ESTADSTICA INFERENCIAL

Probablemente, la mayor parte de la investigacin estadstica trata de la obtencin de conclusiones

concernientes a una poblacin mediante la informacin proporcionada por una muestra del mismo.
Tales conclusiones nunca sern vlidas con certeza; se asociar la probabilidad de que sea correcta
cada una de las inferencias. Por esta razn, a menudo nos referimos a este aspecto de la estadstica
como Estadstica Inferencial.

As, la inferencia estadstica es la rama de la estadstica relacionada con el uso de los conceptos
probabilsticos para manejar la toma de decisiones bajo incertidumbre.

Ejemplos:

En un proceso electoral, para determinar qu candidato va a ganar las elecciones, se realizan

encuestas a solo una muestra de la poblacin, de lo que resulte en la muestra se podr
inferir quin ganar las elecciones, claro con un margen de error muy pequeo.

En un estudio de mercado, para saber la acogida a un cierto producto en la poblacin, se

realiza una encuesta a solo una muestra de ella, si en sta el producto tuvo aceptacin,
inferiremos que tendr aceptacin en la poblacin, con un nivel de error.

Todas las encuestas realizadas por el INEI, como por ejemplo, de Empleo, de Hogares, etc.
son encuestas por muestreo, cuyos resultados son para la toma de decisiones, bajo
incertidumbre.

1. PROBLEMAS TRATADOS POR LA INFERENCIA ESTADSTICA

La inferencia estadstica est basada en la estimacin y en la prueba de hiptesis.

Tanto en las pruebas de estimacin como en las de hiptesis, se debern hacer inferencias acerca
de las caractersticas de las poblaciones a partir de la informacin contenida en las muestras.

2. CONCEPTOS BSICOS

Poblacin.- Conjunto de todos los individuos o elementos que cumplen o satisfacen la o las
caractersticas en estudio. La poblacin puede ser finita o infinita.
Muestra.- Est constituida por una parte de los individuos o elementos que componen la poblacin.

Parmetro.- Medidas de resumen calculadas para la poblacin. Ejemplo: media, varianza,

proporcin, etc.

Estimador.- Medida de resumen basada en datos muestrales. Ejemplo: media muestral, varianza
muestral, proporcin muestral, etc.

NOMENCLATURAS A UTILIZAR EN EL PROCESO INFERENCIAL

Medida Parmetro Estimador

Promedio X
2
Varianza S2

Desviacin estndar S

Proporcin P p

ESTIMACIN DE PARAMETROS

Consiste en estimar parmetros de la poblacin o brevemente parmetros a partir de los

correspondientes estadsticos muestrales o brevemente estimadores.

Ejemplos:

El gerente de ventas trata de estimarlas para un cierto vestido en su lnea de otoo

estudiando las ventas de este vestido en las primeras semanas.

El gerente de crdito trata de estimar el cumplimiento en el de un futuro cliente a partir de

una muestra del comportamiento pasado con otros crditos.

El gerente financiero trata de estimar el curso futuro de las tasa de inters al observar el
comportamiento corriente de esas tasa.

En cada caso, los gerentes estn tratando de inferir algo acerca de la

poblacin a partir de informacin que han tomado de una muestra.
TIPOS DE ESTIMACIN

Existen dos maneras de estimar medidas poblacionales: Estimacin puntual y estimacin por
Intervalos

1. ESTIMACIN PUNTUAL

La estima de un parmetro a travs de un solo nmero se llama estima puntual del parmetro.

Ejemplo:

Si mientras se observa la entrada a la cancha de los primeros integrantes de un equipo de

ftbol, usted dice: caray, creo que el promedio de peso de los jugadores es 80 kilos, usted
ha hecho una estimacin puntual.
El gerente de ventas har una estimacin puntual si dice: Nuestros informes de ventas nos
indican que de este vestido se vendern 100 docenas en este otoo.

1.1 Estimacin puntual de la media poblacional

La media muestral X es el mejor estimador de la media de la poblacin . Es no sesgada,

consistente y el estimador ms eficiente; y a medida que la muestra sea suficientemente grande, su
distribucin muestral puede ser aproximada por la distribucin normal.

