SEMANA 7

SEMANA 7
MÓDULO 6
MÓDULO 6

Unidad N° 6
Inferencia Estadística

0
 SEMANA 7
MÓDULO 6
Unidad 6: Inferencia Estadística.

El material sobre teoría de probabilidades que se presentó en los módulos

anteriores, constituyen la base de la Inferencia Estadística, rama de la
estadística que se ocupa del uso de los conceptos de probabilidad para
manejar la incertidumbre en la toma de decisiones.
Algunos ejemplos de problemas en los que se pueden aplicar técnicas de
inferencia estadística:

Ejemplo 1: Se desea conocer la media de las estaturas de los niños de 8 años varones
que viven en la ciudad de Pcia. Roque Sáenz Peña. Para ello se elige 200 niños al
azar a los cuales se les mide la estatura.

Ejemplo 2: Se quiere conocer la proporción de personas que están de acuerdo con

cierta medida del gobierno entre las mayores de 18 años que viven en cierta ciudad.
Para ello se eligen 400 personas al azar y se les pregunta a cada una si está o no de
acuerdo.

Parámetro Poblacionales y Estimadores o Estadísticos: Las características de

interés en un estudio se denominan parámetros poblacionales, por ejemplo la media
(μ) - La proporción (π):
Si se analiza el ejemplo 1 el parámetro poblacional es la media, y en el ejemplo 2 el
parámetro de interés es la proporción.

Estimador o Estadístico: es una variable que toma diferentes valores para cada
muestra seleccionada.
En el siguiente cuadro se muestra el parámetro y su estimador

Los estimadores cumplen las propiedades de: Insesgabilidad, Eficiencia Consistencia

y Suficiencia.

1
 SEMANA 7
MÓDULO 6
Estimación Estadística:
Pretende conocer cuál es el valor o rango de valores más probable para un
determinado parámetro poblacional a partir de algún estadístico muestral.

Estimación Puntual: La estimación puntual es un proceso mediante el cual se estima

el parámetro en un punto, dando un valor específico como estimación.

Estimación por intervalos: Los Intervalos de Confianza son intervalos aleatorios

obtenidos a partir de los datos y en los cuales hay un grado de confianza prefijado
(medido en %) de que dicho intervalo contenga al verdadero valor del parámetro que
se quiere estimar.

• 𝛼 se considera a menudo como la probabilidad de cometer un error

• Usualmente el valor 100 (1- 𝛼)% se lo fija en el 95%.

A modo de ejemplo mostraremos la estimación del parámetro media poblacional μ

Estimación Puntual: el mejor estimador de μ, es:

Estimación por Intervalos: Dada una muestra en particular donde se ha calculado 𝑋̅ ,se
puede definir un intervalo alrededor del estadístico media muestral y establecer una
cierta probabilidad de que esté comprendido en dicho intervalo
El parámetro es una cantidad desconocida pero fija, el intervalo es aleatorio
• 𝝁 es conocido y n es grande (generalmente mayor a 30)

Que significa el intervalo de Confianza tenga un nivel 95%

Significa que si extrajésemos muchas muestras y para cada muestra calculásemos el

intervalo de confianza, entonces el 95% de los intervalos contendrían al verdadero
valor del parámetro de la población (en este caso el parámetro es la media μ).

• 𝝈 es desconocida se debe sustituir por S. También hay que tener en cuenta

que si el tamaño de la población es finito hay que multiplicar o S por el factor
de corrección para poblaciones finitas.

• Si la muestra es chica (menor a 30), y en el 𝝈 es desconocido, el intervalo se

calcula utilizando

El estadístico t se denomina t de Student.

2
 SEMANA 7
MÓDULO 6
El intervalo de confianza será:

Cálculo del tamaño de la muestra:

Por ejemplo, si tenemos en siguiente intervalo de confianza del 95% para la media:
[15.3 – 0.12 ; 15.3 + 0.12] = [15.18 ; 15.42]
El intervalo obtenido tiene longitud : 2 *0.12 = 0.24
Si queremos un intervalo de confianza al 95% con menor longitud:
Llamando L a la longitud del intervalo:

Entonces podemos observar que aumentando n disminuye la longitud del IC y que

esta longitud puede hacerse tan pequeña como se desee tomando n suficientemente
grande.
Además en este módulo trabajaremos intervalos de confianza para la varianza para la
proporción y para diferencia de medias.

NOTA: los aportes teóricos para completar estos temas, tanto como las aplicaciones (Trabajos
Prácticos), estarán disponibles en el aula atendiendo al cronograma correspondiente.

Bibliografía Obligatoria:
Unidad 6: Manual del Alumno

Bibliografía Complementaria.
• MURRAY R. SPIEGEL. Estadística. Series. SCHUAM-Mc. GRAW-HILL.
• H. CRAMER. Elementos de la Teoría de Probabilidades
• ANDERSON, David R. 2004. Estadística para administración y economía.
Australia. Thomson. 884 p.
• BERENSON, Mark L.1991. Estadística para administración y economía conceptos y
aplicaciones. México. McGraw-Hill.