SESIÓN

SESIÓN 11

Estadística Inferencial
 PRESENTACIÓN DOCENTE

¿Quién es su docente a cargo?

• Nombre: Mg. Edith Silva Rubio

• Curso: Estadística Inferencial
PRESENTACIÓN DEL CURSO

REVISEMOS NUESTRO SILABO

 PRESENTACIÓN DEL CURSO

Sumilla
La asignatura de estadística inferencial tiene la naturaleza Teórico -
Práctico, tiene como propósito brindar al alumno el marco
conceptual y práctico de los componentes para las estimaciones
poblacionales a partir de una muestra significativa, por ello se
desarrollan los principios básicos de la teoría del muestreo y
estadística inferencial que servirán para la mejor comprensión de
los métodos de estimación intervalica, pruebas de hipótesis
modelos probabilísticos, pruebas de bondad de ajuste, regresión
lineal y correlación.
¡Veamos!
 PRESENTACIÓN DEL CURSO

Para el ciclo Agosto 2020, mientras dure la disposición

para que las clases se dicten de manera virtual, las
evaluaciones se realizarán de la misma manera. Cabe
recalcar que es posible la asignación de evaluaciones
continuas, tareas y trabajos como parte de las
actividades del curso, los cuales podrán contribuir a la
nota de evaluación permanente. Asimismo se tienen
que realizar un trabajo de aplicación. La fórmula de
evaluación del curso es:

¡Veamos! (5%)PC1 + (10%)PC2 + (10%)PC3 + (20%)EP + (25%)TF +

(30%)EXFI
 PRESENTACIÓN DEL CURSO

Tipo Descripción Semana Observación

PC1 PRÁCTICA CALIFICADA 1 2 Individual
PC2 PRÁCTICA CALIFICADA 2 4 Individual
PC3 PRÁCTICA CALIFICADA 3 6 Individual
EP EVALUACIÓN PERMANENTE 1 8 Grupal de 5 estudiantes
TF TRABAJO FINAL 8 Grupal de 5 estudiantes
EXFI EXAMEN FINAL INDIVIDUAL 9 EXFI
PRESENTACIÓN DEL CURSO

Valores y buenas prácticas

1. RESPETO
2. COMUNICACIÓN
3. PUNTUALIDAD
4. ASISTENCIA
5. RESPONSABILIDAD
 PRESENTACIÓN DEL CURSO

Pautas de trabajo
Se deberán conectar a Zoom los lunes de
7:00 pm - 10:00 pm

Durante la semana estará habilitado un

foro de consultas en Canvas donde podrán
registrar sus dudas
 Conceptos
básicos de estadística
 SUMARIO

1. CONCEPTOS BÁSICOS.
2. POBLACIÓN.
3. MUESTRA. TIPOS DE MUESTREO
4. TABLAS ESTADÍSTICAS.
 LOGRO

Al finalizar la sesión de aprendizaje el estudiante conocerá e

identificará los conceptos básicos de estadística inferencia
relacionados a la población y a la muestra.
 1. CONCEPTOS BÁSICOS
 POBLACIÓN: conjunto de elementos en los que se observa
alguna característica común.
 MUESTRA: conjunto de unidades representativas de una
población(representativa, tamaño óptimo)
 VARIABLE: Es una característica, cualidad de un objeto de
estudio y que tiende a ser medido.
 OBSERVACIONES(DATO): valores que toma la característica
( Variable) observada en cada elemento de la población.
 PARÁMETRO: Característica numérica que describe una
variable observada en la población.
 ESTADÍSTICO: característica numérica que describe una
variable observada en muestra.
 1. CONCEPTOS BÁSICOS
INFERENCIA ESTADÍSTICA: basada en el estudio
de las muestras . la muestra debe ser
representativa de la población y debe tener un
tamaño optimo para extraer conclusiones
validas sobre esta población. Además la
muestra debe ser aleatoria.

MUESTREO ALEATORIO SIMPLE: cada elemento de

la población tiene la misma probabilidad
(Equiprobabilidad) de ser elegido para formar
parte de la muestra y cada muestra del mismo
tamaño tiene la misma probabilidad de ser
seleccionada.
 1. CONCEPTOS BÁSICOS
MUESTRA ALEATORIA SIMPLE : MAS
Una MAS de tamaño n, es un conjunto de n variables
aleatorias X1, X2,….., Xn, que verifican que:
a. Son independientes entre si.
b. Cada Xi tiene idénticas características que X
El muestreo aleatorio simple en poblaciones finitas se
realiza “con reemplazo”, es decir: Se selecciona un
elemento de la población al azar, se observa el valor de la
variable aleatoria X, se devuelve a la población y se vuelve
a seleccionar otro elemento. Así hasta obtener los n
elementos. Este procedimiento garantiza la
independencia de las observaciones. El muestreo también
puede ser “Sin reemplazo”
El muestreo aleatorio simple sin reposición siempre es más eficiente: Cesar Pérez (Pearson 2005)
EJERCICIO N° 1
 EJERCICIO N° 1
Población: 860 alumnos de la UTP, del sexto ciclo de la carrera de ingeniería de
sistemas del mes de julio del 2016 distribuidos en 9 secciones

