Estadística II – Clase 2

31 de marzo de 2021

Inferencia estadística

Intervalos de confianza

 buscar la estimación de un parámetro, por ej. el promedio, de manera no puntual,

trabajándolo con intervalos  con datos que se comportaban de manera normal.

Variables aleatorias

 es un número que representa un resultado de un experimento aleatorio, puede ser

discreta o continua. solo puede tener valores contables, tales como 0, 1, 2…
 una variable aleatoria continua puede tener cualquier valor, por ej., una medición (el
tiempo en tener los resultados de un examen PCR, por ej.).
 las variables aleatorias se caracterizan mediante la media aritmética (esperanza
matemática) y la varianza de la distribución de observaciones, según sea el caso.

Inferencia estadística

 las técnicas de estadística descriptiva, junto a la teoría de la probabilidad y en particular

los modelos de distribución de probabilidad, permiten abordar el estudio de la
interferencia estadística.
 los métodos básicos de la inferencia estadística son la estimación (intervalos de confianza)
y el contraste de hipótesis. de forma esquemática, podría representarse como sigue:

Inferencia paramétrica

 trataremos, como formas de estimación de parámetros:

- la estimación puntual, trata de estimar un valor único para el parámetro que se está
analizando.
 - la estimación por intervalos de confianza, estima un intervalo que contenga al
parámetro analizado, con una probabilidad determinada.

Intervalos de confianza
 es una técnica estadística que nos permite estimar, con un nivel de confianza
(probabilidad), el verdadero valor poblacional, siendo, entonces, una forma de estimar
parámetros poblacionales.
 el intervalo calculado dependerá de:
- la característica a estimar (por ej.: la media aritmética o proporción).
- el tamaño muestral (n), ya que mientras + datos se tengan para realizar la estimación,
más pequeña será la diferencia entre el valor estimado y el valor real que se está
estimando.
 en general el cálculo de un intervalo de confianza se determina por:

Estimador ± Percentil × Error estándar

12
171 ± 1,96×
√36
 donde:
- estimador: Corresponde al estadístico obtenido en la muestra
- percentil: Es un valor estandarizado obtenido de la distribución muestral del
estadístico asociado a la estimación.
- error estándar: Variabilidad del estimador o desviación típica estimada en la muestra

Evaluación de los intervalos

 al construir un intervalo de confianza, se busca en la estimación: confianza (definida por el

investigador) y precisión (asociada a la amplitud/ancho del intervalo).
- un intervalo de confianza tiene mayor precisión si su amplitud es menor que el de otro
construido con los mismos fines.
- si se aumenta la confianza de un intervalo, disminuye la precisión y viceversa cuando
el tamaño de muestra es el mismo.
 intervalo de confianza para la media: es uno de los intervalos de confianza más usados. la
media aritmética es una medida de centralización usada, en conjuntos de datos simétricos
 o aproximadamente simétricos (distribución normal). el error estándar se aproxima con la
expresión:
Sx
Error Estándar =
√n
- podemos incluso realizar estimaciones en muestras pequeñas, con solo verificar que la
distribución de la variable sea normal.
 en Jamovi: Analyses  t-test  [ingresamos variable]  seleccionamos test de
student’s  en additional statistics seleccionamos confidence interval y nivel de 95%.

Intervalos de confianza para estimar una proporción (P)

X
 es estadístico ^p= , en donde X representa el número de éxitos en n ensayo de un
n
experimento dicotómico (distintos resultados), nos entrega un estimador puntual de la
población P. bajo ciertas condiciones y por el teorema central de límite, para un tamaño
demuestra suficientemente grande, se establece el siguiente modelo de estimación:

IC p ;1−α :¿

 en Jamovi:
- Analyses  Frequencies  2 Outcomes - Binomial test.
- ingresamos variable capacitación (según el ej.).
- activar Confidence intervals y asignar nivel de confianza.

Inferencia estadística—Intervalo de confianza para la media y proporción (tamaños muestrales)

Tamaños muestrales para la media y la proporción

 tamaño muestral para estimar un promedio poblacional: el problema fundamental es

calcular el tamaño que debe tener una muestra aleatoria para estimar el promedio, con un
nivel de confianza dado y un error de estimación dado.
 esta expresión también se conoce como error de muestreo, así dado un error de muestreo,
un nivel de confianza (que determina el valor de percentil Z) y conocida una aproximación
de la desviación estándar poblacional, tenemos:
Z2 σ2
n=  es el tamaño de muestra mínimo necesario para realizar la estimación en las
e2
condiciones dadas.
 tamaños muestrales corrección por población finita: los cálculos para el tamaño de
muestra, tanto para un promedio o una proporción, en algunas ocasiones sobrepasan el
tamaño de la población en estudio o bien el tamaño de muestra es comparable al tamaño
de la población. en estos casos el tamaño de muestra habrá que ajustarlo usando la
corrección por población finita, de modo que si “n” es el tamaño de muestra obtenido por
las fórmulas presentadas, ”N” es el tamaño de la población a estudiar, de esta forma la
n0
n=
corrección (no) se obtiene así: n0
1+
N