Por lo tanto:

= X

Ejemplo:

Si queremos estimar el ingreso promedio ( ) de todos los trabajadores de Lima Metropolitana,

tomaremos una muestra de trabajadores cuyo ingreso promedio ( X ) es s/. 1,000.

Entonces, usando la media muestral X como estimador, el estimado puntual de la poblacin es

s/. 1000.
As, = X = s/. 1,000

1.2 Estimacin puntual de la varianza poblacional 2

El estimador usado ms frecuentemente de la varianza de la poblacin 2 es la varianza muestral S

2
, estimador insesgado, definido como

xi x
2

S 2

n 1

As, 2= S2

1.3 Estimacin puntual de la proporcin de la poblacin P

La proporcin de unidades que tienen una caracterstica particular en una poblacin dada se
simboliza por P. Si se conoce la proporcin de unidades en la muestra que tienen la misma
caracterstica (simbolizada como p), se puede usar p como un estimador de P.

As, P=p

Ejemplo

El fabricante de suministros mdicos, desea estimar el nmero de cajas que llegaran daadas debido
al mal trato en el transporte despus de que las cajas salen de la fbrica. Se toma una muestra de
50 cajas y registrar la presencia o ausencia de daos. Si se encuentra que la proporcin de cajas
daadas en la muestra es de 0.08, se puede decir que:
p = 0.08 y como la proporcin muestral p es un estimador conveniente de la proporcin de la
poblacin P, se puede estimar que la proporcin de cajas daadas en la poblacin tambin ser de
0.08. As, P = p = 0.08

Un estimado puntual es a menudo insuficiente porque est correcta o est errado. Ser
mucho ms til si est acompaado por un estimado con un nivel de confianza que lo
acompaa.

2. ESTIMACIN POR INTERVALOS

Un estimado por intervalos es un rango de valores entre los cuales se desea que est el parmetro
de la poblacin, asociado a una probabilidad de ocurrencia.
Esta probabilidad es llamada nivel de confianza. La probabilidad, entonces, indica qu tanta
confianza se tiene de que un estimado por intervalos incluya el parmetro de la poblacin. Una
probabilidad ms alta significa ms confianza.

As, tenemos

P( LI Parmetro LS) = 1-

Donde:

LI : Lmite inferior del intervalo

LS: Lmite superior del intervalo
1- : nivel de confianza
Los niveles de confianza ms usados son 90%, 95% y 99%, pero hay libertad de aplicar cualquier
nivel de confianza.

2.1 INTERVALO DE CONFIANZA PARA LA MEDIA DE UNA POBLACIN NORMAL CON VARIANZA
POBLACIONAL ( 2 ) DESCONOCIDA

Sea X1, ., Xn una muestra aleatoria de una poblacin normal N ( ; 2 ), donde 2 es desconocida.

Caso 1 : Muestras de tamao inferior a 30 ( n < 30 )

Dado que no se conoce 2 ; el estadstico que se usa es

t
x ~ t (n-1) , al despejar , tenemos LI LS
S
n

S
Lmite Superior ( LS ) = X t / 2 n1
n

S
Lmite Inferior ( LI ) = X t / 2 n 1
n
Donde:

t /2 : valor de la abcisa de la curva t de Student para una probabilidad /2 y n-1 grados de libertad.
S : desviacin muestral
n : tamao de la muestra

Ejemplo

El gerente de una gran panadera desea estimar, el 95% de confianza, su consumo promedio de
harina. Se muestrea el consumo de harina sobre un perodo de 10 das de trabajo y se encuentra
un consumo medio diario de 11400 libras y una desviacin estndar de 700 libras.

Solucin
: consumo promedio de harina
LI LS

X = 11400
S = 700
n = 10
1 - = 0.95
/2 = 0.025
t /2 = ?

Ahora se busca en la Tabla 2 bajo la columna 0.025 hasta encontrar la fila de 9 grados de libertad
(n-1=9). All se ve que el valor de t es 2.262.

As,

2.262*
700
LS = 11400 = 11901 libras
10

LI = 11400 2.262 *
700
= 10899 libras
10

Por lo tanto, se le puede informar al gerente de la pastelera con un 95% de confianza que el uso
medio de harina est entre 10,899 libras y 11,901 libras.