Muestra: 100 alumnos de la UTP, del sexto ciclo de la carrera de ingeniería de

sistemas del mes de julio del 2016 distribuidos en 9 secciones

Unidad de análisis: 1 alumno de la UTP, del sexto ciclo de la carrera de ingeniería

de sistemas del mes de julio del 2016

Variables: Edad, Género, Sueldo, Estado laboral

Datos: 20 años, Masculino, 1200, Trabaja

 EJERCICIO N° 1

Parámetros:
• 𝜇 = 24 años de edad promedio de los 860 alumnos de la UTP del sexto ciclo de la
carrera de ingeniería de sistemas del mes de julio del 2016
• Π = 52% de los 860 alumnos de la UTP son del género masculino del sexto ciclo de la
carrera de ingeniería de sistemas del mes de julio del 2016

Estadísticos o estadígrafos:
• X = 1200 soles es el sueldo promedio de los alumnos de la muestra
• 𝜌 = 70% de los alumnos de la muestra trabajan y pagan sus estudios
EJERCICIO N° 2
 EJERCICIO N° 2

Población: todos los obreros que laboran en la empresa ‘El Triunfo S.A.
Muestra: 20 obreros que laboran en la empresa ‘El Triunfo S.A.

Unidad de análisis: 1 obrero que labora en la empresa ‘El Triunfo S.A.

Variables: sueldo

Datos: S/ 660, S/ 689, S/ 678, …

Parámetros: no posee

Estadísticos o estadígrafos:
X = 701 soles es el sueldo promedio de los 20 obreros que laboran en la empresa ‘El Triunfo S.A.
 2. MUESTREO
El muestreo es una herramienta de la investigación científica, cuya función básica es determinar
que parte de una población debe examinarse (seleccionar los elementos objeto de estudio de
una población), con la finalidad de hacer inferencias sobre dicha población.

Muestreo probabilístico (Aleatorio) Muestreo no probabilístico (No aleatorio)

 Todo los elementos tienen la misma  Todo los elementos no tienen la misma
posibilidad de ser elegidos. probabilidad de ser elegido.
(equiprobabilidad)  Son muestreos que seguramente
 Nos aseguran la representatividad esconden sesgos.
de la muestra.  En principio no se pueden extrapolar
 Se puede sacar conclusiones acerca (Inferencia estadística) los resultados a
de la población( Inferencia la población.
Estadística)  Bajo Coste ( Criterio No estadístico)
 Alto coste (Criterios Estadístico)
 2. TIPOS DE MUESTREO

• Aleatorio Simple
• Aleatorio Sistemático
Probabilístico • Estratificado
• Conglomerado

• Por Cuota
• Intencional o conveniencia
No Probabilístico • Bola de Nieve
• Discrecional
 MUESTREO ALEATORIO SIMPLE
Técnica de muestreo probabilístico Todos los elementos de la
población tiene la misma oportunidad de ser elegidos es conocida
y equitativa. El muestreo aleatorio simple es la
más básica en su tipo y conforma
Ejemplo: la base de todas las demás
técnicas.
Se tiene que interrogar a 20 estudiantes ( tamaño muestra) de una
facultad de 3880, cuyos nombres figuran en un registro, se
enumerará primero cada nombre, posteriormente se generará una
lista de 20 números aleatorios diferentes dentro de 3880. De ésta
forma se elige a los 20 estudiantes, todos los elementos tienen la
misma probabilidad de ser seleccionados.

Desventaja
• Dificultad al elegir todos los números aleatorios si n es grande, alto costo
• Necesita una lista completa de los elementos de la población ( Marco muestral)
 MUESTREO SISTEMÁTICO
Se aplica cuando la población es bastante irregular respecto al carácter que estamos estudiando y
deseamos que en la muestra se refleje toda esta variabilidad.

1 2 3 N

Ejemplo.
un empresario tiene una población total de 100 clientes y necesita 12 de ellos para una encuesta
sorpresa. Su asistente se para en la puerta de ingreso de la tienda y primero elige un número de
partida, 5 ( Cliente N° 5), Luego el empresario elige su intervalo, 8. Los miembros de su muestra
serán los clientes en orden 5, 13, 21, 29, 37, 45, 53, 61, 69, 77, 85, 93.

• Fácil de seleccionar en campo o durante un operativo

• En el muestreo aleatorio sistemático modificada ,primero se calcula el tamaño de la muestra (n).
 MUESTREO ESTRATIFICADO
Muestreo Probabilístico Estratificado

• Se estratifica la población según ciertas variables de interés ( sexo, Ingreso,.. Etc )

• Cada estrato Homogéneos en su interior; diferentes entre sí en propiedades y tamaño
• Los estratos más grandes tienen mayor probabilidad de ser representados
 MUESTREO POR CONGLOMERADOS
El muestreo por conglomerados es una técnica que aprovecha la existencia de grupos o conglomerados en
la población, Este tipo de muestreo se utiliza cuando se trata de obtener una muestra al azar de una
población dispersa en una gran área geográfica.

