Tema 5 Inferencia

Estadística ---------------------- 1º Grado en Terapia Ocupacional--------------Mari Cruz Melchor Ferrer
Estadística
Grado en Terapia Ocupacional
Tema 5: Introducción a la Estadística
Inferencial
Inferencia Estadística
La Inferencia Estadística aborda dos tipos de problemas:

 Teoría de la Estimación
 ¿Cúal es número medio de seciones de fisioterapia
 necesarias para recuperarse de una lesión?
Inferencia Estadística: 
 Teoría de los Contrastes de Hipótesis
 ¿El tratamiento A es igual de efectivo que el tratamiento B?

La Teoría de la Estimación es la parte de la Inferencia Estadística que se

utiliza para determinar el valor de un parámetro poblacional. Se distingue:
a). Estimación puntual.
b). Estimación por intervalo de confianza.
Estimación Estadística de Parámetros

Estimación puntual
La Estimación puntual es un conjunto de métodos estadísticos que se utilizan
para asignar al parámetro poblacional un único valor, que es un valor
aproximado y que depende de la muestra. Ejemplos:, la estatura media de los
españoles es 175,5 cm, el número medio de sesiones de fisioterapia es 7, el 15%
de los niños escolares sufren ocasionalmente dolores de espalda,…
Definición de estimador puntual: un estimador puntual, o simplemente
estimador, para un parámetro poblacional es una función de los valores de la
muestra que no depende de ningún parámetro desconocido. Si 𝜇𝜇 es la estatura
media de los españoles (parámetro poblacional), entonces su estimador se
denota como 𝜇𝜇� (se lee 𝜇𝜇 gorro), y por consiguiente 𝜇𝜇� es el estimador de 𝜇𝜇. Para
el caso de la media μ, el valor de 𝜇𝜇� se calcula a partir de una muestra aleatoria
como 𝜇𝜇� = 𝑥𝑥̅ , por ejemplo 𝜇𝜇� = 𝑥𝑥̅ = 175,5 cm, en cuyo caso se dice que el valor
de la estimación de la estatura media es 175,5 cm, es decir la estatura media de
los españoles se ha estimado en 175,5 cm. Esto no quiere decir que el valor de
μ sea exactamente 175,5 cm, sino que es aproximadamente ese valor, y por
tanto que se está cometiendo un error.
Siempre que se realiza una estimación se comete un error. Este error es debido a
varias fuentes, siendo una de las más importantes los sesgos.
Definición de estimador insesgado: un estimador insesgado es el que da lugar a

estimaciones cuyo promedio coincide con el valor del parámetro poblacional.
Los estimadores insesgados no están libres de errores, y estos errores se miden
con la varianza o desviación típica del estimador. Para la media muestral 𝑥𝑥̅ , su
desviación típica se denomina error estándar y se calcula como
𝑠𝑠
𝑛𝑛
Para el estimador de una proporción (binomial), su error estándar es

𝑝𝑝̂ 1 − 𝑝𝑝̂
𝑛𝑛
En la práctica, cuando se realiza una estimación es necesario dar una medida del
error o precisión de la estimación. Una primera medida es el error estándar, sin
embargo se es preferible dar una medida en términos del margen de error
máximo que puede tener la estimación. Para tal fin se utiliza la estimación por
intervalos de confianza.
Estimación por Intervalo de Confianza

Mediante la estimación por intervalo de confianza (IC) se estima el parámetro
mediante un intervalo de valores, entre los cuales se encuentra el valor del
parámetro poblacional con una alta seguridad o confianza. La seguridad o
confianza se expresa mediante una proporción, se representa por 1 − 𝛼𝛼 y se
denomina nivel de confianza o simplemente confianza. A 𝛼𝛼 se le denomina error.
Si 1 − 𝛼𝛼 = 0,95 (confianza del 95%) entonces 𝛼𝛼 = 0,05 (error del 5%). En
general, la confianza suele ser el 90%, 95% o 99%.
Definición de IC: un IC de confianza es un intervalo 𝐿𝐿1 , 𝐿𝐿2 de tal forma que la
probabilidad de que el parámetro esté dentro de es 1 − 𝛼𝛼. Para el caso de una
media 𝜇𝜇,
𝑃𝑃 𝐿𝐿1 ≤ 𝜇𝜇 ≤ 𝐿𝐿2 = 1 − 𝛼𝛼
Por ejemplo, si el IC (al 95%) para la estatura media de los españoles es
172,5 ; 178,5
entonces se dice que la talla media de los españoles es, con una confianza del
95%, un valor comprendido entre 172,5 cm y 178,5 cm. En 95 de cada 100 IC
(calculados a partir de tantas muestras aleatorias del mismo tamaño), estará
contenido el verdadero valor de la talla media de los españoles; en los restantes 5
IC de cada 100 no estará contenido el valor de la media poblacional.
Cuando se estima un parámetro mediante un IC, el error máximo (d) que se

