ESTADÍSTICA BASICA MATERIAL DOCENTE

INFERENCIA ESTADISTICA. ESTIMACION

CONTENIDO

4.1. - Concepto de Inferencia. Estimación puntual

4.1.1 Inferencia Estadística
4.1.2 Estimación puntual
4.2. - Muestreo. Tipos de muestreo
4.3. - Distribución muestral
4.3.1 Definición
4.3.2 Distribuciones muestrales más frecuentes
4.4. - Estimación por intervalos. Estimación de la media
4.5. - Intervalos de confianza sobre los parámetros más frecuentes.
4.6. - Tamaño muestral
Bibliografia utilizada
Ejercicios
Soluciones

OBJETIVOS

1.- Definir los conceptos de inferencia estadística, estimación puntual y por intervalos
2.- Identificar los principales tipos de muestreo
3.- Calcular e interpretar las estimaciones puntuales y por intervalos de los principales parámetros

INFERENCIA ESTADISTICA

1
ESTADÍSTICA BASICA MATERIAL DOCENTE

4.1.- CONCEPTO DE INFERENCIA ESTADISTICA. ESTIMACION PUNTUAL

4.1.1- Inferencia estadística

A partir de lo visto en la sesión anterior se puede asumir que los datos que se observan en las
poblaciones son generados por mecanismos que generan una distribución de probabilidad, y que todo
investigador desearía conocer.
Así podemos asumir que el número de Seropositivos al VIH en una población de Drogadictos por
vía parenteral sigue una distribución Binomial con parámetros N el número de drogadictos y una
probabilidad de ser seropositivo p=48%
También se puede asumir que el número de defunciones por cien mil en un año en la Comunidad
Valenciana, por enfermedades isquémicas del corazón en hombres viene distribuida con parámetro 115
defunciones por 100000 personas año.
Por otra parte se puede asumir que la distribución de las medidas de presión arterial media de una
población de hipertensos sigue distribución normal con media µ=118,8 mm/hg y desviación típica σ=12
mm/hg.
El problema más básico en estadística es, a partir de un conjunto de datos, inferir las propiedades
de la distribución subyacente en estos datos que dependerá de unos parámetros según el modelo elegido.
La estimación implica calcular a partir de una muestra una aproximación de los parámetros de la
distribución subyacente de los datos, suponiendo que esta sea la correcta.
La estimación puntual es dar un solo valor numérico para estimar el parámetro de la distribución
poblacional. El estadístico que proporciona este valor se le llama estimador.
La estimación por intervalos consiste en dar dos valores numéricos, entre los que con un nivel de
confianza (probabilidad) prefijados, está incluido el valor del parámetro poblacional. A la diferencia entre el
estimador y el parámetro se llama error aleatorio. puede acotar.
En la siguiente ilustración se puede observar cual es el proceso habitual en inferencia. Así, como
ya se ha mencionado, en la población la variable de interés suele tener una distribución de probabilidad que
dependerá de unos parámetros, como por ejemplo la media si la distribución es Normal, o la proporción si la
distribución es Binomial. A través de un sistema de muestreo aleatorio como los que se comentan
posteriormente, se obtiene una muestra en la que se calculan aproximaciones a los valores de estos
parámetros a través de los métodos de estimación. La distancia entre estos estimadores y los verdaderos
parámetros(error aleatorio) se puede acotar si se conoce el sistema de muestreo aleatorio elegido

INFERENCIA ESTADISTICA

2
ESTADÍSTICA BASICA MATERIAL DOCENTE

Figura 4.1 Esquema general de la inferencia estadística

4.1.2- Estimación puntual

Si la distribución poblacional es Binomial, el estimador del parámetro p (probabilidad de éxito) es la

proporción de individuos que alcanzan la condición estudiada en la muestra
Si la distribución poblacional es Poisson, el estimador del parámetro λ (número medio de llegadas
por unidad de tiempo) es la tasa de incidencia o número medio de llegadas observados por unidad de
tiempo en la muestra
Si la distribución poblacional es Normal, el estimador del parámetro µ (media) es la media de la
muestra y el estimador del parámetro (desviación típica) es la quasi-desviación muestral

