Instituto Tecnológico de Saltillo.

Estadística Inferencial I.

Profesor: Francisco Javier Rodríguez Sánchez.

Unidad I
Introducción a la Estadística Inferencial.

Grupo: 8-9

Nombre: María Fernanda Gatica Medrano.

Saltillo, Coahuila.
07/02/2023
 1.1. Breve historia de la estadística.
La palabra Estadística procede del vocablo "Estado", pues era función
principal de los Gobiernos de los Estados establecer registros de
población, nacimientos, defunciones, impuestos, cosechas... La necesidad
de poseer datos cifrados sobre la población y sus condiciones materiales de
existencia han debido hacerse sentir desde que se establecieron
sociedades humanas organizadas. Es difícil conocer los orígenes de la
Estadística. Desde los comienzos de la civilización han existido formas
sencillas de estadística, pues ya se utilizaban representaciones gráficas y
otros símbolos en pieles, rocas, palos de madera y paredes de cuevas para
contar el número de personas, animales o ciertas cosas. los babilonios
usaban ya pequeñas tablillas de arcilla para recopilar datos en tablas sobre
la producción agrícola y los géneros vendidos o cambiados mediante
trueque.

Los egipcios ya analizaban los datos de la población y la renta del país

mucho antes de construir la pirámides. En China existían los censos chinos
ordenados por el emperador Tao hacia el año 2.200 a. , se realizaron
censos en Roma para conocer la población existente en aquel momento.

En 1.662 un mercader de lencería londinense, John Graunt, publicó un

tratado con las observaciones políticas y naturales, donde Graunt pone de
manifiesto las cifras brutas de nacimientos y defunciones ocurridas en
Londres durante el periodo 1.604-1.661, así como las influencias que
ejercían las causas naturales, sociales y políticas de dichos
acontecimientos. Puede considerarse el primer trabajo estadístico serio
sobre la población. Es decir, en Londres y en París se estaban
construyendo, casi de manera simultánea, las dos disciplinas que
actualmente llamamos estadística y probabilidad. En el siglo XIX, la
estadística entra en una nueva fase de su desarrollo con la generalización
del método para estudiar fenómenos de las ciencias naturales y sociales.

« Galton » y Pearson se pueden considerar como los padres de la

estadística moderna, pues a ellos se debe el paso de la estadística
deductiva a la estadística inductiva. Se interesó primeramente por la
eugenesia, lo que le conduce, siguiendo los pasos de Galton a la
investigación estadística, sus trabajos culminan con la publicación de la
obra Métodos estadísticos para investigaciones. En el aparece la
metodología estadística tal y como hoy la conocemos. A partir de mediados
del siglo XX comienza lo que podemos denominar la estadística
moderna, uno de los factores determinantes es la aparición y popularización
de los computadores.
 1.2. Concepto de Estadística.
La estadística es una disciplina científica formal y deductiva, a menudo
considerada rama de las matemáticas, que estudia la variabilidad y las leyes de
la probabilidad, a través de herramientas diversas, tanto conceptuales como de
muestreo.
El campo de la estadística comprende los métodos y procedimientos
necesarios para recolectar información de la realidad y organizarla,
contextualizarla y clasificarla para poder obtener conclusiones viables, expresadas
matemáticamente. Puede decirse que es la ciencia del manejo de los datos.
De esta manera, la estadística contempla cuatro niveles de medición de datos,
conocidos como escalas de medición estadística, que son:
 Nominal, que describe variables cuya diferencia entre sí radica más en la
cualidad que en la cantidad.
 Ordinal, que describe variables sobre un continuo en el que sus valores
pueden ordenarse, o sea, asignar una jerarquía o un orden a los datos.
 Intervalar, que describe variables cuyos valores establecen intervalos
reconocibles.
 Racional, que describe variables con intervalos iguales y que permiten
situar un cero absoluto, de modo tal que represente la ausencia de
características.
Si bien la estadística constituye un campo de estudio en sí misma, se caracteriza
por su naturaleza transversal, o sea, por servir de herramienta a muchas otras
disciplinas y ciencias, independientemente de sus campos específicos del saber:
la biología, la economía, la demografía, etcétera.

