errores en estadistica

Errores: Es el error máximo estadístico de la muestra, válido para el conjunto de todas las distintas muestras que se pueden tomar de la misma población.
Fórmula del Error Muestral
El error muestral depende:
De la amplitud del universo (N).
Del tamaño de la muestra (n).
De la desviación típica (s) en variables de intervalo y razón. De la variabilidad ( p*q) en variables nominales yordinales.
Notas: La VARIABLIDAD de una variable nominal u ordinal:

Juega el mismo papel que la varianza (s²) en variables de intervalo.
Un atributo (variable nominal) o una posición en una escala (variable ordinal)
representa una proporción (p) de la población frente al resto (q=1-p).
Podemos tratar la proporción como una variable booleana.
Ejemplo: Distribución de algunas variables por géneroHumanidad.....................Hombres (p=50%).....Mujeres (q=50%)...Variabilidad (p*q=2500)
Estudiantes teleco..........Hombres (p=75%).....Mujeres (q=25%)...Variabilidad (p*q=1875)
Benedictinos del Paular.Hombres (p=100%)..Mujeres (q=0%)......Variabilidad (p*q=0)

Formulas del error:
Población infinita (N>100.000 ) Población finita

De intervalo: E=(s²/n)½ E=((s²/n)·((N-n)/(N-1)))½
Deproporción: E=((p·q)/n)½ E=((p·q/n)·((N-n)/(N-1)))½Donde:

E es el error muestral medido en unidades s.
N es el tamaño del Universo.
n es el tamaño de la muestra.
La estimación del error depende del nivel de confianza:
ERROR= E · nivel de confianza elegido (nº de unidades s )= E · s


Tipos de errores:
Sin entrar en el análisis de cuál sería la "mejor" región crítica y, por tanto, cuálsería el mejor criterio que  podemos adoptar para decidir el rechazo de H0 , resulta imprescindible cuantificar en qué medida se actúa erróneamente. Se consideran, a tal efecto, dos tipos de errores:
Error de tipo I o de primera especie. Se comete al rechazar erróneamente H0, es decir, cuando se rechaza H0 , siendo cierta.
Error de tipo II o de segunda especie. Se comete cuando no rechazamoserróneamente H0 , es decir; cuando no se rechaza H0 , siendo falsa.
Por tanto, cada vez que, aplicando un determinado criterio, rechazamos H0 , deberemos  preocuparnos exclusivamente del error del tipo I. 
Si los datos y el criterio nos conducen al no rechazo de H0 , nuestra preocupación tendrá que ver exclusivamente con el error de tipo II. 
La cuantificación del error de tipo I se establece,obviamente, determinando la probabilidad de rechazar  H0 , cuando esta hipótesis es cierta. Dicha probabilidad se designa por α  y recibe el nombre de nivel de significación del contraste : 

El valor de 0.05, nivel de significación de este contraste de hipótesis, es el que se suele adoptar habitualmente y su justificación ha sido expuesta anteriormente en base al razonamiento realizado porFisher.
Comentario informal sobre el error de tipo I:
Si aplicando el criterio, rechazamos la hipótesis nula, actuaremos correctamente si es falsa; pero si es cierta sólo ocurrirá; es decir, la rechazaremos; en el 5% de los casos. 
Presicion: se refiere a la dispersión del conjunto de valores obtenidos de mediciones repetidas de una magnitud. Cuanto menor es la dispersión mayor la precisión.Exactitud se refiere a cuán cerca del valor real se encuentra el valor medido. En términos estadísticos, la exactitud está relacionada con el sesgo de una estimación. Cuanto menor es el sesgo más exacta es una estimación. Cuando se expresa la exactitud de un resultado, se expresa mediante el error absoluto que es la diferencia entre el valor experimental y el valor verdadero.

Ejemplos de exactitudy precisión:


Exactitud baja. Exactitud alta Exactitud alta
Precisión alta Precisión baja Precisión alta
Así que si estás jugando al fútbol y siempre le das al poste izquierdo en lugar de marcar gol, ¡entonces no eres exacto, pero eres preciso!\...