CENTRO DE INVESTIGACIONES PSIQUIÁTRICAS,

PSICOLÓGICAS Y SEXOLÓGICAS DE VENEZUELA

RECONOCIDO POR CONICIT (1981)
AUTORIZADO POR EL C.N.U. (1981)
GACETA OFICIAL Nº 34.678

Programa: Maestría en Supervisión y gerencia educativa

Unidad Curricular: Análisis Inferencial

Análisis Inferencial
 En ocasiones en que no es posible o conveniente realizar un censo
(analizar a todos los elementos de una población), se selecciona una muestra,
entendiendo por tal una parte representativa de la población. El muestreo es por
lo tanto una herramienta de la investigación científica, cuya función básica es
determinar que parte de una población debe examinarse, con la finalidad de
hacer inferencias sobre dicha población.
La muestra debe lograr una representación adecuada de la población, en
la que se reproduzca de la mejor manera los rasgos esenciales de dicha
población que son importantes para la investigación. Para que una muestra sea
representativa, y por lo tanto útil, debe de reflejar las similitudes y diferencias
encontradas en la población, es decir ejemplificar las características de ésta

Los métodos de muestreo probabilísticos son aquellos que se basan en el

principio de equiprobabilidad. Es decir, aquellos en los que todos los individuos
tienen la misma probabilidad de ser elegidos para formar parte de una muestra y,
consiguientemente, todas las posibles muestras de tamaño n tienen la misma
probabilidad de ser seleccionadas. Sólo estos métodos de muestreo
probabilísticos nos aseguran la representatividad de la muestra extraída y son,
por tanto, los más recomendables en tal sentido consideramos que el modulo
aporta una buena información en cuanto al proceso de muestreo, los tipos de
estadísticas Concepto de Medición. Niveles de Medición de las Variables
entre otros en las siguientes páginas se realizara un resumen de estos
aspectos importantes

Tipos de Estadística
Dos corrientes de influencia han conducido al desarrollo de los
métodos estadísticos. Una de ellas, tenia por objeto mantener en orden
registros del gobierno (de hecho, estado y estadística vienen de la misma
raíz latina, status). De ella evolucionaron las actividades de conteo,
medición, descripción, tabulación, ordenamiento y levantamiento censal,
que conforman lo que hoy conocemos como estadística descriptiva. La
segunda corriente de influencia se originó en las matemáticas de los
juegos de azar y condujo al desarrollo de la estadística inferencia! o
inductiva, basada fundamentalmente en el concepto de probabilidad
matemática.

Estadística Descriptiva:
La estadística descriptiva está dedicada a descubrir las
regularidades o características existentes en un conjunto de datos
mediante la utilización de gráficos y de medidas numéricas de resumen.
En otras palabras, resume y transforma datos para poder interpretar la
información. A través de la cuantificaáón y ordenamiento de los datos
intenta explicar los fenómenos observados, por lo que resulta una
herramienta de suma utilidad para la toma de decisiones.
Tienen por objeto fundamental describir y analizar las características de
un conjunto de datos, obteniéndose de esa manera conclusiones sobre
las características de dicho conjunto y sobre las relaciones existentes con
otras poblaciones, a fin de compararlas No obstante puede no solo
referirse a la observación de todos los elementos de una población
(observación exhaustiva) sino también a la descripción de los elementos
de una muestra (observación parcial).

Estadística Inductiva o Inferencia):

Está fundamentada en los resultados obtenidos del análisis de una
muestra de población, con el fin de inducir o inferir el comportamiento o
característica de la población, de donde procede, por lo que recibe
también el nombre de Inferencia estadística En resumen, son
procedimientos estadísticos que se utilizan para deducir o inferir algo
acerca de un conjunto de datos numéricos (población), seleccionando un
grupo menor de ellos (muestra).

El objetivo de la inferencia en investigación científica y tecnológica

radica en conocer clases numerosas de objetos, personas o eventos a
partir de otras relativamente pequeñas compuestas por los mismos
elementos. La Estadística inferencia permite, mediante la utilización de
métodos estadísticos basados en la teoría de las probabilidades,
generalizar las conclusiones obtenidas a partir de una muestra a la
población de la que ha sido extraída. Es importante destacar que para
que las conclusiones sean válidas, se debe tratar que la muestra sea
representativa de la población.

Universo, Población y Variable

La estadística está compuesta por métodos científicos mediante los
cuales podemos recolectar, organizar, resumir, presentar y analizar datos
relativos a un conjunto de individuos u observaciones que nos permiten
extraer conclusiones válidas y efectuar decisiones lógicas basadas en
dichos análisis. En cualquier trabajo en el que se aplique, la estadística
debe hacer referencia a un conjunto de sujetos u objetos de análisis,
conocido como población.

