ESTADÍSTICA INFERENCIAL

UNIDAD 1, ACTIVIDAD 1

LIC. ADMINISTRACIÓN, GRUPO 8253

POR: CATHERINE NAYIBE ROMERO TOVAR

Resumen: Unidad 1: Introducción al muestreo

A lo largo de la unidad se estudian puntos muy importantes dentro de la asignatura al

representar las nociones más básicas de ella, y a partir de las cuales se construirán las

herramientas necesarias para interpretar los datos estadísticos de manera satisfactoria y así

lograr una toma de decisiones acertada. Dichos puntos se resumen a continuación:

Primero, partiendo de la estadística descriptiva, recordamos que mientras esta procura

describir datos basados en el estudio de parámetros (datos de una población), la estadística

inferencial se ocupa de estimar o inferir estos parámetros poblacionales estudiando los

valores de una muestra (llamados estadísticos), entendiéndose una muestra como un

subconjunto de la población cuyo comportamiento queremos conocer. A las fórmulas

dentro de las cuales se ingresan dichos estadísticos para determinar los valores de

parámetros poblacionales se llaman estimadores, siendo su resultado una estimación.

Con respecto a lo anterior, se menciona que la estadística inferencial se enfrenta a dos

problemas: la estimación de parámetros, cuyos valores se pretenden conocer a través de

fórmulas basadas en los valores muestrales (los estimadores), y las pruebas de hipótesis,

que es cuando se pretende, mediante el uso de un estadístico de prueba, confirmar o refutar

alguna hipótesis con respecto al valor de un parámetro poblacional.

 A continuación, se explica el concepto de muestreo, el cual no es más que la

metodología o sucesión de procedimientos empleada para seleccionar los valores que

formarán parte de una muestra. También se repasan otros conceptos básicos, como el de

población (el total de unidades con características medibles que se estudiarán a través de

métodos estadísticos), censo (medición realizada a todas las unidades de una población),

muestra representativa (aquella muestra “a escala” de la población; es decir, tienen una

proporción semejante de características), unidad muestral (la unidad más pequeña de la que

se recaban resultados), y marco muestral (la referencia de donde se obtiene la muestra).

Vemos cómo llevar a cabo un muestreo trae consigo varias ventajas: reduce costos, tiempo

y aumenta el control sobre la recolección, análisis y obtención de resultados, así como

sobre el personal y su capacitación. Además, un muestreo puede ser probabilístico (llamado

aleatorio) o no probabilístico (llamado de juicio), refiriéndose al método empleado para la

determinación de los elementos en una muestra; mientras que en el primero esta selección

se lleva a cabo basándose en el azar y usando métodos estadísticos, en el muestro de juicio

esto no ocurre, pues la selección de los elementos muestrales recae sobre el criterio

personal del investigador, con lo que los resultados que estos elementos arrojen serán

válidos únicamente para ellos. Estos dos tipos de muestreo se dividen a su vez en varios

más; el muestreo aleatorio puede ser aleatorio simple, donde la probabilidad de cada

elemento de la población de ser seleccionado es la misma, pues es completamente al azar;

N
puede ser sistemático, cuando la selección se basa en la fórmula K= ; N representa el
n

tamaño de la población y n el de la muestra deseada, cuyos elementos son seleccionados

cada K números; puede ser estratificado: la población se divide en categorías (estratos)

diferentes entre sí respecto a una característica, y de cada estrato se extraen los elementos

que conformarán a la muestra; y puede ser por conglomerados, donde la población se

divide en grupos (conglomerados) al azar, de donde se seleccionan los elementos de la

muestra.

El muestreo de juicio, por su parte, puede ser por juicio: el investigador elige los

elementos que, a su criterio, pueden aportar al estudio; puede ser un muestreo de bola de

nieve: se espera que cada unidad seleccionada convoque a otras unidades que también

posean las características buscadas en el estudio hasta conseguir una muestra suficiente; y

puede ser por cuota: el investigador, al elegir los elementos muestrales, basa su criterio en

el conocimiento que tenga de sus características.

De igual manera, existen varios tipos de muestra: muestras únicas o muestras

múltiples, dependiendo de cuántas poblaciones se precisen estudiar, y muestras

independientes (muestras de poblaciones diferentes) o relacionadas (la misma muestra,

pero estudiada bajo condiciones diferentes).

Luego se resalta que, al trabajar con un subconjunto en lugar de la población entera, los

resultados tendrán siempre un margen de error; sin embargo, los errores que se llegan a

presentar pueden ser tanto atribuibles como no atribuibles al muestreo. En todo caso, se

debe fijar un límite de error permitido y calcular el tamaño de la muestra de manera certera

para minimizar la probabilidad de error al estimar parámetros como la media y la

proporción, tanto si se conoce el tamaño de la población como si no; estas fórmulas son:
 Qué se desea Si se conoce el tamaño de la Si no se conoce el tamaño de la
conocer población (N) población (N)
Media 2 2
Z S N
n= 2 2 2
N e +Z S
Z 2 S2
n=
Z: nivel de confianza e2
S: desviación estándar
n: tamaño de la muestra
Proporción Z 2 pqN
n=
N e 2 +Z 2 pq 2
Z pq
n= 2
p: proporción muestral e
q: 1-p
e: error permitido

Por último, se nos introduce al MS-Excel, con el cual podemos extraer una muestra

tanto a través de un módulo de análisis de datos como de la generación de números

aleatorios; en el primer caso, Excel despliega una herramienta de análisis de datos donde

ingresamos el rango de entrada (la población numerada), el método de muestreo (periódico

o aleatorio), el tamaño de muestra y el rango de salida. Para el segundo caso, nos valemos

de la fórmula ALEATORIO.ENTRE(x1, x2), donde x1 representa el valor mínimo

permitido y x2 el valor máximo permitido. También, se puede escribir la fórmula

ALEATORIO() en caso de que se quiera generar un número aleatorio entre 0 y 1.