4.2.- MUESTREO. TIPOS DE MUESTREO

Una muestra extraída de la población de modo que todo miembro de la población tenga una
probabilidad de estar incluido en la muestra es una muestra aleatoria o probabilística. Los principales tipos
de muestreo probabílistico son:
- Muestreo aleatorio simple
- Muestreo aleatorio sistemático
- Muestreo estratificado
INFERENCIA ESTADISTICA

3
ESTADÍSTICA BASICA MATERIAL DOCENTE

- Muestreo por conglomerados

- Muestreo por etapas

Una muestra es aleatoria simple si se extrae una muestra de tamaño n de una población de tamaño n, de
tal manera que cada miembro de la población tiene la misma probabilidad de ser elegido.

Para seleccionar la muestra aleatoria simple se numeran los individuos de 1 a n y se extraen n

numeros aleatorios bien de una tabla de números aleatorios, bien generados por un programa informático.
El muestreo puede efectuarse con o sin reposición de los números una vez elegidos. La
probabilidad de un individuo de pertenecer a la muestra es de n/N. El muestreo aleatorio simple es la
técnica más básica de muestreo. Los estimadores habituales que se muestran en el resto de la sesión
suelen referirse a este tipo de muestreo. No siempre es posible efectuar este tipo de muestreo por la
imposibilidad de enumerar a todos los individuos de la población y su coste suele ser muy elevado.

El muestreo aleatorio sistemático consiste en tomar un número aleatorio k entre 1 y H=N/n. Por
ejemplo si se elije una muestra de 100 en una población de 1000, es decir un 10%, se elige un número
aletorio entre el 1 y el 10. Se elige como elementos de la muestra a los individuos k,k+H, k+2H,
k+3H,...,k+(n-1)H. Así si el número aleatorio entre el 1 y el 1o fuera el 7 se elegirian a los individuos
7,17,27,27,...,997.
Este tipo de muestreo puede llevarse a cabo aunque no se disponga de un listado numérico de las
unidades poblacionales (i.e. 1 de cada 20 enfermos). Equivale al muestreo aleagorio simpple si los
elementos poblacionales no estan ordenados según un patrón que tenga que ver con las características a
estudio, por lo que los estimadores serian los mismos que en el muestreo aleatorio simple. La probabilida
de un individo de pertenecer a la muestra es 1/H=n/N

El muestreo estratificado surge cuando la población de tamaño N esta dividida en grupos

N1,N2,..., Nk grupos de individuos que cumplen unas características comunes y se toma una muestra
aleatorio en cada uno de esos grupos (estratos) por medio de un muestreo aleatorio simple o uno
sistemático.
A cada uno de los estratos se le asigna un tamaño muestral proporcional al tamaño de cada uno de
los estratos ni = (Ni /N )*n. Este tipo de muestreo posibilita la obtención de estimaciones en cada estrato. A
veces es la forma natural de obtener la estimación. Puede aumentar la precisión de estimaciones globales,
aunque requiere un diseño muestral costoso.

En el muestreo por conglomerados las unidades de muestreo no son individuos sino

agrupaciones de los mismos llamados conglomerados. Por ejemplo hospitales, escuelas, etc. El tipo de
agrupación suele depender del coste y recursos existentes. Se seleccionan aleatoriamenteun número de
INFERENCIA ESTADISTICA

4
ESTADÍSTICA BASICA MATERIAL DOCENTE

conglomerados y se estudian todos los individuos del conglomerado. Se necesita que los conglomerados
sean lo más homogeneos entre si y lo más heterogéneos dentro de ellos. Si los gonglomerados no son del
mismo tamaño el muestreo se efectúa asignando pesos aproporcionales a cada conglomerado. Este tipo
de muestreo es útil cuando no se dispone de listados de individuos o las poblaciones estan
institucionalizados.

El muestreo por etapas es un muestreo por conglomerados en el cual una vez seleccionados los
conglomerados no se elige a todos los individuos sino a una muestra aleatoria de ellos. En cada una de las
etapas de muestreo se efectua un muestreo aleatorio. Si las unidades no son iguales se asignaran pesos
proporcionales . La técnica abarata los costes del muestreo y se utiliza habitualmente para grandes
poblaciones.