Población o Universo:
Es el conjunto de entidades u objetos que satisfacen una definición
común y en los que interesa analizar una o vanas característica. Aquí el
término población tiene un significado mucho más amplio que el usual, ya
que puede referirse a personas, cosas, actos, áreas geográficas e incluso
al tiempo.
Una población se precisa como un conjunto finito o infinito de
personas que presentan características comunes, por lo que debe estar
perfectamente definida en el tiempo y en el espacio, de modo que ante la
presencia de un potencial integrante de la misma, se pueda decidir sí
forma parte o no de la población bajo estudio. Por lo tanto, al definir una
población, se debe cuidar que el conjunto de elementos que la integran
quede perfectamente delimitado Si, por ejemplo, estamos analizando las
escuelas primarias, debemos especificar cuáles y cuándo, por ejemplo:
Escuelas primarias de Caracas, año 1995.
 El tamaño de una población viene dado por la cantidad de
elementos que la componen. Generalmente se simboliza esta información
con la letra N, en el caso en que sea una población finita, es decir, que
podemos contabilizar y establecer un límite de existencia.

Muestra:
Es un subconjunto de unidades de análisis de una población dada,
destinado a suministrar información sobre la población. Para que este
subconjunto de unidades de análisis sea de utilidad estadística, deben
reunirse ciertos requisitos en la selección de los elementos.

Las causas por la cual se seleccionan muestras son muchas.

Puede ocurrir que la población que se defina tenga tamaño infinito
(incontable), y en consecuencia, no fuera posible observar a todos sus
elementos. En otras ocasiones, el costo de la observación exhaustiva
puede ser muy elevado, el extenso tiempo de recolección de la
información, o más aún, la observación de los elementos puede ser
destructiva En todos estos casos, la única manera de estudiar la
población es obteniendo muestras de ella. El tamaño de la muestra queda
determinado por el número de elementos que la forman y se simboliza
con la letra n.
Ejemplo:
Si necesitamos conocer la cantidad de personas entre 20 y 30 años que
pertenecen a cooperativas en Venezuela, todas las personas que posean
estas características (tener entre 20 y 30 años y trabajar en una
cooperativa) serán nuestra población, seguramente va a ser difícil buscar
todas las cooperativas de todo el país para conocer este dato, una forma
de hacer la investigación es seleccionando un grupo de estados del país,
podría ser uno de cada región y visitando sus cooperativas, para obtener
la información, en este caso obtendremos una muestra, en la cual
encontraremos personas de todas las edades, pero estos datos nos
permitirán predecir de acuerdo a la cantidad de jóvenes en estos estados
la proporción de jóvenes que habrán en todas las cooperativas del país.
Observemos que este es una cose de estadística inferencial.

Variables:
Una variable es la característica de un objeto, persona o situación
que es capaz de modificarse en extensión y naturaleza, es decir, es una
característica que varia de un objeto a otro que no permanece constante y
como consecuencia sirve para singularizar un objeto o grupo de ellos.
Debemos tener claro que a variable no es el objeto de estudio en sí, sino
sus características, por ejemplo si estuviéramos analizando un local para
alquilar el local no es variable, variables son sus atributos: ubicación,
tamaño, iluminación, ventilación, etc. Podemos encontrar dos tipos de
datos: Cualitativos y cuantitativos.

Variables Cualitativas:
Llamamos variable cualitativa a aquella no o puede ser expresada
de forma numérica, por ejemplo la religión, podemos decir que somos
católicos, judíos, protestantes, evangélicos, etc Observemos que este es
un dato que varía de un individuo a otro pero no puede ser expresado de
forma numérica
Variables Cuantitativas:
Es aquella variable que puede ser expresada de forma numérica,
por ejemplo el número de hijos por familia. Estas variables se dividen en
dos grupos: variables continuas y discretas

Variable Discreta:
Es aquella que solo puede asumir ciertos valores, y ente éstos
suele haber huecos, generalmente se expresan en números enteros, por
ejemplo, cantidad de miembros de una cooperativa, podemos decir que
está conformada por doce, trece personas, pero nunca podremos decir
que nuestra cooperativa está conformada por 20,5 personas

Variables Continuas.
Es aquella que puede adoptar cualquier vaior dentro de un rango
específico, por ejemplo, la duración de un viaje en carro de Carúpano a
Cumaná, algunas veces puede durar una hora y cuarenta y cinco minutos
o dos horas, entre otros. Otro ejemplo de variable continua, es el
promedio de las calificaciones de un estudiante en cada lapso.
El peso de las verduras que compramos periódicamente es una variable
continua, pues puede variar de forma ascendente o descendente
incluyendo los decimales, no hay vacíos entre los rangos, todos son
continuos, de allí el nombre de la variable.