1.3. Estadística Descriptiva.

La estadística descriptiva es el enfoque analítico de la estadística donde
se analizan los datos recolectados para posteriormente describir su
comportamiento en el contexto de la investigación. Esta descripción se realiza
mediante gráficos como tablas, figuras, diagramas e histogramas.

En la etapa analítica de la estadística descriptiva se utilizan una serie

de fórmulas con el fin de resumir e interpretar cuantitativamente el conjunto de
datos obtenidos. El uso de estas fórmulas se hace de acuerdo a los objetivos de la
investigación y la naturaleza de los datos, y su clasificación se realiza a partir de
esos mismos objetivos.

En la interpretación de los datos recopilados en el estudio, se diferencian dos tipos

de variables:
  Variable cuantitativa: hace referencia a todos aquellos valores numéricos,
con los cuales se pueden realizar cálculos.

 Variable cualitativa: son todos aquellos valores no numéricos que

constituyen las características de los objetos de estudio.

Estas variables se tienen en cuenta en la posterior representación gráfica del

conjunto de datos, al describir sus características y exponerlas de manera
comprensible. Con respecto a las variables cuantitativas, constituyen el eje
analítico y matemático de la estadística descriptiva.

De igual manera, uno de los conceptos básicos de la estadística descriptiva

los parámetros estadísticos, a partir de los cuales esta rama se divide en tres
tipos o enfoques:

 Distribución de frecuencias.
 Medición de tendencia central.
 Medición de variabilidad o dispersión.

Ejemplo:

Has realizado una encuesta a 40 encuestados sobre su color favorito de coche. Y

ahora tiene una hoja de cálculo con los resultados.

Sin embargo, esta hoja de cálculo no es muy informativa y quieres resumir los
datos con algunos gráficos y tablas que te permitan llegar a algunas conclusiones
sencillas (por ejemplo, el 24% de las personas dijeron que el blanco es su color
favorito).

Seguro que esto sería mucho más representativo y claro que una fea hoja de
cálculo. Y tienes un montón de opciones para visualizar datos, como gráficos
circulares, gráficos de líneas, etc.

Ese es el núcleo de la estadística descriptiva. Ten en cuenta que no estás

sacando conclusiones sobre toda la población.
 1.4. Estadística Inferencial.

Se llama estadística inferencial o inferencia estadística a la rama de la

Estadística encargada de hacer deducciones, es decir, inferir
propiedades, conclusiones y tendencias, a partir de una muestra del conjunto. Su
papel es interpretar, hacer proyecciones y comparaciones.
La estadística inferencial emplea usualmente mecanismos que le permiten llevar a
cabo dichas deducciones, tales como pruebas de estimación puntual (o de
intervalos de confianza), pruebas de hipótesis, pruebas paramétricas (como de
media, de diferencia de medias, proporciones, etc.) y no paramétricas (como la
prueba del chi-cuadrado, etc.). También le son útiles los análisis de correlación y
de regresión, las series cronológicas, el análisis de varianza, entre otros.
Por ende, la estadística inferencial es sumamente útil en el análisis
de poblaciones y tendencias, para hacerse una idea posible de las acciones y
reacciones de la misma de cara a condiciones específicas. Esto no significa que
se las pueda predecir fielmente, ni que estemos en presencia de una ciencia
exacta, pero sí de una aproximación posible al resultado final.

Ejemplos:

 Sondeos de tendencia de voto. Antes de una elección importante, diversas

encuestadoras sondean la opinión pública para recabar datos relevantes y luego,
teniendo la muestra analizada y desglosada, inferir tendencias: quién es el
favorito, quién va segundo, etc.
 Análisis de mercado. Las empresas a menudo contratan otras empresas
especializadas en marketing para que analicen sus nichos de mercado a través de
diversas herramientas estadísticas y diferenciales, como encuestas
y focus groups, a partir de las cuales deducir qué productos prefiere la gente y en
qué contexto, etc.