No siempre la población en la que se efectúa el muestreo coincide con la población objetivo (o

diana) a la que se desea generalizar los resultados, debido a los problemas que se plantean a la hora de la
selección. La generalización efectuada a través de la inferencia estadística, solo se puede aplicar a las
poblaciones de las que se extra el muestreo ( población a estudio).

4.3.- DISTRIBUCION MUESTRAL

4.3.1 Definición de distribución muestral

Para poder generalizar los resultados de la estimación puntual a la población y poder calcular el
error aleatorio es necesario introducir el concepto de distribución muestral. Por distribución muestral de
un estimador se conoce a, la distribución de probabilidad obtenida a partir de los valores que toma el
estimador en todas las muestras aleatorias del mismo tamaño tomadas al azar de la población. El proceso
sería el siguiente:
- De una población finita de tamaño N, se extraen al azar todas las muestras posibles de tamaño n
- Se calcula el estimador de interés de cada muestra
- Se calcula la media, varianza de todos los estimadores y su función de distribución asociada.
Para ilustrar el concepto de distribución muestral utilizaremos el siguiente ejemplo para obtener la
distribución muestral de la media

Ejemplo

Sea una población de tamaño n=5, con las edades de 5 niños pacientes de un pediatra. Las
edades son las siguientes:
x1=6, x2=8, x3=10, x4=12, x5=14.
La media de esta población es µ=10 y la varianza es σ2=8.
INFERENCIA ESTADISTICA

5
ESTADÍSTICA BASICA MATERIAL DOCENTE

Se extraen todas las muestras posibles con repetición de tamaño 2. En la siguiente tabla se muestra cada
una de las 25 muestras así como la media de cada una de las muestras.

SEGUNDA EXTRACCION

6 8 10 12 14

PRIMERA 6 6,6 6,8 6,10 6,12 6,14

(6) (7) (8) (9) (10)

8 8,6 8,8 8,10 8,12 8,14

(7) (8) (9) (10) (11)

EXTRACCIÓN 10 10,6 10,8 10,10 10,12 10,14

(8) (9) (10) (11) (12)

12 12,6 12,8 12,10 12,12 12,14

(9) (10) (11) (12) (13)

14 14,6 14,8 14,10 14,12 14,14

(10) (11) (12) (13) (14)

Con las 25 muestras posibles(52=Nn) se puede construir una la tabla de frecuencias para las medias
muestrales

media frecuencia frec relativa

6 1 1/25
7 2 2/25
8 3 3/25
9 4 4/25
10 5 5/25
11 4 4/25
12 3 3/25
13 2 2/25
14 1 1/25

En la siguiente gráfica se presenta el histograma de los datos en la población

INFERENCIA ESTADISTICA

6
ESTADÍSTICA BASICA MATERIAL DOCENTE

En la siguiente gráfica se presenta la distribución de las medias de las 25 muestras. Hay que
observar que la gráfica es simétrica, asemejándose en su forma a la campana de Gauss.

Si se calcula la media de las 25 medias muestrales se obtiene que esta es

µmed=(6+7+...+14)/25=10
La varianza de las medias muestral es
INFERENCIA ESTADISTICA

7
ESTADÍSTICA BASICA MATERIAL DOCENTE

σ2med={(6-10)2+(7-10)2+..+(14-10)2}/25=4
Así la media de la distribución muestral µmed es la media de la distribución de la población (10).
Así la varianza de la distribución es la varianza de la población partido por el tamaño de la muestra.
σmed2= σ2/2=8/2=4

Se llama error estándar a la desviación típica de la distribución muestral del estadístico

El error estándar en el ejemplo es el cociente entre la desviación típica de la población y la raíz cuadrada
del tamaño muestral
error estándarmed= σ/√n = √8/√2=2

4 3.2- Distribuciones muestrales más frecuentes

Si el muestreo se realiza a partir de una población donde la variable de interés tiene una distribución
normal con varianza conocida ( Ejemplo, Supongamos que la presión arterial media en los hipertensos
sigue una distribución normal con media µ=118,8 y desviación típica σ=12 y que se extraen todas las
muestras de tamaño 186)
- La distribución muestral de todas las medias muestrales será normal
- La media µ=118,8 de la distribución poblacional coincidirá con la esperanza o media de la distribución
muestral
- La varianza de la distribución muestral será la varianza de la población dividida por el tamaño de la
muestra (122/186)

