Un lote sale de la línea y una muestra pequeña parece conforme, pero queda la duda: ¿se puede liberar sin riesgo? Los errores de tipo I y tipo II describen dos fallos posibles al decidir con datos, aunque cuál preocupa más depende del coste de rechazar producto bueno frente al de aceptar producto defectuoso.
Una decisión estadística puede fallar en dos direcciones
- Tipo I: se detecta un problema que en realidad no existe; por ejemplo, se rechaza un lote conforme.
- Tipo II: no se detecta un problema real y el lote defectuoso puede pasar.
- Alfa (α) representa el riesgo de tipo I; beta (β), el de tipo II.
- Reducir un riesgo sin revisar el diseño de la prueba puede elevar el otro.
- Un resultado no significativo no demuestra que el proceso esté dentro de especificaciones.
El tipo I rechaza un lote bueno; el tipo II deja pasar uno malo
Imagina una inspección por muestreo de piezas mecanizadas. Si la decisión estadística indica que hay un problema cuando el proceso cumple los requisitos, aparece un falso positivo: error tipo I. Si la muestra no detecta una desviación que sí existe, aparece un falso negativo: error tipo II.
La hipótesis nula, H₀, es la afirmación que se pone a prueba. En un ensayo de proceso puede formularse como «la media sigue dentro del valor de referencia»; rechazarla sin que sea falsa conduce al tipo I. No rechazarla cuando la media se ha desplazado conduce al tipo II. No rechazar H₀ no equivale a demostrar que sea cierta.
| Situación real | Decisión tomada | Resultado | Acción práctica |
|---|---|---|---|
| El proceso está estable | Se declara fuera de control | Error tipo I: falsa alarma | Investiga antes de parar la línea o ajustar la máquina. |
| El proceso está fuera de control | Se declara estable | Error tipo II: desviación no detectada | Contén el producto potencialmente afectado y revisa la señal. |
| El lote cumple el nivel acordado | Se rechaza | Riesgo para quien produce | Comprueba el plan de muestreo y las mediciones. |
| El lote tiene una calidad inaceptable | Se acepta | Riesgo para quien recibe | Revisa el criterio de aceptación y la severidad del defecto. |
La gravedad depende de qué decisión resulte más costosa
Una alarma falsa puede detener una línea, generar inspecciones adicionales y llevar a desechar piezas conformes. Un error tipo II puede enviar al cliente producto que incumple una característica crítica. No hay un tipo de error universalmente más grave: el coste de cada decisión depende de la aplicación y de las consecuencias del defecto.
En el muestreo de aceptación, el NIST/SEMATECH e-Handbook of Statistical Methods relaciona el error tipo I con el riesgo del productor y el tipo II con el riesgo del consumidor. También distingue el AQL, nivel de calidad aceptable usado como referencia para el productor, del LTPD, nivel de defectos que el consumidor considera inaceptable. Un plan debe fijar ambos puntos de calidad; hablar solo de un porcentaje de aceptación deja sin describir qué riesgos se asumen.
Creo que en una característica relacionada con seguridad o con un fallo costoso, conviene dar prioridad explícita al riesgo de dejar pasar un lote no conforme. Esa elección no se resuelve cambiando alfa a ciegas: requiere acordar límites, tamaño de muestra y consecuencias con quienes producen y reciben el producto.
Un plan de 50 piezas puede pasar defectos con una probabilidad inesperada
Supón un plan ilustrativo que inspecciona 50 unidades y acepta el lote si encuentra como máximo un defecto. Si la fracción defectuosa real es del 1 %, la probabilidad calculada de rechazar un lote es aproximadamente 8,94 %. Si la fracción defectuosa es del 10 %, la probabilidad de aceptar el lote todavía es aproximadamente 3,38 %.
Son probabilidades del ejemplo bajo un modelo binomial, con inspecciones independientes y una probabilidad constante de defecto por unidad. No representan un plan normativo ni garantizan el desempeño de una planta concreta. Lo revelador es que «muestra de 50» por sí sola no define un control seguro: el resultado cambia con la calidad real del lote y con el número permitido de defectos.
Si el coste de un defecto escapado es alto, reduce el riesgo de aceptación de lotes malos mediante un plan diseñado para ese riesgo, en lugar de confiar en una muestra elegida por costumbre. Si el principal coste es parar innecesariamente un proceso estable, revisa también el riesgo de falsa alarma. El tamaño muestral y el criterio de decisión deben responder al mismo problema.
Un resultado no significativo no certifica que el proceso esté bien
Una interpretación tentadora es pensar que, si una prueba no detecta un cambio, el proceso sigue igual. Pero un resultado no significativo solo indica que los datos no bastan para rechazar H₀ con el método y el umbral usados; una muestra pequeña o un cambio difícil de detectar puede ocultar una desviación. La ausencia de señal no demuestra ausencia de defecto.
La potencia estadística, igual a 1 − β, expresa la probabilidad de detectar un efecto definido cuando existe. Para interpretar una prueba, hay que especificar qué desviación tendría relevancia industrial y comprobar si el diseño puede detectarla. El texto de OpenStax sobre errores de tipo I y tipo II recuerda además que el tamaño de la muestra influye en la potencia. El umbral de significación, por sí solo, no contesta si la inspección tiene capacidad suficiente.
Antes de actuar, separa la señal del error de medición
Una lectura fuera de límite puede deberse a un cambio del proceso, pero también a deriva, sesgo o variabilidad del sistema de medición. Si el instrumento está mal calibrado, un gráfico puede mostrar datos consistentes entre sí y aun así describir mal la característica física. El NIST/SEMATECH Handbook sobre control estadístico del proceso de medición explica que el sesgo y la variabilidad del sistema deben vigilarse mediante mediciones de un patrón de control a lo largo del tiempo.
Ante una señal, evita ajustar la máquina de inmediato. Comprueba primero si el patrón de control se ha movido, si cambió el método de medición o si las condiciones de toma de datos son comparables; después investiga la causa del proceso. Sin mediciones fiables, la prueba estadística no puede separar con seguridad una falsa alarma de una desviación real.
Una decisión útil empieza por definir qué defecto no puede escapar
Antes de escoger un contraste o un plan de muestreo, concreta la característica inspeccionada, el defecto que se considera inaceptable y el coste de cada error. Después fija los riesgos tolerables y verifica que el instrumento y el procedimiento de medida puedan sostener esa decisión. Así, cuando aparezca una señal en la línea, sabrás si corresponde detener, investigar o continuar con vigilancia, en lugar de tratar cada resultado como una orden automática.