos de teclado

  • •Space / Enter — hacer 1000 experimentos
  • •R — reiniciar

Magnitudes medidas

Tamaño del efecto d0.50σ
σ poblacional1.00
Tamaño de muestra n20
Error estándar σ/√n0.2236
Umbral c (rechazar si x̄ > c)0.3678
z del umbral (c − μ₀)/SE1.645
α = P(rechazar | H₀)0.0500
β = P(no rechazar | H₁)0.2772
Potencia 1−β0.7228
n para potencia del 80 %25
n para potencia del 90 %35

Sobre el modelo

El simulador muestra las dos distribuciones muestrales en las que se apoya todo contraste de una media. Bajo la hipótesis nula H₀ la media poblacional es μ₀ = 0; bajo la alternativa H₁ es μ₁ = d, donde el tamaño del efecto d se mide en unidades de la desviación estándar poblacional σ. Para una muestra de n extracciones independientes de N(μ, σ²) la media muestral x̄ es exactamente normal, con la misma media y error estándar SE = σ/√n, así que las dos curvas son campanas del mismo ancho, separadas por d. La regla de decisión es un umbral c: se rechaza H₀ cuando x̄ > c (de una cola), o cuando |x̄ − μ₀| > c en la variante de dos colas. La cola rosa de la curva de H₀ más allá de c es la probabilidad del error de tipo I, α = 1 − Φ((c − μ₀)/SE); la parte naranja de la curva de H₁ por debajo de c es la probabilidad del error de tipo II, β = Φ((c − μ₁)/SE); el resto verde es la potencia 1 − β. En el caso de dos colas la potencia se calcula sobre las dos colas de rechazo, 1 − Φ((c − μ₁)/SE) + Φ((−c − μ₁)/SE). Los preajustes de α colocan c en el cuantil normal exacto c = μ₀ + z₁₋α·SE (z₁₋α/2 si es de dos colas); arrastrar c recalcula directamente α y β con las mismas fórmulas. Φ se evalúa con la aproximación racional de Cody de la erfc y los cuantiles con el algoritmo de Acklam refinado por pasos de Newton, así que los números mostrados son exactos hasta la precisión de la pantalla. La curva de potencia dibuja 1 − β frente a n en un eje logarítmico para el α y el d actuales, y los tamaños de muestra necesarios para una potencia del 80 % y del 90 % siguen la forma cerrada n = ⌈((z₁₋α + z₁₋β)·σ/d)²⌉. La capa empírica extrae 1000 muestras de tamaño n bajo cada hipótesis con un generador con semilla, aplica el umbral e indica las tasas observadas de falsos positivos y de falsos negativos junto a α y β; su dispersión alrededor de la teoría es a su vez binomial, con desviación estándar √(p(1−p)/1000). Simplificaciones: se supone σ conocida (un contraste z), así que se omite la corrección de la t de Student cuando la desviación estándar se estima; la alternativa es un único valor puntual y no una hipótesis compuesta; y la fórmula del tamaño de muestra de dos colas usa z₁₋α/2 e ignora la cola lejana, que es despreciable. Simuladores relacionados: statistics/normal-distribution para Φ y las puntuaciones z, statistics/central-limit-theorem para por qué x̄ es normal, statistics/confidence-interval para la visión dual de los mismos cuantiles y statistics/binomial-distribution para la dispersión de las tasas empíricas.

Para quién: Bachillerato y primer curso universitario de estadística (AP Statistics, A-level y cursos introductorios de inferencia).

Conceptos clave

  • hipótesis nula
  • hipótesis alternativa
  • error de tipo I (α)
  • error de tipo II (β)
  • potencia estadística
  • umbral de decisión / valor crítico
  • error estándar σ/√n
  • tamaño del efecto

Cómo funciona

Un contraste de hipótesis compara la media muestral x̄ con un umbral de decisión c: si x̄ cae más allá de c se rechaza H₀ (μ = 0) a favor de H₁ (μ = d). Como la x̄ de n extracciones de N(μ, σ²) es a su vez normal, con error estándar σ/√n, las dos distribuciones muestrales son campanas del mismo ancho, desplazadas por el tamaño del efecto d. La cola rosa es el error de tipo I α —rechazar una H₀ cierta— y el área naranja es el error de tipo II β —no rechazar cuando H₁ es cierta—; el área verde es la potencia 1 − β. Mover c cambia α a costa de β; la única forma de encoger los dos es estrechar las curvas al aumentar n o al reducir σ, que es lo que cuantifican la curva de potencia y el tamaño de muestra en forma cerrada n = ((z₁₋α + z₁₋β)σ/d)². El modelo supone σ conocida (un contraste z); si σ se estima a partir de la muestra, la distribución t sustituye a la normal.