Si la distribución poblacional no es normal y el tamaño de la muestra es suficientemente grande, por el

teorema central del limite, la media muestral estará asintóticamente (aproximadamente) distribuida normal,
con media la media de la población y varianza la varianza de la población partida por el tamaño muestral, al
igual que en el caso de que fuera normal
Supongamos el muestreo se realiza para una variable que tiene una distribución Binomial (ejemplo:
proporción de seropositivos entre 200 drogadictos por vía parenteral p= 48%)
La proporción muestral pm cuando es suficientemente grande, en virtud del teorema central del limite sigue
una distribución normal, con media la proporción p=.48 de la población y varianza p(1-p)/n= .48(1-.48)/200.
El tamaño es suficientemente grande con np>5 y n(1-p)>5
Si θ es el parámetro desconocido y T es el estimador diremos que el estimador es insesgado si el valor
esperado (media) de la distribución muestral del estadístico es el parámetro
e[T]=θ
Llamaremos sesgo a E[T]-θ. Así si el estimador es insesgado el sesgo es 0

INFERENCIA ESTADISTICA

8
ESTADÍSTICA BASICA MATERIAL DOCENTE

La media muestral, la proporción muestral, la diferencia de medias muestrales y la diferencia de

proporciones muestrales son estimadores insesgados de sus parámetros poblacionales correspondientes
La varianza muestral es un estimador sesgado de la varianza poblacional
La quasi-varianza muestral es un estimador insesgado de la varianza poblacional

4.4.- INTERVALOS DE CONFIANZA. INTERVALO PARA LA MEDIA

El estimador puntual de la media poblacional es la media muestral.

Supongamos que el nivel de presión media en la población hipertensos tiene una distribución normal con
media µ y desviación típica σ y que conocemos que la desviación típica es 12 y el tamaño de la muestra es
186. Se sabe a partir del intervalo anterior, que la distribución muestral de la media de todas las muestras
sigue una normal y que el 95% de los valores de las medias muestrales xmed estan en el intervalo
µ±1.96⋅σ/√186
P(-1.96≤(xmed-µ)/σ/√186≤1.96)=1-α=.95

µ − 1 .9 6 σ /√ 1 8 6 µ + 1 .9 6 σ /√ 1 8 6
µ

Despejando y centrando el intervalo en la media de la población , esta se encuentra con un 95% en el

siguiente intervalo:

P( xmed-1.96 σ/√186≤ µ≤xmed+1.96 σ/√186)=.95

En el ejemplo este intervalo ,se se obtiene una media muestral de 118,8 la media de tensión de la población
estará en un 95% en el intervalo

P( 118,8-1.96 σ/√186≤ µ≤118,8+1.96 σ/√186)=.95

INFERENCIA ESTADISTICA

9
ESTADÍSTICA BASICA MATERIAL DOCENTE

De este modo diremos que el verdadero parámetro media de la población estará con un 95% de
probabilidad en el intervalo de confianza así construido

Así, en una población normal diremos que el (1-α)x100 por ciento de todos los intervalos de la forma
xmed±z1-α/2 σ/√n incluirán la media poblacional µ, con 1-α nivel de confianza y donde z1-α/2 es el percentil 1-
α/2 de una normal
En general la expresión de un intervalo de confianza será:

Estimador ± Coef.1-α/2 dist.Muestral x Error Estándar

PRECISION

VALORES DEL
PARAMETRO

Estimador
Limite Inferior Limite Superior

VALORES EN LOS QUE ESTA EL PARAMETRO

CON EL NIVEL DE CONFIANZA PREFIJADO

Llamaremos precisión de la estimación a la amplitud del intervalo (coefxerror estándar)

La precisión dependerá del nivel de confianza, de la variabilidad de la población(desviación típica) y del

tamaño muestral.

