INFERENCIA ESTADISTICA
La estimación de parámetros:
Cuando se habla de una inferencia estadística decimos que es sacar una consecuencia de
una cosa. Sacar consecuencia o deducir una cosa de otra. La estadística, ciencia o rama de
las Matemáticas que se ocupa de recoger datos, analizarlos y organizarlos, y de realizar las
predicciones que sobre esos datos puedan deducirse, tiene dos vertientes básicas:
 Estadística Descriptiva: Básicamente se ocupa de la 1ª parte, es decir, a partir de ciertos
datos, analizarlos y organizarlos. Es aquí donde tiene sentido calcular la media, mediana,
moda, desviación media, desviación típica, etc.
 Estadística Inferencial: Se ocupa de predecir, sacar conclusiones, para una población
tomando como base una muestra (es decir, una parte) de dicha población. Como todas las
predicciones, siempre han de hacerse bajo un cierto grado de fiabilidad o confianza.
Todo esto se basara tomando como objetivo principal el muestreo, que es un grupo
seleccionado de una población que compartan características en fines, con la intención de
poder interpretar esas características y dar un resultado favorable
DEFINICION: La inferencia estadística es el conjunto de métodos y técnicas que permiten
inducir, a partir de la información empírica proporcionada por una muestra, el cual es el
comportamiento de una determinada población con un riesgo de error medible en términos
de probabilidad.
Los métodos paramétricos de la inferencia estadística se pueden dividir, básicamente, en
dos:
 Métodos de estimación de parámetros
 Métodos de contraste de hipótesis
Ambos métodos se basan en el conocimiento teórico de la distribución de probabilidad del
estadístico muestral que se utiliza como estimador de un parámetro.
1.
Consiste en asignar un valor concreto al parámetro (p: proporción de una población) o
parámetros (µ:media de una población) que caracterizan la distribución de probabilidad de
la población. Cuando se estima un parámetro poblacional, aunque el estimador que se utiliza
posea todas las propiedades deseables, se comete un error de estimación que es la
diferencia entre la estimación y el verdadero valor del parámetro.
El error de estimación es desconocido por lo cual es imposible saber en cada caso cual ha
sido la magnitud o el signo del error; para valorar el grado de precisión asociado con una
estimación puntual se parte de dicha estimación para construir un intervalo de confianza.
En síntesis, un intervalo de confianza está formado por un conjunto de valores numéricos tal
que la probabilidad de que éste contenga al verdadero valor del parámetro puede fijarse tan
grande como se quiera. Esta probabilidad se denomina grado de confianza del intervalo, y la
amplitud de éste constituye una medida del grado de precisión con el que se estima el
parámetro.
2. Los métodos de contraste de hipótesis:
Tienen como objetivo comprobar si determinado supuesto referido a un parámetro
poblacional, o a parámetros análogos de dos o más poblaciones, es compatible con la
evidencia empírica contenida en la muestra.
Los supuestos que se establecen respecto a los parámetros se llaman hipótesis paramétricas.
Para cualquier hipótesis paramétrica, el contraste se basa en establecer un criterio de
decisión, que depende en cada caso de la naturaleza de la población, de la distribución de
probabilidad del estimador de dicho parámetro y del control que se desea fijar a priori sobre
la probabilidad de rechazar la hipótesis contrastada en el caso de ser ésta cierta.
En todo contraste intervienen dos hipótesis. La hipótesis nula (Ho) es aquella que recoge el
supuesto de que el parámetro toma un valor determinado y es la que soporta la carga de la
prueba. La decisión de rechazar la hipótesis nula, que en principio se considera cierta, está
en función de que sea o no compatible con la evidencia empírica contenida en la muestra. El
contraste clásico permite controlar a priori la probabilidad de cometer el error de rechazar
la hipótesis nula siendo ésta cierta; dicha probabilidad se llama nivel de significación del
contraste ( ) y suele fijarse en el 1%, 5% o 10%.
La proposición contraria a la hipótesis nula recibe el nombre de hipótesis alternativa (H1) y
suele presentar un cierto grado de indefinición: si la hipótesis alternativa se formula
simplemente como 'la hipótesis nula no es cierta', el contraste es bilateral o a dos colas; por
el contrario cuando se indica el sentido de la diferencia, el contraste es unilateral o a una
sola cola.
Cuando se realiza un contraste con el SPSS no se fija el nivel de significación deseado, el
programa calcula el valor-p o significación asintótica, que es la probabilidad de que el
estadístico de prueba tome un valor igual o superior al muestral bajo el supuesto de que la
hipótesis nula es cierta. Por tanto, si el valor-p es menor o igual que el nivel de significación
deseado se rechazará Ho. Un valor-p próximo a cero indica que se rechazará la Ho para
cualquier nivel de significación.
MUESTREO
El muestro es una parte representativa de la población sobre los que hacemos cierto
estudio, y que una muestra es un subconjunto de la población. Es evidente que los resultados