Fórmulas principales

x̄ ~ N(μ, σ²/n), SE = σ/√n
c = μ₀ + z₁₋α · SE (dos colas: z₁₋α/2)
α = P(x̄ > c | H₀) = 1 − Φ((c − μ₀)/SE)
β = P(x̄ ≤ c | H₁) = Φ((c − μ₁)/SE), potencia = 1 − β
potencia de dos colas = 1 − Φ((c − μ₁)/SE) + Φ((−c − μ₁)/SE)
n = ⌈((z₁₋α + z₁₋β) · σ / d)²⌉

Preguntas frecuentes

¿Por qué no puedo dejar pequeños a la vez α y β solo con mover el umbral?
El umbral c solo decide por dónde se cortan las dos curvas. Moverlo a la derecha encoge la cola rosa de H₀ (α) pero agranda la parte naranja de la curva de H₁ por debajo de c (β), y moverlo a la izquierda hace lo contrario. Con las curvas fijas, α y β quedan ligados por c, y uno de los dos siempre crece cuando el otro se reduce. La única forma de reducir los dos es separar las curvas respecto de su ancho: un efecto d mayor, una σ menor o, lo más práctico, un n mayor, que estrecha las dos curvas por un factor √n.
¿Por qué la fórmula del tamaño de muestra lleva el cuadrado de (z₁₋α + z₁₋β)?
Para una potencia del 80 % el umbral tiene que quedar z₁₋α errores estándar por encima de μ₀ y, a la vez, z₀,₈ errores estándar por debajo de μ₁. Esas dos distancias suman el hueco d entre las medias, así que d = (z₁₋α + z₁₋β)·σ/√n. Al despejar n se elevan al cuadrado los dos miembros: n = ((z₁₋α + z₁₋β)·σ/d)². Para un α = 0,05 de una cola y d = 0,5σ sale (1,645 + 0,842)²·4 ≈ 24,7, redondeado hacia arriba a 25; la curva de potencia cruza 0,8 exactamente en ese n.
Si α = 0,05, ¿por qué mis 1000 experimentos bajo H₀ dieron un 6,1 % de falsos positivos?
α es la probabilidad a la larga de un falso positivo, no una frecuencia garantizada en una tanda finita. El número de falsos positivos en 1000 corridas es binomial de media 50 y desviación estándar √(1000·0,05·0,95) ≈ 6,9, así que cualquier valor entre unos 36 y 64 (del 3,6 % al 6,4 %) cae dentro de dos desviaciones estándar y encaja del todo con α = 0,05. Repita la tanda varias veces y los recuentos se dispersan alrededor de 50; el mismo razonamiento vale para el recuento de falsos negativos alrededor de 1000·β.
¿Qué cambia al pasar a un contraste de dos colas?
Un contraste de dos colas rechaza H₀ siempre que x̄ quede lejos de μ₀ en cualquiera de los dos sentidos, así que el presupuesto de α se reparte: cada cola recibe α/2 y el umbral se aleja hasta z₁₋α/2 (1,96 en vez de 1,645 con α = 0,05). Con un efecto positivo d casi toda la potencia sale de la cola derecha, así que la distancia de más cuesta potencia: con d = 0,5σ y n = 20 la potencia baja de cerca de 0,72 a cerca de 0,61, y hacen falta más muestras para el mismo objetivo del 80 %. La cola izquierda, pequeña, sigue contando en la potencia, porque una media muestral muy por debajo de μ₀ también rechaza H₀, aunque apunte en el sentido equivocado.