1.5. Breve introducción a la estadística inferencial.

El principal objetivo de la Estadística es inferir o estimar características de una
población que no es completamente observable (o no interesa observar en su
totalidad) a través del análisis de una parte de ella a la que llamamos muestra. Las
razones por las que generalmente se trabaja con muestras son principalmente:
•- Económicas.
•- Tiempo: si la población es muy grande llevaría tanto tiempo analizarla que
incluso la característica de interés podría variar en ese período. Por ejemplo, la
tasa de paro.
•- Destrucción: la medición de cierta característica podría llevar a la destrucción
del individuo. Por ejemplo, al estudiar la supervivencia de ciertos animales a un
tratamiento.
La Estadística Inferencial puede dar respuesta a muchas de las necesidades que
la sociedad actual puede requerir.
Su tarea fundamental es el análisis de los datos que se obtienen a partir de
experimentos, con el objetivo de representar la realidad y conocerla.
Ejemplos:
Los muestreos:
Es de gran importancia ya que con un muestreo de toda la población se puede
examinar y sacar conclusiones en base a una pequeña parte de la misma, dando
por sentado que los resultados obtenidos en la muestra es de hecho
representativa de toda la población, una ventaja muy grande es que es mucho
más sencillo trabajar con una pequeña parte de un todo que con su totalidad.

1.6. Teoría de decisiones en estadística.

Estudio formal sobre la toma de decisiones. Los estudios de casos reales, que se
sirven de la inspección y los experimentos, se denominan teoría descriptiva de
decisión; los estudios de la toma de decisiones racionales, que utilizan la lógica y
la estadística, se llaman teoría preceptiva de decisión. Estos estudios se hacen
más complicados cuando hay más de un individuo, cuando los resultados de
diversas opciones no se conocen con exactitud y cuando las probabilidades de los
distintos resultados son desconocidas. La teoría de decisión comparte
características con la teoría de juegos, aunque en la teoría de decisión el
‘adversario’ es la realidad en vez de otro jugador o jugadores.
Al hacer un análisis sobre esta teoría, y mirándola desde el punto de vista de un
sistema, se puede decir que, al tomar una decisión sobre un problema en
particular, se debe tener en cuenta los puntos de dificultad que lo componen, para
así empezar a estudiarlos uno a uno hasta obtener una solución que sea acorde a
lo que se está esperando obtener de este, y si no, buscar otras soluciones que se
acomoden a lo deseado.
La teoría de decisión, no solamente se puede ver desde el punto de vista de un
sistema, sino en general, porque esta se utiliza a menudo para tomar decisiones
de la vida cotidiana, ya que muchas personas piensan que la vida es como una de
las teorías; La teoría del juego, que para poder empezarlo y entenderlo hay que
saber jugarlo y para eso se deben conocer las reglas de este, para que no surjan
equivocaciones al empezar la partida.
Ejemplo:
Una empresa compra la materia prima a dos proveedores A y B, cuya calidad se
muestra en la tabla siguiente: Piezas defectuosas Probabilidad para el proveedor
A Probabilidad para el proveedor B 1% 0.80 0.40 2% 0.10 0.30 3% 0.10 0.30 La
probabilidad de recibir un lote del proveedor A en el que haya un 1% de piezas
defectuosas es del 70%. Los pedidos que realiza la empresa ascienden a 1.000
piezas. Una pieza defectuosa puede ser reparada por 1 euro. Si bien tal y como
indica la tabla la calidad del proveedor B es menor, éste está dispuesto a vender
las 1.000 piezas por 10 euros menos que el proveedor A. Indique el proveedor que
debe utilizar.