Caso 2: Muestras de tamao superior o igual a 30 ( n 30 )

Se sabe que para n30, la distribucin t de Student se aproxima a la distribucin normal N(0,1).
Entonces LI LS

S
Lmite Superior ( LS ) = X Z / 2
n
 S
Lmite Inferior ( LI ) = X Z / 2
n

Ejemplos

1) Una agencia de servicio social del gobierno est interesada en estimar, al 90% de confianza, el
ingreso medio anual de 700 familias que viven en una zona de cuatro manzanas de una comunidad.
Se toma una muestra simple al azar de 50 familias cuyo ingreso medio es de $ 4,800 y desviacin
estndar de $ 950.

Solucin
: ingreso medio anual de 700 familias
LI LS
1 - = 0.90
/2 = 0.05
Z /2 = 1.645
n= 50

X = 4,800
S = 950

LS = 4800 1.645 *
950
= 5021
50
LI = 4800 1.645 *
950
= 4579
50

El informe a la agencia de servicio social ser: con un 90% de confianza, se estima que el ingreso
promedio anual de todas las 700 familias que viven en esta comunidad est entre $4,579 y $5,021.

2) Un gran fabricante de plumillas para limpiar parabrisas necesita estimar la vida media del uso de
las plumillas bajo condiciones normales de trabajo. Cuando se selecciona una muestra simple al azar
de 100 usuarios se obtiene que el uso promedio de las plumillas es de 21 meses y la desviacin
estndar de la vida de las plumillas es de 6 meses.
Entre que lmites se encontrar, al 95% de confianza, la vida media de toda la produccin de
plumillas?

Solucin

: vida media del uso de las plumillas

LI LS
=6
n = 100

X = 21
1 - = 0.95
/2 = 0.025
Z /2 = 1.96 (en la tabla 2.1)
LS = 21 1.96 *
6
= 22.18 meses
100

LI = 21 1.96 *
6
= 19.82 meses
100

Por lo tanto, la vida media de la poblacin de limpiaparabrisas est entre 19.82 y 22.18 meses con
una confianza del 95%.

2.2 INTERVALO DE CONFIANZA PARA UNA PROPORCIN POBLACIONAL (P)

Sea X1, , Xn una muestra aleatoria extrada de una poblacin Bernoulli de parmetro P. El
estimador de P es:

X
i 1
i
nmero de xitos en la muestra
pX
n n

Luego la estadstica p tiene una distribucin asintticamente normal dada por

P1 P
p ~ N P;
n

pP
Al estandarizar Z , al despejar P , LI P LS
p1 p
n

P se ha sustituido por su estimador p. As, P= p

p1 p
Lmite Superior ( LS ) = p Z / 2
n

p1 p
Lmite Inferior ( LI ) = p Z / 2
n
Donde :

p : proporcin muestral
n: tamao de la muestra
Z /2 : valor de la abcisa normal para (1- ) de confianza

Ejemplo

Se desea estimar para una organizacin muy grande qu proporcin de los empleados prefieren
proveer sus propios beneficios de retiro en lugar de un plan patrocinado por la compaa. Primero
se hace un muestreo aleatorio simple de 75 empleados y se encuentra que el 40% de ellos estn
interesados en proveer su propio plan de retiro.
Luego, la administracin desea que se use esta muestra para encontrar un intervalo acerca del cual
ellos tengan un 99% de confianza de que contiene la verdadera proporcin de la poblacin.

Solucin
P: proporcin de los empleados que prefieren proveer sus propios beneficios de retiro
LI P LS
n = 75
p = proporcin de empleados interesados en proveer su propio plan de retiro en la muestra de 75
empleados
p = 0.40
1-p = 0.60
1 - = 0.99
/2 = 0.005
Z /2 = 2.58

0.40 2.58 *
0.40 * 0.60
LS = = 0.546
75

0.40 2.58 *
0.40 * 0.60
LI = = 0.254
75
Entonces, se estima de la muestra de 75 empleados que con un 99% de confianza se asegura que la
proporcin de la poblacin total de empleados que desean establecer sus propios planes de
jubilacin est entre 0.254 y 0.546.