En general, el error probable en cualquier medición es la mitad de la división mas pequeña del instrumento de medida de modo que la presicion de la medición depende de la presicion con que esta graduado el instrumento. Es importante tener en cuenta que la presicion se refiere al tamaño de la división mas pequeña de la escala; no tiene nada que ver con la exactitud (corrección)
Cuando trabajamos con variables aleatorias que representan un error cometido (por ejemplo en un proceso de medición), solemos caracterizar la dispersión de dicho error mediante una estimación de la varianza o, más comúnmente, de la desviación típica.
Cuando la variable aleatoria es bidimensional, una imagen más intuitiva de su dispersión la podemos obtener calculando el círculo que, centrado en el punto de error cero, encierra el 50% de nuestras mediciones. Un ejemplo típico es el de un arquero disparando sus flechas contra una diana. Aunque éste siempre apunta al centro de la diana, la falta de pericia, el cansancio o las condiciones atmosféricas hacen que la flechas se distribuyan por toda la diana, no sólo en el centro. Podemos dar una medida de cuán bueno es el arquero si damos la desviación típica de los puntos de impacto en dos ejes perpendiculares (el horizontal y el vertical, por ejemplo). No obstante nos resultaría más gráfico si se nos informara del radio del círculo que, con centro en el centro de la diana, contiene el 50% de los impactos. Si este círculo es pequeño es porque las flechas están muy agrupadas en torno al oro de la diana y podemos afirmar por ende que el arquero es bueno.
En un estudio de investigación, el error de tipo I también denominado error de tipo alfa (α) (mal llamado, porque α es en realidad la probabilidad de que ocurra este error), es el error que se comete cuando el investigador rechaza la hipótesis nula (Ho) siendo ésta verdadera en la población. Es equivalente a encontrar un resultado falso positivo, porque el investigador llega a la conclusión de que existe una diferencia entre las hipótesis cuando en realidad no existe. Se relaciona con el nivel de significancia estadística.
Representación de los valores posibles de la probabilidad de un error tipo II. En el ejemplo de un test de significancia estadística para el parámetro μ. El error tipo II depende del parámetro μ. Mientras más cerca se encuentre este del valor supuesto bajo la hipótesis nula, mayor es la probabilidad de ocurrencia del error tipo II. Debido a que el verdadero valor de μ es desconocido