1.7. Componentes de una investigación estadística.

La investigación estadística es una actividad que apela a diversas técnicas con el
propósito de llegar a la esencia de la realidad.
El proceso de la investigación estadística implica una serie de pasos; pues
lanzarse a investigar sin un criterio previo o preparación adecuada puede
demandar más tiempo del programado.
POBLACION: Es el conjunto formado por todos los valores posibles que puede
asumir, la variable objeto de estudio.
EJEMPLO:
En un estudio sobre la preferencia de los votantes en una elección presidencial, la
población consiste en todas las respuestas de los votantes registrados.
Es bueno tener en cuenta que el término población se interpreta de dos maneras
cuando se hace un estudio estadístico, a saber:
1. La interpretación propia en el Análisis Estadístico.
2. Como el conjunto de objetos sobre los cuales actúa la variable considerada.
MUESTRA: Es cualquier subconjunto de la población, escogido al seguir ciertos
criterios de selección.
La muestra es el elemento básico sobre el cual se fundamenta la posterior
inferencia acerca de la población de donde se ha tomado. Por ello, su escogencia
y selección debe hacerse siguiendo ciertos procedimientos que son ampliamente
tratados en la parte de la estadística llamada Teoría de muestreo.
EJEMPLO:
si se toman 100 de todos los posibles clientes y se les entrevista para ver si están
a favor de una marca particular de un producto, estos 100 clientes la constituyen
una muestra. Si hay 70 clientes que prefieren dicha marca entonces la proporción
muestral será 0.70 y constituirá un estadígrafo; de igual manera si se escogen
1,000 cuentas del total de las cuentas comentes; las 1,000 observaciones
conforman una muestra y el promedio aritmético de estas cuentas un estimador.
Para llegar a ese objetivo a través de un proceso racional y eficaz, se aconseja
que se tengan en cuenta los siguientes pasos:
1. Formulación del problema.
En este punto se debe especificar de manera clara la pregunta que se debe
responder y la población de datos asociada a la pregunta. Los conceptos deben
ser precisos y deben ponerse limitaciones adecuadas al problema motivadas por
el tiempo, dinero disponible y la habilidad de los Investigadores.
2. Diseño del experimento.
Este aspecto es de gran importancia, puesto que la recolección de datos requiere
dinero y tiempo. Es siempre nuestro deseo obtener máxima Información con el
mínimo costo (dinero y tiempo) posible. Incluir excesiva Información en la muestra
es a menudo costoso y antieconómico. Incluir poca también es poco satisfactorio.
3. Recolección de datos.
Esta parte, por lo general, es la que exige más tiempo en la Investigación.
Esta recolección debe ajustarse a reglas estrictas ya que de los datos esperamos
extraer la Información deseada.
4. Tabulación y descripción de los resultados.
En esta etapa, los datos muestrales se exponen de manera clara y se ilustran con
representaciones
tabulares y gráficas (diagramas. histogramas, etc.); además se calculan las
medidas estadísticas apropiadas al proceso inferencial que haya sido escogido.
5. Inferencia estadística y conclusiones.
Este último paso constituye tal vez la contribución más importante de la estadística
al proceso inferencial. Aquí se fija el nivel de confiabilidad para la inferencia; esto
es debido a que las conclusiones derivadas de inferencias estadísticas jamás se
pueden tomar con un 100% de certeza, pero sí se les puede asociar un nivel de
confiabilidad; en términos de probabilidad denominados nivel de confianza y nivel
de significancia. El proceso Inferencial nos llevará a una conclusión estadística
que servirá de orientación a quien o quienes deban tomar la decisión
(administrativa o clínica) sobre el tema objeto de estudio.
 1.8. Recolección de datos.
La recolección de datos es una fase necesaria previa a la realización de
un estudio estadístico. Esto se debe a que se precisan estos datos para el
procesamiento de la información y su subsiguiente interpretación.
Conviene, además, señalar que los datos recolectados pueden ser cualitativos o
cuantitativos. En el primer caso, nos referimos a características como pueden ser
la raza, el género, la profesión, la opinión sobre un tema específico, entre otros.
En cambio, los datos cuantitativos son aquellos numéricos. Es decir, aquellos en
los que es posible medirlos, como en el caso de la talla, el peso, el nivel de
ingresos, entre otros.
La recolección de datos puede recurrir a distintas fuentes, como aquellas
bibliográficas (particularmente si la información es cualitativa) o bases de datos de
libre disposición. Por ejemplo, un periodista podría acceder a información sobre la
distribución del presupuesto público en el portal de transparencia de su gobierno.
Técnicas de recolección de datos.
Entrevista: Consiste en hacer una serie de preguntas a los individuos que forman
parte del estudio. Estas pueden ser preguntas abiertas y/o cerradas.
En el primer caso, lo que se busca es que el entrevistado se explaye sobre un
tema específico, por ejemplo, cómo se sintió durante su primera semana en su
nuevo lugar de trabajo.
En cambio, las preguntas cerradas son aquellas donde se dan un número limitado
de respuestas alternativas, por ejemplo, cuando un servicio de atención al cliente
pregunta a sus usuarios si su nivel de satisfacción fue muy bajo, bajo, medio, alto
o muy alto.
Un punto importante para tomar en cuenta es que la entrevista puede tener
distintas modalidades, ya sea presencial, online o telefónica.
Observación: El investigador asume el trabajo de espectador sobre el sujeto de
estudio. Esto, con el fin de recopilar sus características. Imaginemos, por ejemplo,
el caso de una persona que está haciendo un estudio sobre una especie de ave.
Entonces, dedica varias horas al día a observar la manera en la que interactúan
los animales de dicha especie, así como su relación con el medio en el que
habitan.
Encuestas: Son una serie de preguntas que se realizan a un grupo de individuos.
A diferencia de las entrevistas, no requieren de una interacción amplia entre el
entrevistador y el entrevistado. Incluso, la encuesta puede ser vía correo
electrónico o mediante un sistema informático. Al igual que la entrevista, puede
tener preguntas abiertas y cerradas.
Focus Group: Consiste en una sesión grupal donde se recopila información sobre
un determinado tema, por ejemplo, un nuevo producto que pretende lanzar una
empresa. Se trata de una técnica muy utilizada en los estudios de mercado.