A mayor nivel de confianza menor precisión. A mayor variabilidad de los datos menor precisión. A mayor
tamaño muestral mayor precisión

4.5.-INTERVALOS DE CONFIANZA SOBRE LOS PARAMETROS MAS USUALES

Media poblacional de una población normal

desviación típica poblacional conocida σ
Estimador: media muestral
Coeficiente: percentil 1-α/2 de la curva normal,z

INFERENCIA ESTADISTICA

10
ESTADÍSTICA BASICA MATERIAL DOCENTE

Error estándar: σ/√n

Limite inferior xmed-z1-α/2.Error estándar
Limite superior xmed+z1-α/2.Error estándar

desviación típica poblacional desconocida

Estimador: media muestral
Coeficiente: percentil 1-α/2 de la curva t student con n-1 grados de libertad,t(n-1)
Error estándar: s/√n-1 , con s desviación típica muestral
Límite inferior xmed-t(n-1),1-α/2.Error estándar
Límite superior xmed+t(n-1),1-α/2.Error estándar

Se asumirá que la población es normal con n>30 en virtud del teorema central del limite

Ejemplo:
media muestral de la presión arterial media en los hipertensos. Desviación típica poblacional
desconocida. Asumimos normalidad o aplicamos teorema central del limite por ser el tamaño
muestral 186>30. media muestral 118,8. Desviación típica muestral 12.

Estimador: media=118,8
Coeficiente: percentil 1-.05/2 De una t-student con 186-1 grados de libertad. t(185),.975¸1.97
Error estándar: 12.0/√185=.882
Limite inferior: 118.8-1.97 .882=117.06
Limite superior: 8.8+1.97 .882=120.54

La verdadera media estará en un 95% entre 117.06 y 120.54

Proporción poblacional
Estimador: p=r/n r=nº casos que presenta la característica a estudio
n= nº total de observaciones
Coeficiente: percentil 1-α/2 de la curva normal,z
Error estándar: (p(1-p)/n)1/2
Limite inferior p-z1-α/2.Error estándar
Limite superior p+z1-α/2.Error estándar

Los resultados son solo aproximados y para que sean validos debe verificarse que p>5 y n(1-p)>5
donde p es la verdadera y desconocida proporción poblacional
Ejemplo:
INFERENCIA ESTADISTICA

11
ESTADÍSTICA BASICA MATERIAL DOCENTE

Proporción que utiliza hipoglucemiantes orales en diabéticos tipo II. Se esperan mas de 5 usuarios y no
usuarios
Estimador: r/n=51.2% n=486=Diabéticos tipo ii
r=249= usuarios h.O.
Coeficiente: percentil 1-0.5/2 De una normal(0,1). Z.975=1.96
Error estándar: (.512 .488/486)1/2=.0227
Limite inferior .512- 1.96 .0227= 46.75%
Limite superior .512+ 1.96 .0227= 55.65%

Con un 95% de probabilidad la proporción de diabéticos tipo II usuarios de Hh.O. en la población

de la que se extrajo la muestra esta entre 46.75 Y 55.65

Diferencia de medias poblacionales de dos poblaciones normales independientes

Desviaciones típicas poblacionales conocidas σ1, σ2

Estimador: Diferencia de medias muestrales

Coeficiente: percentil 1-α/2 de la curva normal z
Error estándar: (σ12/n1+σ22/n2)1/2
Límite inferior (x1med- x2med)-z1-α/2.Error estándar
Límite superior (x1med- x2med)+z1-α/2.Error estándar
Desviaciones típicas poblacionales desconocidas pero iguales

Estimador: Diferencia de medias muestrales

Coeficiente: percentil 1-α/2 de la curva t student con n1+n2+1 grados de libertad,tn1+n2-2

( n1 - 1) s12 + ( n2 - 1) s22
Error estándar: (sp2(1/n1+1/n2)1/2 donde sp2 es s2p =
n1 + n2 - 2
Límite inferior (x1med- x2med)-tn1+n2-21-α/2.Error estándar
Límite superior (x1med- x2med)+tn1+n2-21-α/2.Error estándar

Desviaciones típicas poblacionales desconocidas y diferentes

Estimador: Diferencia de medias muestrales

Coeficiente: percentil 1-α/2 de la curva t student con f grados de libertad,tf donde
Error estándar: (s12/n1+s22/n2)1/2
INFERENCIA ESTADISTICA