de una determinada encuesta tendrán un mayor grado de fiabilidad si dicha encuesta se
realiza sobre la población completa.
Sin embargo, en la mayoría de las ocasiones esto no es posible, debido a múltiples razones:
 Imposibilidad material (Hacer una encuesta a los casi 41 millones de españoles es
imposible, hacer un estudio sobre la fecha de caducidad de un producto. Si lo
hacemos con todos los productos ¿qué vendemos luego?)
 Imposibilidad temporal (Hacer un estudio sobre la duración de una bombilla.
¿Cuánto debemos esperar para saberlo?). Por tanto, es habitual que tengamos que
manejarnos con muestras, de modo que es importante saber elegir bien una
muestra de la población, una muestra que represente bien a dicha población.
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 errores más comunes que se pueden cometer son:
1.- Hacer conclusiones muy generales a partir de la observación de sólo una parte
de la Población, se denomina error de muestreo.
2.- Hacer conclusiones hacia una Población mucho más grandes de la que
originalmente se tomó la muestra. Error de Inferencia.
En la estadística se usa la palabra población para referirse no sólo a personas sino a
todos los elementos que han sido escogidos para su estudio y el término muestra
se usa para describir una porción escogida de la población.
Si la muestra está mal elegida, diremos que no es representativa. En este caso, se
pueden producir errores imprevistos e incontrolados. Dichos errores se denominan
sesgos y diremos que la muestra está sesgada. Una de las condiciones para que una
muestra sea representativa es que el muestreo (o sistema para elegir una muestra
de una población) que se haga sea aleatorio, es decir, todas las personas de la
población tengan las mismas posibilidades de ser elegidas, mientras que si la
elección de la muestra es subjetiva, es probable que resulte sesgada.
Las razones para estudiar muestras en lugar de poblaciones son diversas y entre
ellas podemos señalar
A. Ahorrar tiempo. Estudiar a menos individuos es evidente que lleva menos tiempo.
B. Como consecuencia del punto anterior ahorraremos costes.
 C. Estudiar la totalidad de los pacientes o personas con una característica
determinada en muchas ocasiones puede ser una tarea inaccesible o imposible de
realizar.
D. Aumentar la calidad del estudio. Al disponer de más tiempo y recursos, las
observaciones y mediciones realizadas a un reducido número de individuos
pueden ser más exactas y plurales que si las tuviésemos que realizar a una
población.
E. La selección de muestras específicas nos permitirá reducir la heterogeneidad de
una población al indicar los criterios de inclusión y/o exclusión.
VENTAJAS DEL METODO DE MUESTREO
COSTO REDUCIDO: Si los datos se obtienen únicamente de una fracción del total, los
gastos son menores que de los que se realizarían si se llevara a cabo un censo completo.
MAYOR RAPIDEZ: Por la misma razón los datos pueden ser recolectados y resumidos más
rápidamente que con una muestra que con una enumeración completa. Esta es una
consideración vital cuando se necesita la información con urgencia.
MÁS POSIBILIDADES: Para obtener la información en ciertos tipos de encuestas, se
utilizan los servicios de personal altamente calificado o de un equipo muy especializado
de disponibilidad limitada. Por lo tanto, en estos casos el censo completo es
impracticable y como alternativa a la obtención de datos por muestreo, solo existe la de
no obtenerlos.
De ahí que las encuestas basadas en el muestreo tienen más posibilidades y flexibilidad
respecto a la información que puede obtenerse. Por otra parte, se desea una información
exacta de muchas subdivisiones de la población, el tamaño de muestra requerida es en
ocasiones tan grande que la mejor opción es la enumeración completa.
MAYOR EXACTITUD: Debido a que al reducir el volumen de trabajo se puede emplear
personal más capacitado y someterlo a un entrenamiento intensivo y debido también a
que en estas condiciones será factible la supervisión cuidadosa del trabajo de campo y
del procedimiento de los resultados, una muestra puede producir resultados más exactos
que la enumeración completa.
ETAPAS DE UN ESTUDIO CON MUESTREO
1. Definición de objetivos:
Esta etapa comprende la identificación del problema y el establecimiento de las metas
del estudio.
2. Definición del marco de muestreo:
El marco de muestreo es el conjunto de las unidades de muestreo que constituyen una
población. Este generalmente puede ser de dos tipos:
a) Marco lista:
Es una lista depurada (sin traslapes o duplicaciones), que permite identificar a cada
unidad de muestreo. Es recomendable que además de identificar a cada unidad muestral,
incluya algunas otras características de interés.
Ejemplo:
- Tamaño de la finca de cada proveedor.
- Una lista que contenga el nombre de todos los proveedores de caña de azúcar de una
agroindustria.
- Población de laboratorios médicos de un medicamento.
b) Es un plano o mapa:
Permite identificar pequeñas áreas usadas como unidades de muestreo en las que se ha
dividido el área total.
3. Variables a medir y métodos de medición:
Es importante considerar el tipo de variable a medir, por ejemplo:
- Si se va a estudiar el rendimiento de caña de azúcar, la variable es de tipo continua.
- Si interesa estimar la proporción de agricultores que utilizan herbicidas para el control
de malezas, se medirá una variable de tipo binomial.
El tipo de variable a medir ayuda a definir el esquema o tipo de muestreo.
Los métodos de medición deben tener las siguientes características:
a) Uniformidad
b) Practica
c) Debe ser comprensibles para el grupo de trabajo
4. Tipo o esquema de muestreo
Existen actualmente una gran variedad de tipos o esquemas de muestreo que han sido
desarrollado para diferentes situaciones, entre los más usados están: muestreo simple
aleatorio, muestreo aleatorio estratificado, sistemático.
5. Selección de la muestra
Existe, actualmente, una gran variedad de planes para seleccionar una muestra. Por cada
plan considerado, se pueden hacer estimaciones del tamaño de la muestra, partiendo de
 un gran conocimiento del nivel de precisión deseado. Los costos relativos y el tiempo
empleado para cada plan también se comparan antes de tomar una decisión.
6. La encuesta piloto
Es de gran utilidad probar el cuestionario y los métodos de campo en pequeña escala.
Estos casi siempre dan por resultado mejoras al cuestionario y puede evitar otros
problemas que serían serios a mayor escala, por ejemplo, el costo fuera mucho mayor al
esperado.
7. Selección de las unidades de muestreo
Consiste en extraer un número “n” de unidades muestrales de una población de tamaño
“N”.
8. Premuestro y pruebas de campo
En un estudio es conveniente someter el método a una prueba previa por las siguientes
razones:
a) Algunas veces es imprescindible realizar un Pre-muestreo para tener una estimación
preliminar de la variabilidad de la población.
b) Verificar la funcionalidad de un método de muestreo.
c) Estimar costos.
d) Conocer la estimación, de la organización del trabajo de campo.
e) Captar la aceptación, rechazo o dificultad para obtener la información.
9. Organización del trabajo de campo
Incluye la capacitación de personal todas las operaciones necesarias para obtener la
información buscada.
En encuestas extensas se encuentran muchos problemas de orden administrativo. El
personal debe recibir un entrenamiento sobre el propósito de la encuesta y métodos de
medición que se emplearan. Además, se debe supervisar adecuadamente su trabajo. Un
procedimiento de verificación anticipado sobre la calidad de las respuestas es de
incalculable valor. Se deben hacer planes para manejar las no respuestas, es decir, la falla
del enumerador para obtener la información de ciertas unidades de la muestra.
10. Análisis y edición de resultados
Puede consistir solo en la representación e interpretación de distribuciones simples,
tabulaciones, graficas o puede considerar en análisis estadístico más completo
(estimaciones, pruebas de hipótesis, etc.) Esto depende de los objetivos del trabajo.
TIPOS DE MUESTREO
Hay muchas maneras de elegir una muestra de una población. Antes de pasar a analizar
dichas formas de extracción de muestras, lo que si hemos de dejar claro es que todas las
muestras han de cumplir varias condiciones indispensables. Es evidente que para que el
estudio a realizar sea fiable, hay que cuidar mucho la elección de la muestra, para que
represente en la medida de lo posible a la población de la que se extrae.
Existen diferentes criterios de clasificación de los diferentes tipos de muestreo, aunque en
general pueden dividirse en dos grandes grupos: métodos de muestreo probabilísticos y
métodos de muestreo no probabilísticos.
Las distintas maneras de elegir una muestra de una población se denominan muestreos.
Básicamente hay dos tipos de muestreos:
MUESTREO PROBABILISTICO
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. Cuando la muestra se elige al azar. En este
caso podemos distinguir varios tipos.
MUESTREO ALEATORIO SIMPLE: Aquel en el que cada individuo de la población tiene las
mismas posibilidades de salir en la muestra.
El procedimiento empleado es el siguiente:
1) Se asigna un número a cada individuo de la población
2) a través de algún medio mecánico (bolas dentro de una bolsa, tablas de números
aleatorios, números aleatorios generadas con una calculadora u ordenador, etc.) se eligen
tantos sujetos como sea necesario para completar el tamaño de muestra requerido.
Este procedimiento, atractivo por su simpleza, tiene poca o nula utilidad práctica cuando la
población que estamos manejando es muy grande.
A. MUESTREO SISTEMÁTICO: En el que se elige un individuo al azar y a partir de él, a
intervalos constantes, se eligen los demás hasta completar la muestra.
Este procedimiento exige, como el anterior, numerar todos los elementos de la
población, pero en lugar de extraer n números aleatorios sólo se extrae uno. Se
 parte de ese número aleatorio i, que es un número elegido al azar, y los elementos
que integran la muestra son los que ocupa los lugares i, i+k, i+2k, i+3k,...,i+(n-1)k, es
decir se toman los individuos de k en k, siendo k el resultado de dividir el tamaño
de la población entre el tamaño de la muestra: k= N/n. El número i que empleamos
como punto de partida será un número al azar entre 1 y k.