puede cometer es el radio del intervalo (la amplitud dividida entre dos), esto es
𝐿𝐿2 − 𝐿𝐿1
𝑑𝑑 =
2
A d también se le denomina precisión de la estimación. Cuanto menor sea el
valor d, mayor será la precisión de la estimación.
Así, en el ejemplo anterior, al estimar en 175,5 cm la estatura media 𝜇𝜇, el error

máximo que se puede cometer es de 3 cm, ya que en la peor situación (cuando 𝜇𝜇
es uno de los extremos del intervalo) la diferencia entre el verdadero valor de 𝜇𝜇 y
la estimación 175,5 es de 3 cm. Formalmente,
𝜇𝜇 − 𝜇𝜇� ≤ 𝑑𝑑
En la práctica, el IC (para la media u otro parámetros) también se puede

representar como
estimador puntual ± 𝑑𝑑 con una confianza 1 − 𝛼𝛼

𝜇𝜇 ± 𝑑𝑑 con una confianza 1 − 𝛼𝛼
Intervalo de confianza para una media
s 1  s 1 s
µ ∈ x ± tα ± = x ± tα +  µ ∈ x ± tα
n 2n  n 2n  n
Ejemplo. Para determinar la estatura media de los varones españoles, se
tomó una muestra al azar de 10 de ellos, en la que se obtuvieron los
valores siguientes (en cm):
162, 176, 169, 165, 171, 169, 172, 168, 167, 175
Estimar la estatura media suponiendo que la estatura sigue una
distribución normal.
Valores muestrales: n = 10 x = 169.40 s = 4.30 g.l.: ν = n − 1= 9

⇒ α 0,=
Confianza del 95% = 05 t0,05 2, 262
s 4,30
Entonces: µ ∈ x ± tα ⇒ µ ∈169, 40 ± 2, 262
n 10
µ ∈169,4 ± 3,08 ⇒ µ ∈ (166,32 ;172,48 ) al 95% de confianza
La estatura media de los varones españoles es, con una confianza del
95%, un valor comprendido entre 166,32 cm y 172,48 cm. La precisión
de la estimación es d = 3,08 cm.
¿Se puede aumentar esta precisión? ¿Cómo?

Intervalo de confianza para una proporción (binomial)
X → B ( n, p )
Dada una muestra con

 tamaño: n

 x : casos que cumplen con la característica de interés
n - x : casos que no cumplen con la característica de interés

el estimador puntual de la proporción de casos que verifican la característica de

interés es
x
pˆ =
n
y la proporción de casos que no verifican dicha característica es
n−x
qˆ = = 1 − pˆ
n
Intervalo de Wald:
x (n − x)
x ± zα
ˆˆ
pq n
p ∈ pˆ ± zα =
n n
Intervalo de Wald con cpc:
 x (n − x) 
x ±  zα + 0.5
 ˆˆ 1 
pq  n 
p ∈ pˆ ±  zα +  =
 n 2n  n
Ejemplo. Si de 100 personas con osteoporosis, 30 mejoraron después de un

tratamiento terapéutico, ¿qué porcentaje de pacientes mejoran después del
tratamiento?
1) Valores muestrales: n= 100 , x= 30 , n − x= 100 − 30= 70