Concepto de Medición. Niveles de Medición de las Variables

Medición

Medición es la cuantificación del atributo de una variable, ¿Qué quiere

decir esto? Cuando medimos hacemos una estimación numérica de un
objeto, pero no del objeto en si, medimos los indicadores de sus atributos,
para ello contamos con cuatro niveles de medición
Niveles de Medición

Los datos se pueden clasificar de acuerdo a cuatro niveles de

medición. Los niveles de medición indican que tipo de operación se puede
hacer con los datos para resumirlos, presentarlos y determinar que
pruebas estadísticas pueden llevarse a cabo con ellos. Existen cuatro
niveles de medición: Nominal, ordinal, de intervalo y de razón, estos
niveles tienen un orden ascendente el más bajo de la escala es el nominal
y el más alto el de razón.
Medición Nominal
En el este tipo de medición los objetos sólo pueden ser nombrados
o contados. No hay un orden, consiste simplemente en clasificar
observaciones dentro de ciertas categorías, las cuales deben ser
mutuamente excluyentes y colectivamente exhaustivas. Mutuamente
excluyentes significa que un individuo, objeto o medición pertenece
únicamente a una categoría, y Variables Continuas. Es aquella que
puede adoptar cualquier valor dentro de un rango específico, por ejemplo,
la duración de un viaje en carro de Carúpano a Cumaná, algunas veces
puede durar una hora y cuarenta y cinco minutos o dos horas, entre otros.
Otro ejemplo de variable continua, es el promedio de las
calificaciones de un estudiante en cada lapso. El peso de las verduras
que compramos periódicamente es una variable continua, pues puede
variar de forma ascendente o descendente incluyendo los decimales, no
hay vacíos entre los rangos, todos son continuos, de allí el nombre de la
variable.

Medición de Razón
Es el nivel más alto de medición, ella posee todas las
características de las escalas anteriores, con la diferencia de que aquí el
cero si es absoluto, es decir, la presencia del cero indica la ausencia del
atributo observado. Un buen ejemplo de un cero absoluto es la velocidad,
si detenemos un vehículo la velocidad es cero, porque hay ausencia de
velocidad. Pero a medida que comenzamos a acelerar el vehículo
podemos decir que si vamos a 30 kilómetros recorreremos la mitad del
camino que un carro que va a 60. En la medición de razón la distancia
entre los rangos son exactamente iguales.

Tipo de Investigación Estadística

 Cuando aplicamos los métodos estadísticos para e! estudio de un
fenómeno se denomina investigación estadística, estos tipos son: La
investigación Directa y la investigación indirecta

Investigación Directa
Es aquella en la que el investigador observa directamente los
casos o individuos en los cuales se produce el fenómeno, entrando en
contacto con ellos; sus resultados se consideran datos estadísticos
originales, por esto se llama también investigación primaria. La mayoría
de las investigaciones de carácter oficial, demográficas, económicas o
sociales son directas.
La investigación directa se divide en: exhaustiva o completa, y
parcial o incompleta. Son exhaustivas, aquellas en la que se estudian
todos los elementos que integran el universo, todas sus características o
las necesarias para describir totalmente la población estudiada.
Son investigaciones parciales o incompletas, cuando tan solo se
estudia un número limitado de los casos individuales que forman el
universo o cuando se estudian algunas manifestaciones del fenómeno
que no lo describen totalmente; se utiliza este tipo de investigación
cuando es imposible el estudio del fenómeno de forma completa. Este tipo
de investigación puede ser representativa y no representativa, estamos en
el primer caso cuando las manifestaciones del fenómeno estudiado son
suficientes y necesarias para describir el fenómeno; en caso contrario,
caemos dentro de la no representativas.

Investigaciones Indirectas
Son aquellas en las que el investigador se vale de informaciones
indirectas, de resultados o cálculos de investigaciones anteriores o en
base de los conocimientos que tenga el investigador del fenómeno por
experiencias anteriores Se dividen estas investigaciones en conjeturales
(estimaciones) y secundarias. La investigación conjetural es aquella en
base a conocimientos parciales, opiniones o cálculos, proporciona
resultados primarios de valor práctico.

