IFERENCIA ESTADÍSTICA

Introdicción
Agosto-Diciembre de 2023
Dr. Alejandro Islas Camargo
 MÉTODOS ESTADÍSTICOS

Estadística Descriptiva
Coleccionar y describir datos

Inferencia Estadística
La inferencia estadística se define como la colección de
técnicas que permiten formular inferencias inductivas y
que proporcionan una medida de riesgo de éstas.

En esta sección se establecerán algunos conceptos teóricos

básicos con respecto al muestreo y a la inferencia
estadística
 Estadística Descriptiva
Colección de Datos ejemplo: Encuestas

Presentación de los Datos ejemplo: Tablas y

Graficas

Caracterización de los Datos ejemplo media=  x i

n
 Inferencia Estadística

La naturaleza inductiva de la inferencia demanda de una muestra

aleatoria porque la selección de ésta se lleva a cabo con el fin de
proporcionar los medios adecuados para que pueda formularse una
inferencia con respecto a alguna característica de la población de
interés
 POBLACIÓN Y MUESTRA
Definición 1.1: La población es la colección de toda la posible
información que caracteriza a un fenómeno. En este sentido, una
población es cualquier colección ya sea de un número finito de
mediciones o una colección grande, virtualmente infinita, de
datos acerca de algo de interés.

Definición 1.2: La muestra es un subconjunto representativo

seleccionado de una población. La palabra representativo es la
clave de esta idea. Una buena muestra es aquella que refleja las
características esenciales de la población de la cual se obtuvo.
Definición 1.3: Si al tomar una muestra de tamaño n de una
población con N elementos, cada elemento de la población tiene la
misma probabilidad de ser seleccionado, se dice que la muestra
resultante es una muestra aleatoria simple.

Es importante estructurar el concepto de muestra aleatoria simple

empleando para ello los conceptos de probabilidad.

Sea X la característica medible y f(x;) la función de densidad de

probabilidad de la distribución de la población. El siguiente
procedimiento es una forma de muestreo para este tipo de
población.
Muestreo aleatorio con reemplazo:
Después de llevar a cabo una mezcla adecuada de los objetos de la
población, se extrae uno aleatoriamente (esto es, cada uno de los
N objetos tiene la misma probabilidad, 1/N, de ser elegido) y se
observa la característica medible. Esta observación será x1 .
Posteriormente, el objeto se regresa a la población y ésta vuelve a
mezclarse; después se extrae el segundo objeto x2 el cual se
constituye por la segunda observación. El proceso se continúa de
esta forma hasta que se han extraído n objetos para tener una
muestra de n observaciones x1, x2,..., xn de la característica X. Cada
una de las observaciones x1, x2,..., xn es el valor que toman las
variables aleatorias X1, X3,...,Xn cuya distribución de probabilidad es
idéntica a la de la población, puesto que en cada extracción ésta
tiene su forma original. Evidentemente, X1, X3,...,Xn constituyen un
conjunto de variables aleatorias independientes e idénticamente
distribuidas (IID) dado que, por el proceso de reemplazo, ninguna
observación se ve afectada por otra.
Muestro aleatorio sin reemplazo:
Después de una mezcla adecuada de los objetos que constituyen la
población, n de éstos se seleccionan uno después de otro sin
reemplazo ( esto es, después de haber extraído la observación x1,
extraemos aleatoriamente la observación x2 de los restantes N-1
objetos, etc.). Este proceso proporciona una muestra de
observaciones x1, x2,..., xn de la característica X. Obsérvese que X1,
X2,...,Xn son variables aleatorias cuyas distribuciones marginales son
iguales a la distribución de la población. Esto es, puede demostrarse
que aun a pesar de que los objetos que se extraen de la población no
sean reemplazados, la distribución no condicional de Xi es idéntica a
la de la población. Sin embargo, X1, X2,...,Xn no son independientes.
Es importante señalar que se recomienda el muestreo aleatorio sin
reemplazo si el tamaño de la población es relativamente pequeño.
En estos casos, si el muestreo aleatorio se lleva a cabo con
reemplazo es muy probable que el mismo objeto se seleccione más
de una vez. Conforme crece el tamaño de la población, el muestreo
aleatorio sin reemplazo es, en todos los intentos y para cualquier
propósito, igual al muestreo aleatorio con reemplazo.
Al hablar de inferencia estadística se supondrá la existencia de
una muestra aleatoria, que se define de manera formal de la
siguiente manera:

Definición 1.4: Si las variables aleatorias X1, X2,...,Xn tienen la

misma densidad de probabilidad que la distribución de la
población y su densidad conjunta de probabilidad es igual al
producto de las marginales, entonces X1, X2,...,Xn forman un
conjunto de n variables aleatorias independientes e
idénticamente distribuidas (IID) que constituyen una muestra
aleatoria de la población.
Muestreo aleatorio de una población infinita:
Representaremos a la población infinita mediante su función conjunta de probabilidad de
las variable aleatoria X 1 X 2 X 3 ...X n . Entonces X 1 X 2 X 3 ...X n es una muestra aleatoria
si las X i son independientes e idénticamente distribuidas (IID), esto es

fX ( x1 , x 2 ,..., x n ; )   f ( x ; ) i
1
, X X Xn
,...
i 1
X

Cuando las realizaciones x1x2 x3 ...xn se conocen, fX ( x1 , x 2 ,..., x n ;  ) es una

1
, X X Xn
,...

función de parámetro desconocido

Definición 1.5: Un parámetro es una caracterización numérica de
la distribución de la población de manera que describe, parcial o
completamente, la función de densidad de probabilidad de la
característica de interés.
Definición 1.6: Una estadística es cualquier función de las
variables aleatorias que se observaron en la muestra de manera
que esta función no contiene cantidades desconocidas.

Se denota por T=h(X1, X2,...,Xn )

Ejemplos: n

X i

T 1 ( X 1 , X 2 ,... X n )  i 1
,
n
n

(X i  X ) 2

T 2 ( X 1 , X 2 ,... X n )  i 1
n 1
Dado que T es una función de variables aleatorias, es en si misma
una variable aleatoria, y su valor específico t= h(x1, x2,...,xn ) puede
determinarse cuando se conocen las realizaciones x1, x2,...,xn de X1,
X2,...,Xn. Si se emplea una estadística T para estimar un parámetro
desconocido , entonces T recibe el nombre de estimador de , y
el valor específico de t como un resultado de los datos muestrales
recibe el nombre de estimación de .
 Inferencia Estadística
Estimación de parámetros

En lo que respecta a la estimación de parámetros , veremos que

existen dos enfoques básicos:
La estimación puntual, que se ocupa de proporcionar el mejor valor
del parámetro a partir de datos muestrales.
La estimación por intervalos, que sirve para determinar no un valar
específico del parámetro, sino un cierto rango de valores dentro de
los cuales se espera se encuentre el valor real del parámetro.
 Prueba de hipótesis

Una hipótesis estadística es una afirmación con respecto a alguna

característica desconocida de una población.
La esencia de una prueba de hipótesis estadística es la de decidir si
la información se encuentra apoyada por la evidencia experimental
que se obtiene a través de una muestra aleatoria.
 Resumen
Todo análisis estadístico está fundamentado en supuestos que de
no satisfacerse invalidarían en buena medida la inferencia. Es
importante, pues, subrayar los supuestos que se tienen que hacer
para utilizar tal o cual metodología de análisis.
Estadística descriptiva
Presentación de datos. Medidas descriptivas

Temas de enlace
Teoría de probabilidades. Distribuciones de probabilidad. Muestreo

Inferencia estadística
Estimación de parámetros. Prueba de hipótesis