1.9. Estadística paramétrica (población y muestras aleatorias)

La estadística paramétrica, como parte de la inferencia estadística, trata de
estimar determinados parámetros de una población de datos. La estimación, como
casi siempre en estadística, se realiza sobre una muestra estadística. Ahora bien,
la estadística paramétrica siempre basa sus cálculos suponiendo que la
distribución de la variable a estudiar es conocida.

Población Muestra

La característica medible de la población, La característica medible de la muestra

como la media o la desviación estándar, se
se llama estadística.
conoce como parámetro.

La muestra es un subconjunto de la
Los datos de población son un todo y
población que se obtiene utilizando el
completo.
muestreo.

Una encuesta realizada a toda una
población es más precisa, sin margen de
error, excepto la inexactitud humana en las
respuestas. Sin embargo, esto no siempre
es posible.
Una encuesta realizada con una muestra
de la población arroja resultados precisos,
solo después de factorizar aún más el
margen de error y el intervalo de
confianza .

La estadística es el componente
El parámetro de la población es un
descriptivo de la muestra, el cual se
elemento numérico o medible que define el
encuentra mediante el uso de la media
sistema del conjunto.
muestral o la proporción muestral.

Ejemplo:
Para estudiar cuál es el candidato presidencial por el cual votarán los peruanos en
las próximas elecciones, se toma una muestra de 3500 personas de todo el país.
La pregunta es la siguiente, ¿por quién votará en las próximas elecciones
presidenciales? Determine la población, muestra e individuos.
En este caso, la población sería la población electoral del país, es decir, peruanos
con derecho a voto.
La muestra sería el conjunto de 3500 peruanos que forman parte de la población.
Un individuo sería cada uno de los peruanos con derecho a voto.

