Estadística inferencial

Luis Alberto rincón valecillos

Cedula: 19546153
 Introducción
La estadística inferencial o estadística deductiva es aquella que deduce las
características de una población a partir de muestras extraídas de ella,
mediante una serie de técnicas de análisis.

Física, química, biología, ingeniería y ciencias sociales, se benefician

continuamente de estas herramientas cuando crean sus modelos y
diseñan e implementan experimentos.

La estadística surgió en tiempos remotos por la necesidad de las personas

de organizar las cosas y optimizar los recursos. Antes de la invención de la
escritura se llevaban registros del número de personas y del ganado
disponible, mediante símbolos que quedaron grabados en piedra.

Más adelante, los gobernantes chinos, babilonios y egipcios dejaron datos

acerca de la cuantía de las cosechas y la cantidad de habitantes, grabados
en tablillas de arcilla, columnas y monumentos.
 Esquema
1. Estadística inferencial
2. Aplicaciones
3. Características
4. Historia
5. Semejanza y diferencia entre estadística descriptiva y
estadística inferencia
6. Análisis de la estimación, como donde y cuando se puede
utilizar
7. Características de la estimación estadística
8. Aplicaciones de las estimación estadística
9. Importancia de la estimación estadística para el estudio
de la estadística inferencial
10. Importancia de la estadística inferencial para el
estudio de la carrera
 Desarrollo
1. Estadística inferencial
Es la rama de la estadística encargada de hacer deducción, es
decir, inferir propiedades conclusiones y tendencia, a partir de una
muestra del conjunto. Su papel es interpretar, hacer proyecciones y
comparaciones
Empleo usualmente mecanismos que le permiten llevar a cabo
dichas deducciones, tales como pruebas de estimación puntual (o
de intervalos de confianza) pruebas de hipótesis, pruebas
paramétricas (como de media de diferencia de medios,
proporciones, etc.) y no paramétricos (como la prueba del chi-
cuadrado.). También le son útiles los análisis de correlación y de
regresión las series cronológicas, el análisis de varianza, entre otros.
Por ende, la estadística inferencial es sumamente útil en el análisis
de la población y tendencia

2. Aplicaciones
 Una encuesta desarrollada por una empresa en marzo del
2010, dice que el rating de radio en Madrid está
encabezado por OC con un 10,5% seguido de RNE con
9,18%
 De acuerdo con una encuesta desarrollada por una
empresa sobre telefonía residencial en el 2009, el gasto
mensual promedio por cliente es de 90,30 euros por
clientes
 El INI informo que la encuesta permanente de hogares del
mes de marzo 2010 reporto la taza más alta de desempleo
que ascendió al 20% a nivel nacional
 Una encuesta del mes de 2006 reporto que la tasa de
desempleo ascendió al 24.3% a nivel nacional
3. Características
 La estadística inferencial estudia una población tomando
de ella una muestra representativa
  La selección de la muestra se lleva a cabo mediante
diferentes procedimientos, siendo lo más adecuados
aquellos que escogen los componentes en forma aleatoria.
Así cualquier elemento de la población tiene igual
probabilidad de ser escogido y con ello se evitan sesgo
indeseados
 Para organizar la información recogido hace uso de la
estadística descriptiva
 Construye hipótesis – suposiciones – acerca de los
parámetros de la población y las contrata, para saber si son
o no correctas y además calcula el nivel de confianza de la
repuesta, es decir, ofrece un margen de error. Al primer
procedimiento se le llama pruebas de hipótesis, mientras
que el margen de error es el intervalo de confianza
4. Historia
Desde que tenemos evidencia, las instituciones de gobierno se
han preocupado por contar y mediar sus dominios y a súbditos
 3000 a. c
Los babilonios usaban tablillas para agrupar datos sobre la
producción agrícola y los géneros cambiados mediante el
trueque
 XXXI a. c
Los egipcios analizaban los datos de la población y la renta
del país
 2000 a. c
En china existió registro numérico similar a los libros de
números y crónico
 594 a. c
Los griegos realizaban censos para cobrar impuestos
 758 y 762
El imperio romano fue el primer imperio que recopilo datos
sobre la población, superficie y renta de todos los territorios
bajo su control

 1066 y 1086
 Después de la conquista normanda de Inglaterra, el rey
Guillermo 1 encargo un censo

Durante mucho tiempo esos datos estadísticos se concebían como un

reflejo preciso de la realidad, pero a partir del siglo XIX, la estadística
inferencial comenzó a penetral en el dominio de lo incierto, surgió del
concepto de azar, que es tan antiguo como los juegos y motivos la
reflexión de los filósofos

Fue Edmun Halley (1656 – 1742) construyo por primera vez una tabla de
mortalidad que mostraba la cantidad de descensos observados por
causas.

Actualmente, los gobiernos recogen de manera sistemática datos sobre

su población, como INEGI en México, que busca conocer datos sobre los
ciudadanos, su economía, sus recursos naturales y su condición social

5. Semejanza y diferencia entre estadística descriptiva y

estadístico inferencia

Diferencia
 Estadística Descriptiva: Se dedica a los métodos de
recolección, descripción visualización y resumen de datos
originados a partir de los fenómenos en estudio y los datos
pueden ser resumidos numérica o geográficamente.
 Estadística inferencial: Es la que indaga resultados, usando
métodos y procedimientos a partir del procesamiento de la
información