12
ESTADÍSTICA BASICA MATERIAL DOCENTE

Límite inferior (x1med- x2med)-tf,1-α/2.Error estándar

Límite superior (x1med- x2med)+tf,1-α/2.Error estándar

Diferencia de proporciones poblacional

Estimador: p1-p2= r1/n1-r2/n2

Coeficiente: percentil 1-α/2 de la curva normal,z
Error estándar: (p1(1-p1)/n1+p2 (1-p2)/n2)1/2
Limite inferior (p1-p2)-z1-α/2.Error estándar
Limite superior (p1-p2)+z1-α/2.Error estándar

Los resultados son solo aproximados y para que sean validos debe verificarse que p1>5 y n(1-p1)>5 p2>5 y
n(1-p2)>5 donde p1 y p2 son la verdadera y desconocida proporción poblacional

INFERENCIA ESTADISTICA

13
ESTADÍSTICA BASICA MATERIAL DOCENTE

ESTIMACION DE LOS PARAMETROS MAS FRECUENTES

Distribución
Parámetro de Estimador muestral para Error Estándar
interés puntual obtener el
coeficiente

Media poblacional µ i) Normal* i)

σ
i) Varianza conocida x
x=∑ i n
n
ii) Varianza ii) t de Student con ii)
desconocida n-1 grados de s
libertad
n -1
Proporción p r Aproximadamente p(1-
$ p) $
p$ = normal si np y n(1- n
n p)>5
Diferencia de p$ 1 - p$ 2 Aproximadamente p$ 1(1- p$ 1 ) p$ 2(1- p$ 2 )
proporciones normal si n1p1,n2p2 n1
+ n2
p1-p2 n1(1-p1),n2(1-p2)

Diferencia de
medias µ1-µ2 i) Normal** σ 12 2
+ σn22
x1 - x 2 n1
i) Varianzas
conocidas
ii) Varianzas ii) t de Student con
desconocidas pero n1+n2-2 grados de 2 ***
iguales libertad s p ( n11 + n12 )
iii) Varianzas iii) t Student con f
desconocidas y grados de libertad**** s 12 s 22
diferentes n1
+ n2

* Se requiere normalidad poblacional de la variable a estudio o n>30

** Se requiere que las poblaciones sean independientes y la variable a estudio sea normal o n1>30,
n2>30
*** 2 ( n 1 - 1 ) s 12 + ( n 2 - 1 ) s 22
sp =
n1 + n 2 - 2
****
22
s12
n1
+ ns22
f= ( s12 / n1 )2 2 2

n1
+ ( s2n/ n2 2 )

4.6.- TAMAÑO MUESTRAL

INFERENCIA ESTADISTICA

14
ESTADÍSTICA BASICA MATERIAL DOCENTE

Ejemplo 1

El investigador de cierto programa de control de diabéticos, desea estimar la proporción de diabéticos tipo
II que reciben tratamiento solo con dieta y se pregunta cual debe ser el tamaño de la muestra para obtener
buenas estimaciones. El estadístico le preguntara:
- ¿Cual es el nivel de confianza con el que desea las estimaciones?
- ¿Cual es la precisión (amplitud del intervalo) con la que se desea las estimaciones?
- ¿Se tiene conocimiento de la magnitud aproximada de la proporción de tratamiento sólo con dieta?

Si la precisión se exige del 5% ( intervalo = p±.05). Y el nivel de confianza del 95%

La precisión= coeficiente (p(1-p)/tamaño muestra)1/2

0.05=1.96 (p(1-p/n)1/2
n= 1.962 p (1-p)/ .052
Si la proporción aproximada p es del 12.5% (Querremos detectar un intervalo entre 7.5,17.5) El
tamaño muestral será
n= 1.962 .125 (1-.125)/.052= 168
Si se desconoce una aproximación de p el tamaño muestral será máximo considerando p=.5
n= 1.962 .5 (1-.5) /.052= 384

Si la población es finita debe de utilizarse la corrección

N1.96 2 p(1 - p)
n=
.052 (N - 1)+ 1.96 2 p(1 - p)