Estimadores puntuales:
x 30 n − x 70
pˆ = = =
= qˆ
0.3 30% = = = 0,70= 70%
n 100 n 100
⇒ α 0,=
2) Confianza: 95%= 05 z0,05 1,96
3) Como x y n-x son ambos mayores que 20, entonces se puede utilizar el
intervalo de Wald con cpc :
 ˆˆ 1 
pq  0,30 × 0,70 1 
p ∈ pˆ ±  zα +  ⇒ p ∈ 0,30 ± 1,96 +  ⇒
 n 2n   100 2 ×100 
p ∈ ( 0,2052 ; 0,3948 ) al 95% de confianza
4) La proporción de personas con osteoporosis que mejoran después del tratamiento
es, con una confianza del 95%, un valor comprendido entre el 20,52% y el
39,48%.
Tamaño de muestra necesario para una estimación
El cálculo del tamaño muestral para realizar un estudio es un problema clásico

en Estadística. La pregunta al respecto es: ¿Qué tamaño de muestra se necesita
para estimar este parámetro? La respuesta depende de la confianza y de la
precisión. Una vez fijada la confianza y la precisión, aplicando la ecuación
oportuna se calcula el tamaño muestral para estimar el parámetro en base a esas
especificaciones. Cuanto mayor sea la confianza o mayor sea la precisión (menor
el valor d), mayor será el tamaño muestral. La confianza se fija normalmente en
el 95%, aunque también en el 90% o 99%. Fijar la precisión d resulta más
problemático, pues depende de los objetivos que se persigan y de los recursos
disponibles. A continuación se estudia el cálculo del tamaño muestral para
estimar una media y una proporción.
Si se tiene información a partir de una muestra piloto, el tamaño mínimo de

muestra para obtener una precisión deseada de d (×100%) viene dado, para
a prefijado, por la expresión:
zα2 pq
n= 2
d
donde p es el valor del intervalo de confianza ( p1 , p2 ) más próximo a 0,5

y q = 1 − p . Esta expresión no garantiza la precisión deseada. Este método
se denomina método con información.
En el caso de que el intervalo de confianza ( p1 , p2 )contenga al valor 0.5,

entonces la ecuación coincide con la del método sin información:
zα2
n= 2
4d
FIN DEL TEMA 5

Tema 5 Inferencia

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Tema 5 Inferencia

Cargado por

Copyright:

Formatos disponibles

Estadística ---------------------- 1º Grado en Terapia Ocupacional--------------Mari Cruz Melchor Ferrer

La Inferencia Estadística aborda dos tipos de problemas:

La Teoría de la Estimación es la parte de la Inferencia Estadística que se

Estimación Estadística de Parámetros

Definición de estimador insesgado: un estimador insesgado es el que da lugar a

Para el estimador de una proporción (binomial), su error estándar es

Estimación por Intervalo de Confianza

Cuando se estima un parámetro mediante un IC, el error máximo (d) que se

Así, en el ejemplo anterior, al estimar en 175,5 cm la estatura media 𝜇𝜇, el error

En la práctica, el IC (para la media u otro parámetros) también se puede

estimador puntual ± 𝑑𝑑 con una confianza 1 − 𝛼𝛼

Intervalo de confianza para una media

Valores muestrales: n = 10 x = 169.40 s = 4.30 g.l.: ν = n − 1= 9

µ ∈169,4 ± 3,08 ⇒ µ ∈ (166,32 ;172,48 ) al 95% de confianza

¿Se puede aumentar esta precisión? ¿Cómo?

Intervalo de confianza para una proporción (binomial)

Dada una muestra con

el estimador puntual de la proporción de casos que verifican la característica de

Ejemplo. Si de 100 personas con osteoporosis, 30 mejoraron después de un

1) Valores muestrales: n= 100 , x= 30 , n − x= 100 − 30= 70

Tamaño de muestra necesario para una estimación

El cálculo del tamaño muestral para realizar un estudio es un problema clásico

Si se tiene información a partir de una muestra piloto, el tamaño mínimo de

donde p es el valor del intervalo de confianza ( p1 , p2 ) más próximo a 0,5

En el caso de que el intervalo de confianza ( p1 , p2 )contenga al valor 0.5,

FIN DEL TEMA 5

También podría gustarte