Semejanza

 Estadística Descripción: Ambas ramas tanto la descriptiva

como la información comprende de la estadística
aplicada.
 Estadística Información: Es en la cual al momento de
analizar la información encontramos variables y niveles de
medición
6. Análisis de la estimación, como donde y cuando se puede
utilizar
Es el proceso mediante el que establecemos que valor debe tener
un parámetro según deducciones que realizamos a partir de
estadísticas. En otras palabras, estimar es establecer contusiones
sobre características poblacionales a partir de resultados
muéstrales.
Una estimación puntual consiste en establecer un valor concreto
(es decir, un punto) para el parámetro. El valor que escogemos para
decir el parámetro que nos preocupa vale X es el que suministra un
estadístico concreto. Como ese estadístico sirve para hacer esa
estadística media aritmética de la muestra como estimador del
parámetro media aritmética de la población. Esta significa: si
quieres conocer cuál es el valor de la media en la población,
estimaremos que es exactamente el mismo que en la nuestra que
hemos manejado
7. Características
 Sesgo: Se dice que un estimador es insesgado si la media
de la distribución del estimador es igual al parámetro.
Estimadores insesgados son la media muestral
(estimador de la media de la población) y la
varianza (estimador de la varianza de la población)

Ejemplo:
En una población de 500 puntuaciones cuya media (m) es igual
a 5.09 han hecho un muestreo aleatorio (número de muestra =
10000, tamaño de las muestras = 100) y hallan que la media de las
medias muéstrales es igual a 5.09, (la media poblacional y la media
de las medias muéstrales coinciden). En cambio, la mediana de la
población es igual a 5 y la media de las medianas es igual a 5.1 esto
es hay diferencia ya que la mediana es un estimador sesgado.
La varianza es un estimador sesgado. Ejemplo: la media de las
varianza obtenidas con las varianza

En un muestreo de 1000 muestra (n=25) en que la varianza de la

población es igual a 9.56 ha resultado igual a 9.12, esto es, no
coinciden. En cambio, al utilizar la cuasivarianza

La media de las varianzas muéstrales es igual a 9.5, esto es,

coincide con la varianza de la población ya que la cuasivarianza es
un estimador insesgado.
 Consistencia
Un estimador es consistente si aproxima el valor del
parámetro cuanto mayor en n (tamaño de la muestra).
Algunos estimadores consistentes son:

Ejemplo:
En una población de 500 puntuaciones cuya media (m) es
igual a 4.9 han hecho tres muestreos aleatorios (número de
muestras = 100) con los siguientes resultados:

Vemos que el muestreo en que n=100 la media de las

medias muéstrales toma el mismo valor que la media de la
población.
  Eficiencia
Diremos que un estimador es más eficiente que otro sin
la varianza de la distribución muestral del estimador.
Cuanto menos es la eficiencia, menos es la confianza de
que el estadístico obtenido en la muestra aproxime al
parámetro poblacional.
Ejemplo:
La varianza de la distribución muestral de la media en un
muestreo aleatorio (número de muestras: 1000, n=25) ha
resultado igual a 0.4. La varianza de la distribución de
medianas ha resultado, en el mismo muestreo, igual a 1.12,
(este resultado muestra que la media es un estimador más
eficiente que la mediana).
8. Aplicaciones
Sea X una variable aleatoria y supongamos que la función de
densidad de X, f(x), depende de un cierto número de parámetros
q= (q1,…,qk) donde K es un numero finito.

El problema de la estimación puntual es encontrar un

estadístico a partir de una muestra de la variable aleatoria
X que estime los valores de q. A este estadístico lo hemos
llamado estimador.
Lógicamente, existen muchos posibles estimadores del
parámetro q por lo que es necesario dar algunas
propiedades detalles es lo mismo que nos ayuden a decidir
la elección del estimador adecuado a cada caso concreto

9. Importancia de la estimación estadística para el estudio de la

estadística inferencial
La realización de estimaciones adecuadas sobre el tamaño y
esfuerzo requerido es una de las características fundamentales de
un proyecto de desarrollo de software exitoso.
Las malas estimaciones o más comúnmente las no estimaciones,
son posiblemente una de las principales causas de los fracasos.
10. Importancia de la estadística inferencial para el estudio de la
carrera

Actualmente, puede afirmarse que no existe actividad dentro de

la sociedad moderna para la cual no se lleven al menos registros de
históricos de dato. Muchos de estos registros, ya elaborados,
aparecen a diarios en los periódicos o revistas especializadas en
forma de tablas, graficas, indicadores numéricos, etc…, señalando
tendencias, promedios, estimaciones, sobre temas tan diversos
como: economía, educación, deporte, medio ambiente, pronósticos
meteorológicos y el de nuestro interés en salud.
 Conclusión
Estudias en su totalidad una población podría demandar
gran cantidad de recursos en dinero, tiempo y esfuerzo. Es
preferible tomar muestras representativas que son mucho
más manejables, recabar datos mediante ellas y crear
hipótesis o suposiciones acerca del comportamiento
muestral.
Hay varios conceptos clave, incluyendo los que provienen
de la teoría probabilidades, que es necesario tener claros
para comprender todo el alcance de estas técnicas.
Algunos, como población y muestra, ya los hemos venido
mencionando a lo largo del texto
 BIOGRAFIA.
Berenson, M. 1985.Estadística para Administración y
Economía, Conceptos y Aplicaciones. Editorial
Interamericana.
Canavos, G. 1988. Probabilidad y Estadística: Aplicaciones y
métodos. McGraw Hill.
Devore, J. 2012. Probability and Statistics for Engineering
and Science. 8th. Edition. Cengage Learning.
https://es.slideshare.net/Tato199022/tatiana-castillo-
estadistica1-2dobimestre
http://asignatura.us.es/dadpsico/apuntes/EstimacionEstad
istica.pdf
Zapata, Fanny. (17 de junio de 2020). Estadística
inferencial: historia, características, para qué sirve,
ejemplos. Lifeder. Recuperado de
https://www.lifeder.com/estadistica-inferencial/.