Si la población de diabéticos tipo II es de 2000 personas aproximadamente y desconocemos p, el tamaño

muestral será de 322

Ejemplo 2

INFERENCIA ESTADISTICA

15
ESTADÍSTICA BASICA MATERIAL DOCENTE

Si un nutricionista al conducir una investigación entre una población de adolescentes con el fin de
determinar su ingestión por medio de proteínas, se plantea que tamaños debe tomar. El estadístico
le pregunta:
- la amplitud del intervalo de confianza
- el nivel de confianza deseado
- la magnitud aproximada de la desviación típica

precisión= z1-α/2 σ/√n

n= z1-α/22 σ2/ precisión2

Si la amplitud deseada es 10 ( precisión =10/2=5), el nivel de confianza es del 95% y la desviación

típica es aproximadamente de 20 gr, el tamaño muestral será

n= 1.962 202 / 52= 62

INFERENCIA ESTADISTICA

16
ESTADÍSTICA BASICA MATERIAL DOCENTE

BIBLIOGRAFIA
.- Morton RF. Hebel JR. Bioestadística y Epidemiología. México: Interamericana. 1986
.- Daniel WW. Bioestadística: Base para el análisis de las Ciencias de la Salud. México: Limusa. 1987

- Bases de Bioestadística. Temas monográficos. JANO Vol XXX, Nº 725.1986

.- Rosner B. Fundamentals of Biostatistics. Boston. PWS-Kent. 1990.

.- Martin A, Luna del Castillo J. 50 ± 10 horas de Bioestadística Madrid: Norma. 1995.

-. Bourke GJ, Daly LE, McGilvray J. Interpretation and uses of Medical Statistics. Londres: Blackwell Scientific
Publications. 1985.

.- Armitage P, Berry G. Estadística para la investigación biomédica. Barcelon: Doyma.1992.

INFERENCIA ESTADISTICA

17
ESTADÍSTICA BASICA MATERIAL DOCENTE

EJERCICIOS
1.- Según los datos del artículo de sobre la distribución de Lípidos en Cataluña ( Plans et al. Rev. Clin Esp
1993;193:365-42) se obtiene para una muestra de 314 individuos la distribución del colesterol
HDL(mg/dl),(media =55.7 y desv. típica = 14), del colesterol total(mg/dl) (media=211.3 y desv.típica= 48.4)y
de los trigliceridos(mg,dl)(media 82.4 yt desv.típica 53). Construye los intervalos de confianza al 95% y al
99%

2.- Suponiendo que una muestra de 486 diabéticos tipo II es representativa de la población diabética tipo II,
calcula la estimación por intervalos al 99% y 95% para la proporción de diabéticos tipo II que se tratan solo
con dieta(61 en la muestra), para los que se tratan con Hipoglucemiantes orales (249 en la muestra) y para
los que se tratan con insulina.(176 en la muestra)

3.- La O.M.S. define la hipercolesterolemia como aquellos individuos cuyos niveles de colesterol son
superiores a 250 mg/dl. A partir del estudio de la distribución de lípidos en Cataluña mencionado
anteriormente una estimación por intervalo al 95% para la proporción de hipercolesterolemia en los hombres
y mujeres de Cataluña., sabiendo que de los 156 hombres de la muestra el 17,3 tienen el colesterol por
encima de 250, mientras que de las 158 mujeres, son el 17.1 las que superan estas cifras.

4.- Se aprecia que la proporción de hiperruricémicos entre los hombres y mujeres mayores de 70 años de
una muestra son diferentes. Proporciona una estimación al 95% para cada proporción, así como una
estimación al 95% para la diferencia de proporciones. Sabiendo que de 150 hombres el 13.3 son
hiperuricemicos y de las 210 mujeres son el 28.6% las hiperuricemicas

5.- Según el artículo mencionado anteriotmente el nivel medio de colesterol HDL en los 156 varones de la
muestra es de 51.0 md/dl con una desviación típica de 15 mg/dl.
a) Construye el intervalo de confianza al 95% para dicho nivel medio
b) En el caso de las 158 mujeres, se ha observado un nivel medio de colesterol de 59,9 mg/dl, con una
desviación típica de 13 mg/dl. Considerando las desviaciones típicas poblacionales idénticas,
calcula el intervalo de confianza al 95% para la diferencia de niveles de colesterol HDL.
c) Efectua la estimacion anterior suponiendo las desviaciones típicas poblacionales diferentes