La investigación indirecta conjetural puede ser; por aproximación,

por analogía y por proporción. Por proporción, es la que basada en el
convencimiento que sobre el fenómeno tiene el investigador, ya sea por
experiencia o por resultado anteriormente obtenido. Los datos que se
obtienen en esta investigación serán siempre aproximados al aplicarlos al
fenómeno que estudia, pero sirven para tener una idea general del
mismo.
Por analogía, son aquellas basadas en el estudio de uno o varios
fenómenos que guardan cierta semejanza con el fenómeno a investigar,
determinándose ciertas modalidades y características de dicho fenómeno,
por procedimientos inductivos.

La investigación conjetural por proporción, puede hacerse de parte

a todo un hecho a otro; en el primer caso, se observa una parte de
fenómeno y sin mayor rigor aplica a todo el fenómeno; en el caso de un
hecho a otro, relacionan dos o más hechos y a través del conocimiento de
uno de ellos se determinan las modalidades de otros.

Métodos de Muestreo

El muestreo es una herramienta para inferir algo respecto a una

población mediante la selección de una muestra de esa población. En
muchas oportunidades el muestreo es la única herramienta para
determinar algo con respecto a la población por:
1. Es costoso abordar a todos los integrantes de la población 2 La
idoneidad de los resultados de la muestra, es decir, para muchos estudios
no es esencial indagar sobre la totalidad de la población pues con una
muestra se obtiene los datos necesarios sin afectar
significativamente los resultados
3. Es dificultoso poner se en contacto con iodos los miembros de una
población.
4. La naturaleza destructivas de ciertas pruebas, como lo es el caso de
las pruebas de control de calidad, si se toma un objeto para determinar su
punto máximo de flexión, el cual al pasarlo se rompe, si tomamos a toda
una población (producción e un día, por ejemplo) eliminaríamos por
completo todos los elementos de la población.

En repetidas ocasiones se ha enfatizado la necesidad de

seleccionar una muestra representativa de la población. Una muestra que
tergiverse la población representará un error de muestreo y producirá
estimados imprecisos de loa parámetros de la población. Hay dos fuentes
básicas de muestreo. La primera es sencillamente mala suerte. Debido a
la cuestión de suerte, la muestra puede contener elementos que no sean
característicos de la población El destino puede que dictar ciertas
selecciones en la muestra sea atípicamente más grandes que la mayoría
de los de la población y en tal caso resultarían una sobreestimación del
parámetro. O quizás muchos de los elementos muéstrales tienden a ser
más pequeños de lo que típicamente se encuentra en la población y en tal
caso resultaría una subestimación.
Una segunda fuente de error de muestreo es el sesgo muestral. El
sesgo resulta de la tendencia a favorecer la selección de ciertas muestras
sobre otras en la recolección de los datos de la muestra. La selección de
la muestra puede terminar en error. Por tanto, es sabio garantizar que la
recolección de los datos de la muestra siga un método que haya
comprobado su capacidad para minimizar dicho error.

Métodos de Muestreo Probabilística

Existen dos tipos de muestras: Las probabilísticas y las no probabilísticas.

Qué es una muestra probabilística: Muestra seleccionada de ta!

forma que cada artículo o persona de la población tienen !a misma
probabilidad de ser incluida en la muestra. Si por el contrario se utilizan
métodos no probabilísticas no todos los artículos tienen la misma
probabilidad de ser incluidos por lo tanto se corre el riesgo de que los
resultados estén sesgados, lo que significa que los resultados no sean
representativos a la población.

Muestreo Aleatorio Simple

Una muestra aleatoria simple puede obtenerse simplemente
enumerando las observaciones sobre pedazos idénticos de papel,
colocándolos en un sombrero y sacando el número deseado de modo que
cada uno de los elementos o personas en la población tenga las mismas
probabilidades de ser incluidos. Además, también puede hablarse de la
tabla de números aleatorios.

Muestreo Sistemático
Una muestra sistemática se forma seleccionando cada /-ésimo ítem
de la población. Si se determina que / es igual a 10, una muestra
sistemática consta de cada décima observación en la población. La
población debe ordenarse o enumerarse en forma aleatoria. La primera
selección debe determinarse aleatoriamente, y si i= 10, entonces estará
en alguna de las primeras 10 observaciones. El punto Inicial exacto puede
identificarse bien sea seleccionando un número entre 1 y 10 sacado de un
sombrero, o utilizando una tabla de números aleatorios. En cualquiera de
los casos se selecciona de allí en adelante cada décima observación.

