62 CAPÍTULO 4 Elementos de inferencia estadística

Los métodos estadísticos descriptivos que se estudiaron en el capítulo 2 son de gran utilidad
para establecer las principales características de los datos de una muestra. Sin embargo, hay
estudios estadísticos donde también es preciso establecer las características de una población
o proceso con base en la información contenida en una muestra, es decir, en este caso intere-
sa realizar un estudio inferencial, un tema que se estudiará en las siguientes secciones.

Conceptos básicos
Población y muestra, parámetros y estadísticos
Por lo general, los estudios estadísticos están enfocados a conocer y/o tomar decisiones acer-
ca de una población o universo que, desde el punto de vista estadístico, es el conjunto formado
por la totalidad de individuos, especímenes, objetos o medidas de interés sobre
Población los que se realiza un estudio. Por ejemplo, una población son los productos que
Conjunto formado por la totalidad se producen mediante un proceso durante una semana o un mes, e interesa saber
de individuos, objetos o medidas de si éstos reúnen las características de calidad requeridas. Otro ejemplo de pobla-
interés sobre los que se realiza un ción son los clientes de una empresa y, en este caso, puede interesar su nivel de
estudio. satisfacción y en general su percepción acerca de la empresa.
Las poblaciones se clasifican en finitas o infinitas. Si es finita y pequeña es
Parámetro posible medir todos los individuos para tener un conocimiento “exacto” de las
Es un valor representativo y des- características (parámetros) de esa población. Por ejemplo, un parámetro que
criptivo de una población, como la resulta de interés es la proporción p de productos defectuosos o la media, μ, de
media μ o la desviación estándar σ. alguna variable medida a los productos. En cambio, si la población es infinita o
grande es imposible e incosteable medir a todos los individuos, en este caso es
Muestra representativa preciso sacar una muestra representativa de dicha población, y con base en medidas
Parte de una población, seleccio- calculadas con los datos muestrales (estadísticos) se realizan, mediante los méto-
nada de manera adecuada, que dos apropiados, afirmaciones acerca de los parámetros de la población (vea la
conserva las características más figura 4.1).
importantes de dicha población. En control de calidad las poblaciones de interés son los materiales, los pro-
ductos terminados, partes o componentes, clientes, etc. En muchos casos estas
poblaciones se suponen como infinitas o grandes. Por ejemplo, en empresas con producción
masiva es imposible o al menos impráctico medir cada pieza de material que llega, o las pro-
piedades de cada producto terminado. Incluso, si la producción no es masiva, conviene ima-
ginar al proceso como una población infinita o muy grande debido a que el flujo del proceso
no se detiene, es decir, no existe el último artículo producido mientras la empresa siga ope-
rando. En estos casos los procesos se estudian mediante muestras de artículos extraídos en
algún punto del proceso.
Un aspecto importante será lograr que las muestras sean representativas, en el sentido de
que reflejen las características clave de la población en relación con los objetivos del estudio.
Una forma de lograr esa representatividad consiste en diseñar de manera adecuada un mues-
treo aleatorio (azar), donde la selección no tenga algún sesgo en
una dirección que favorezca la inclusión de ciertos elementos en
Población (toda la Muestra particular, sino que todos los elementos de la población tengan
producción del mes) aleator (representativa
ia m e las mismas oportunidades de ser incluidos en la muestra.
nte de la producción
del mes) Existen varios métodos de muestreo aleatorio, por ejemplo,
μ=? σ=? PARÁMETROS el simple, el estratificado, el muestreo sistemático y por conglo-
(SIEMPRE DESCONOCIDOS)
XS merados; cada uno de ellos logra muestras representativas en
función de los objetivos del estudio y de ciertas circunstancias,
ESTADÍSTICOS
(CONOCIDOS) así como características particulares de la población (vea Gutié-
rrez Pulido, 2010).
inferencia
Inferencia estadística
■ FIGURA 4.1 Relación entre población y muestra, La inferencia estadística tiene como objetivo establecer las caracte-
y parámetros y estadísticos. rísticas de una población o proceso con base en la información
 Conceptos básicos 63

contenida en una muestra. Por lo general, la inferencia se divide en estimación y

prueba de hipótesis, y se apoya en cantidades o estadísticos calculados de las Inferencia estadística
observaciones de la muestra. Los estadísticos, como medidas o funciones de los Es hacer afirmaciones válidas acer-
datos muestrales, que no contienen parámetros desconocidos, ayudan a caracte- ca de una población o proceso con
–
rizar la distribución de tales datos. Un ejemplo de estadístico es la media X , la base en la información contenida
cual sirve para conocer la tendencia central de los datos muestrales y puede ser en una muestra.
utilizada de una forma apropiada para realizar inferencias (afirmaciones) sobre
la media poblacional μ (parámetro poblacional). Estadístico
Un aspecto clave en la interpretación y uso de cualquier estadístico es que es Medidas o funciones de los datos
una variable aleatoria, ya que su valor depende de los elementos que son selec- muestrales que ayudan a caracteri-
cionados en la muestra y, por lo tanto, varía de una muestra a otra. La forma de zar la distribución de tales datos.
tomar en cuenta este hecho es conocer la distribución de probabilidad de cada
estadístico. Del capítulo anterior recordemos que una distribución de probabilidad Distribución de una variable
o distribución de una variable aleatoria X relaciona el conjunto de valores posibles de aleatoria X
X, con la probabilidad asociada a estos valores. Por ejemplo, en el caso de la Relaciona el conjunto de los valores
–
variable aleatoria dada por el estadístico media muestral, X , al conocer su distri- posibles de X con la probabilidad
bución de probabilidad podremos saber en qué intervalo se esperan los valores asociada a éstos.
–
de X y cuáles son más probables.
Una distribución de probabilidad también se puede considerar una distribu-
ción teórica de frecuencia, que describe cómo se espera que varíen los resultados de la varia-
ble aleatoria. De esta forma, lo aleatorio se modela (describe, acota), y al observar una
realización específica de un estadístico es posible corroborar o rechazar supuestos (prueba de
hipótesis) o hacer estimaciones poblacionales.
Las distribuciones de probabilidad que más se emplean en intervalos de confianza y prue-
bas de hipótesis son las distribuciones: normal, T de Student, ji-cuadrada y F. En la figura 4.2 se
representan las formas típicas de estas cuatro distribuciones (para mayores detalles vea el
capítulo 3).

NORMAL ESTÁNDAR T DE STUDENT, 5 g.l.

0.40 0.40

0.30 0.30

0.20 0.20

0.10 0.10

0.0 0.0
–4 –3 –2 –1 0 1 2 3 4 –4 –2 0 2 4
X X

JI-CUADRADA, 10 g.l. F, (5, 10)

0.6

0.08 0.4

0.04 0.2

0.0 0.0
0 5 10 15 20 0 1 2 3 4 5 6
X X

■ FIGURA 4.2 Muestra de las distribuciones de probabilidad de mayor uso en inferencia.