6.- En una muestra de 140 pacientes asmáticos, el 35% tuvo reacciones positivas de la piel al polvo
doméstico. Construye un intervalo de confianza para la proporción de la población.
7.- Para obtener la prevalencia de caries infantil en la ciudad de Valencia se ecide efectuar el siguiente plan
muestral. Una vez obtenido un listado de todos los colegios se efectua una selección aleatoria de dos
colegios por cada distrito de la ciudad. Una vez elegidos los colegios se seleccionan aleatoriamente 1 de

INFERENCIA ESTADISTICA

18
ESTADÍSTICA BASICA MATERIAL DOCENTE

cada 20 alumnos de cada curso , a partir del listado de alumnois. Indica que tipos de muestreo se han
aplicado.

8.- Se desea llevar a cabo un muestreo aleatorio simple en un hospital de 2000 trabajadores para observar la
adecuada vacunación contra la hepatitis B. Se sabe por otros estudios que la prevalencia de mala o no
vacunación esta en torno al 20%. Cual seria el tamaño necesario para obtener una precisión del 3%.

INFERENCIA ESTADISTICA

19
ESTADÍSTICA BASICA MATERIAL DOCENTE

SOLUCIONES

1.- Para calcular el intervalo utilizaremos la fórmula para el caso de medias con varianza desconocida. El
estimador será la media, el coeficiente el de la t de Student con 314-1 grados de libertad para el intervalo al
95% es 1.96 y para el 99 es 2.57 y el error estándar sera la desviación tipica partido por la raiz cuadrada del
tamaño muestrall -1
Asi para el HDL I.C: 95% : 55.7±1.96 · 14/√313= (54.15-57.25) e IC 99% =(53.67-57.73)
Para colesterol total I.C. 95% (205.94-216.66) I.C. 99% (204.27-218.33)
Para trigliceridos I.C. 95% (76.53-88.27) I.C: 99% (74.7-90.1)
2.- Se utiliza la fórmula para el intervalo de la proporción con error estándar la raiz cuadrada de (p(1-p)/n) y
los coeficientes al 95%=1.96 y al 99%=2.57.
Solo dieta I.C. 95% =(.096-.156) I.C. 99% = (.087-.165)
Hipoglucemiantes Orales I.C. 95%= (.467-.556) I.C. 99% (.454-.570)
Insulina I.C. 95%= (.319-.405) I.C. 99% (.306-.418)
3.- Se utiliza la misma formula del ejercicio anterior. Para los hombres será .(114-.232 )y para las mujeres
(.112-230)
4.- Para los hombres será (.079-.187) , para las mujeres (.225-.347,) para la diferencia de proporciones
(.153) utilizando la formula de la tabla será (.071-.235) que no contiene al 0 luego las proporciones son
diferentes con una confianza dle 95%
5.- a) el intervalo se construye como en el ejercicio 1 siendo (48.653.4) utilizando el coeficiente de una t con
156-1 grados de libertad que es 1.97
b) El intervalo de la diferencia (8,.9) para varianzas iguales utiliza el coeficiente de una t con 156+158-2
grados de libertad (1.96)y la fórmula del error estándar con varianza ponderada. El intervalo es (5-8-11.99).
c) El intervalo para varianzas desiguales utiliza el coeficiente para una t con 306.6 grados de libertad
obtenidos a partir de la formula de la tabla, y el error estándar de varianzas separadas. El intervalo es ( 5-8-
11.99).igual que el anterior en las cifras decimales puestas, lo que indicaria que las varianzas deben de ser
iguales.
6.-Por la formula del intervalo de la proporción el resultado es (.27-.43)
7.-El muestreo es por etapas (2 etapas), con un muestreo estratificado de colegios por distritos y un
muestreo sistemático por alumnos
8.- La formula de muestreo para población finita de la página 15
n=[20031.962 .2(1-.2) ] / [.032 ·(2000-1)+1.962·.2(1-.2)+=296.87≈297

INFERENCIA ESTADISTICA

20