1.10. Aplicaciones.
Aunque comúnmente se asocie a estudios demográficos, económicos y
sociológicos, gran parte de los logros de la estadística se derivan del interés de los
científicos por desarrollar modelos que expliquen el comportamiento de las
propiedades de la materia y de los caracteres biológicos. La medicina, la biología,
la física y, en definitiva, casi todos los campos de las ciencias emplean
instrumentos estadísticos de importancia fundamental para el desarrollo de sus
modelos de trabajo.
Campos de aplicación
La estadística es una ciencia de aplicación práctica casi universal en todos los
campos científicos:
En las ciencias naturales: se emplea con profusión en la descripción de modelos
termodinámicos complejos (mecánica estadística), en física cuántica, en mecánica
de fluidos o en la teoría cinética de los gases, entre otros muchos campos.
En las ciencias sociales y económicas: es un pilar básico del desarrollo de la
demografía y la sociología aplicada.
En economía: suministra los valores que ayudan a descubrir interrelaciones entre
múltiples parámetros macro y microeconómicos.
En las ciencias médicas: permite establecer pautas sobre la evolución de las
enfermedades y los enfermos, los índices de mortalidad asociados a procesos
morbosos, el grado de eficacia de un medicamento, etcétera.
Presentación de datos
Los datos estadísticos se presentan generalmente expresando el valor de
la frecuencia absoluta que toman las variables significativas de un estudio, ya
correspondan a una población o a una muestra. La frecuencia absoluta de un valor
o de una modalidad de una variable estadística es el número de datos observados
que presentan ese valor o modalidad. El cociente entre la frecuencia absoluta de
un valor o modalidad y el número total de datos es llamado frecuencia relativa.
También suelen presentarse los datos en forma de porcentaje (es decir, en forma
de razón de denominador 100).
Una razón se obtiene como el cociente entre dos cantidades numéricas
comparables. Si el cociente se refiere a dos cantidades que se indican en
unidades distintas, la razón recibe el nombre de tasa. Un ejemplo de tasa es
la densidad de población, que se define como el número de habitantes por
kilómetro cuadrado y que se aplica habitualmente en los estudios demográficos.
Dada una suma de varios sumandos, si el cociente hace referencia a la división
numérica entre uno de los sumandos y la suma total, la cantidad expresada se
denomina proporción.
Números índices
Otros métodos de presentación de datos utilizados en estadística se basan en el
empleo de números índices. Tales números reflejan la evolución que experimenta
con el paso del tiempo una variable estadística de interés. Así, se toma como
referencia del índice el valor de la variable en un instante dado, de manera que
sus valores posteriores se expresan como una razón de cambio con respecto a
dicha referencia (a menudo, en forma de porcentaje).
Un ejemplo típico de empleo de números índices es el índice bursátil, cuya
definición obedece a criterios diferentes en cada país (índice Dow Jones, en la
Bolsa de Nueva York; índice Nikkei, en Tokio, etcétera).
Estadísticas comunes
Varios estudios estadísticos comunes que aparecen con frecuencia en los medios
de comunicación son los siguientes:
Encuesta de Población Activa (EPA), elaborada por el Instituto Nacional de
Estadística (INE) con periodicidad trimestral, según recomendaciones de la
Organización Internacional del Trabajo (OIT), para obtener y clasificar datos sobre
la actividad de la población. Esta encuesta se realiza por muestreo, y los
resultados se ordenan por edad, sexo, nivel de estudios, profesión y otros
parámetros.
Índice de Precios al Consumo (IPC), que mide por medios estadísticos la
evolución exprimentada por los precios de los bienes y servicios consumidos por
la población española. Se basa en la Encuesta de Presupuestos Familiares (EPF),
y selecciona varios centenares de artículos, clasificados en ocho grupos, que se
consideran representativos de la evolución de los precios. Los artículos
seleccionados componen lo que se denomina cesta de la compra, considerada en
la encuesta.
Producto Interior Bruto (PIB), que registra la producción nacional de un país en
bienes y servicios asociados a procesos considerados productivos.
Poder adquisitivo, que maneja combinadamente datos del Salario Mínimo
Interprofesional (SMI) y el IPC.
Gráfico de sectores, o circular, que refleja estadísticamente la aplicación de las
matemáticas según el resultado de una encuesta de opinión.