Se desea estimar el ingreso

promedio por hogar en una ciudad

Número de Jefes de familia por manzana

Por ejemplo: 200 manzanas se localizan en
un total de 35 Pueblos.Se selecciona una
muestra aleatoria simple de 15 pueblos y se
determina el número de Jefes de familia por
manzana.

Los conglomerados son heterogéneos en su interior; diferentes entre sí en

propiedades y tamaño.
 MUESTREO POR CONVENIENCIA
 Es una técnica no pirobalística comúnmente usada. Consiste en seleccionar una
muestra de la población por el hecho de que sea accesible. Implica un bajo coste
operativo y bajo coste en el muestreo

Ejemplo: Queremos conocer la opinión de los estudiantes universitarios de Lima acerca de la

política.
Una muestra por conveniencia podría consistir en dirigirme a 3 universidades cercanas,
simplemente porque están en la población en la que reside el encuestador, y encuestar a unos
cuantos individuos que acepten participar al salir de las aulas por la mañana
 MUESTREO POR CUOTA
El muestreo por cuotas es la versión no probabilística del muestreo estratificado,
Consta de tres fases:

1) Encontrar los grupos: Dividir la población en grupos según variable de

interés( Sexo, Edad,…)
2) Fijar el tamaño de las cuotas: se fijan unas "cuotas" que consisten en un
número de individuos a encuestar para cada uno de estos grupos
3) Selección de los individuos y comprobar las cuotas: Se busca a los
individuos(Cuotas) de manera no aleatoria, puede ser por un muestreo por
conveniencia
 MUESTREO POR BOLA DE NIEVE
 Se localiza a algunos individuos, los cuales conducen a otros, y estos a otros(Bola de
nieve), y así hasta conseguir una muestra suficiente. Este tipo se emplea muy
frecuentemente cuando se hacen estudios con poblaciones de difícil acceso
"marginales", delincuentes, sectas, determinados tipos de enfermos, etc.
 MUESTREO DISCRECIONAL
 A criterio del investigador los elementos son elegidos sobre lo que él cree que
pueden aportar al estudio o investigación.

En un estudio en donde un investigador quiere

saber qué es necesario para graduarse con los más
altos honores en la universidad, las únicas personas
que podrán brindarle el mejor asesoramiento serán
las personas que se graduaron con los más altos
honores. Con este grupo tan específico y limitado de
personas que serán los sujetos, el investigador debe
utilizar el muestreo discrecional.
 RESUMEN

Población

• Aleatorio Simple
• Aleatorio Sistemático
Probabilístico • Estratificado
Muestra
• Conglomerado

Tipos de
• Por Cuota
Muestreo
• Intencional o
No Probabilístico conveniencia
• Bola de Nieve
• Discrecional
 Enlaces Externos
Lectura Recomendada:
MALHOTRA, NARESH K. (2008). Investigación de mercados. México: Pearson Educación.
http://www.cars59.com/wp-content/uploads/2015/09/Investigacion-de-Mercados-Naresh-Malhotra.pdf
Página 340

Canal Bio-estadístico
https://www.youtube.com/watch?v=_rXg9-EOWxc

https://www.youtube.com/watch?v=zGtk_Ii9VBs
 TABLAS ESTADÍSTICAS
Tabla Distribución Normal ( Positivo y Negativo)

Recordemos el uso de la tabla normal estándar: Z

a) P[ Z  0.93] (caso1)
b) p   0.52  z  1.03 (caso3)

c) p  z  1, 27  (caso2)

Solución:
a) P( Z  0.93)  0.82381( Área)
 TABLAS ESTADÍSTICAS
b) p   0.52  z  1.03 Propiedad
p   0.52  z  1.03  p  z  1.03  p  z   0.52  0.5470
BuscarTabla BuscarTabla

c) p  z  1.27 Propiedad

p  z  1.27   1  p  z  1.27   1  0.8980  0.1020

Buscar Tabla

No olvidar!

P( Z  a)  P( Z  a)
P( Z  a)  1  P( Z  a)
P ( a  Z  b)  P ( Z  b)  P ( Z  a )
 TABLAS ESTADÍSTICAS
TABLA CHI-CUADRADO

TABLA F- FISHER Tabla T-student (Positivo, Negativo)

 TALLER GRUPAL

Grupos de 4 Estudiantes
Vamos a los
ejercicios propuestos
de la separata!!
 CIERRE
¿QUÉ HEMOS APRENDIDO?
1. ¿Por qué es importante obtener una
muestra representativa de la población?

2. ¿Cuáles es la principal diferencia entre el

muestreo probabilístico y un muestreo no
probabilístico?