El riesgo este tipo de muestreo está en los casos en que se dan periodicidades en la
población ya que al elegir a los miembros de la muestra con una periodicidad
constante (k) podemos introducir una homogeneidad que no se da en la población.
Imaginemos que estamos seleccionando una muestra sobre listas de 10 individuos
en los que los 5 primeros son varones y los 5 últimos mujeres, si empleamos un
muestreo aleatorio sistemático con k=10 siempre seleccionaríamos o sólo hombres
o sólo mujeres, no podría haber una representación de los dos sexos.
B. MUESTREO ESTRATIFICADO: En este muestreo se divide la población en clases o
estratos y se escoge, aleatoriamente, un número de individuos de cada estrato
proporcional al número de componentes de cada estrato.
Trata de obviar las dificultades que presentan los anteriores ya que simplifican los
procesos y suelen reducir el error muestral para un tamaño dado de la muestra.
Consiste en considerar categorías típicas diferentes entre sí (estratos) que poseen
gran homogeneidad respecto a alguna característica (se puede estratificar, por
ejemplo, según la profesión, el municipio de residencia, el sexo, el estado civil, etc.).
Lo que se pretende con este tipo de muestreo es asegurarse de que todos los
estratos de interés estarán representados adecuadamente en la muestra. Cada
estrato funciona independientemente, pudiendo aplicarse dentro de ellos el
muestreo aleatorio simple o el estratificado para elegir los elementos concretos que
formarán parte de la muestra. En ocasiones las dificultades que plantean son
demasiado grandes, pues exige un conocimiento detallado de la población.
(Tamaño geográfico, sexos, edades,...).
La distribución de la muestra en función de los diferentes estratos se denomina
afijación, y puede ser de diferentes tipos:
 Afijación Simple: A cada estrato le corresponde igual número de
elementos muéstrales.
 Afijación Proporcional: La distribución se hace de acuerdo con el peso
(tamaño) de la población en cada estrato.
 Afijación Óptima: Se tiene en cuenta la previsible dispersión de los
resultados, de modo que se considera la proporción y la desviación típica.
Tiene poca aplicación ya que no se suele conocer la desviación.
C. MUESTREO POR CONGLOMERADOS: Si no disponemos de la relación de los
elementos de la población, o de los posibles estratos, no podemos aplicar los
muestreos anteriores. Aquí entra el llamado muestreo por conglomerados, donde
en lugar de elegir individuos directamente, se eligen unidades más amplias donde
se clasifican los elementos de la población, llamados conglomerados. En cada etapa
del muestreo en lugar de seleccionar elementos al azar seleccionamos
conglomerados. Los conglomerados deben ser tan heterogéneos como la población
a estudiar, para que la represente bien. Luego se elegirían algunos de los
conglomerados al azar, y dentro de ´estos, analizar todos sus elementos o tomar
una muestra aleatoria simple.
Los métodos presentados hasta ahora están pensados para seleccionar
directamente los elementos de la población, es decir, que las unidades muéstrales
son los elementos de la población.
 En el muestreo por conglomerados la unidad muestral es un grupo de
elementos de la población que forman una unidad, a la que llamamos
conglomerado. Las unidades hospitalarias, los departamentos
universitarios, una caja de determinado producto, etc., son conglomerados
naturales. En otras ocasiones se pueden utilizar conglomerados no
naturales como, por ejemplo, las urnas electorales. Cuando los
conglomerados son áreas geográficas suele hablarse de "muestreo por
áreas".
 El muestreo por conglomerados consiste en seleccionar aleatoriamente un
cierto número de conglomerados (el necesario para alcanzar el tamaño
muestral establecido) y en investigar después todos los elementos
pertenecientes a los conglomerados elegidos.
No debemos confundir estrato y conglomerado. Un estrato es homogéneo (sus elementos
tienen las mismas características), mientras que un conglomerado es heterogéneo (debe
representar bien a la población).
MUESTREO NO PROBABILÍSTICO
El investigador no elige la muestra al azar, sino mediante determinados criterios subjetivos.
A veces, para estudios exploratorios, el muestreo probabilístico resulta excesivamente
costoso y se acude a métodos no probabilísticos, aun siendo conscientes de que no sirven
para realizar generalizaciones (estimaciones inferenciales sobre la población), pues no se
tiene certeza de que la muestra extraída sea representativa, ya que no todos los sujetos de
la población tienen la misma probabilidad de se elegidos. En general se seleccionan a los
sujetos siguiendo determinados criterios procurando, en la medida de lo posible, que la
muestra sea representativa
muestra los individuos a los que se tiene fácil acceso (los profesores de universidad emplean
con mucha frecuencia a sus propios alumnos).
3.- BOLA DE NIEVE:
Se localiza a algunos individuos, los cuales conducen a otros, y estos a otros, y así
hasta conseguir una muestra suficiente. Este tipo se emplea muy frecuentemente cuando
se hacen estudios con poblaciones "marginales", delincuentes, sectas, determinados tipos
de enfermos, etc.