Este muestreo es ventajoso porque no requiere de un experto

altamente calificado para contar hasta 10 y registrar el resultado Además
el método permite flexibilidad ya que puede establecerse que / sea 10,
100, 1000 o cualquier otro número deseado. La determinación del valor
apropiado para / también es muy fácil. Si se desea seleccionar una
muestra de tamaño 100 de una población de 1000. El peligro principal que
debe evitarse es la ocurrencia de un patrón en el ordenamiento de la
población. Por ejemplo enumerar a la población alfabéticamente.

Muestreo Estratificado
Una muestra estratificada se divide una población en subgrupos
llamados estratos, y se selecciona una muestra para cada uno de ellos,
forzando las proporciones de la muestra de cada estrato para que esté
conforme al patrón poblacional. Se emplea comúnmente cuando la
población es heterogénea, o disímil, aunque ciertos grupos homogéneos
puedan aislarse. De esta forma el investigador puede incrementar la
precisión más allá del obtenido por una muestra aleatoria simple de
tamaño similar.

Muestreo por Conglomerados

El muestreo por conglomerados ofrece ciertas ventajas sobre otros
métodos. Consiste en dividir toda la población en conglomerados o
grupos y luego seleccionar una muestra de estos conglomerados. Todas
las observaciones en estos conglomerados seleccionados están incluidas
en la muestra. Este procedimiento con frecuencia es más fácil y rápido
que el muestreo aleatorio simple o estratificado. También es posible
combinar el muestreo estratificado con el muestreo por conglomerados
Error en el muestreo: Es la diferencia de un estadístico de la muestra y un
parámetro de la población.

Teorema del Límite Central

 El Teorema del Límite Central dice que si tenemos un grupo
numeroso de variables independientes y todas ellas siguen el mismo
modelo de distribución (cualquiera que éste sea), la suma de ellas se
distribuye según una distribución normal. Por ejemplo: la variable "tirar
una moneda al aire" sigue la distribución de Binomial. Si lanzamos la
moneda al aire 50 veces, la suma de estas 50 variables (cada una
independiente entre si) se distribuye según una distribución normal. Este
teorema se aplica tanto a suma de variables discretas como de variables
continuas. Los parámetros de la distnbución normal son:

Media: n * m (media de ía variable individua! multiplicada por e!

número de variables independientes)
Varianza: n * s2 (varianza de la vanabie individual multiplicada por
el número de variables individuales)

Valor esperado de un estimado) y sesgo

El valor esperado de un estimador nos da un valor alrededor del
cual es muy probable que se encuentre el valor dei estimador. Para poner
un ejemplo, si supiéramos que el valor esperado de una estadística es 4,
esto significaría que al tomar una muestra:
No creemos que el valor de la estadística vaya a ser 4.
Pero tampoco creemos que el valor de la estadística vaya a estar lejos de
4.
Ya que es muy probable que el valor del estimador esté cerca de
su valor esperado, una propiedad muy deseable es que ese valor
esperado del estimador coincida con el del parámetro que se pretende
estimar. Al menos, quisiéramos que el valor esperado no difiera mucho
del parámetro estimado. Por esa razón es importante la cantidad que,
técnicamente llamamos sesgo. El sesgo es la diferencia entre el valor
esperado del estimador y el parámetro que estima.
 Si el sesgo O, se dice que el estimador es instigado y ésta es una
característica buena para un estimador Un estimador que es instigado
tiene una alta probabilidad de tomar un valor cercano al valor del
parámetro.

Varianza de un estimador
Otra propiedad importante de un estimador es su varianza (o su
raíz cuadrada, la desviación estándar). La importancia de la desviación
estándar es que nos permite darle un sentido numérico a la cercanía del
valor del estimador a su valor esperado.

Análisis

Las muestras se obtienen con la intención de inferir propiedades de

la totalidad de la población, para lo cual deben ser representativas de la
misma. Para cumplir esta característica la inclusión de sujetos en la
muestra debe seguir una técnica de muestreo. En tales casos, puede
obtenerse una información similar a la de un estudio exhaustivo con
mayor rapidez y menor coste (véanse las ventajas de la elección de una
muestra, más abajo).

Por otra parte, en ocasiones, el muestreo puede ser más exacto

que el estudio de toda la población porque el manejo de un menor número
de datos provoca también menos errores en su manipulación. En
cualquier caso, el conjunto de individuos de la muestra son los sujetos
realmente estudiados.

El uso de muestras para deducir fiablemente características de la

población requiere que se trate con muestras aleatorias. Si la muestra
estadística considerada no constituye una muestra aleatoria las conclusiones
basadas en dicha muestra no son fiables y en general estarán sesgadas en
algún aspecto.