En algunas circunstancias los métodos estadísticos y epidemiológicos permiten resolver los 4.- MUESTREO DISCRECIONAL · A criterio del investigador los elementos son elegidos sobre
problemas de representatividad aun en situaciones de muestreo no probabilístico, por lo que él cree que pueden aportar al estudio.
ejemplo los estudios de caso-control, donde los casos no son seleccionados aleatoriamente
de la población.

Entre los métodos de muestreo no probabilísticos más utilizados en investigación

encontramos:

1.- MUESTREO POR CUOTAS:

También denominado en ocasiones "accidental". Se asienta generalmente sobre la base de

un buen conocimiento de los estratos de la población y/o de los individuos más
"representativos" o "adecuados" para los fines de la investigación. Mantiene, por tanto,
semejanzas con el muestreo aleatorio estratificado, pero no tiene el carácter de
aleatoriedad de aquél.

En este tipo de muestreo se fijan unas "cuotas" que consisten en un número de individuos
que reúnen unas determinadas condiciones, por ejemplo: 20 individuos de 25 a 40 años,
de sexo femenino y residentes en Gijón. Una vez determinada la cuota se eligen los
primeros que se encuentren que cumplan esas características. Este método se utiliza
mucho en las encuestas de opinión.

2.- MUESTREO INTENCIONAL O DE CONVENIENCIA:

Este tipo de muestreo se caracteriza por un esfuerzo deliberado de obtener muestras

"representativas" mediante la inclusión en la muestra de grupos supuestamente típicos. Es
muy frecuente su utilización en sondeos preelectorales de zonas que en anteriores
votaciones han marcado tendencias de voto.

También puede ser que el investigador seleccione directa e intencionadamente los

individuos de la población. El caso más frecuente de este procedimiento el utilizar como