que es estadística inferencial

La Estadística inferencial es aquella rama de la estadística que se encarga de

hacer inferencias o deducciones sobre una población en función de la
información recogida de una muestra de ella. En otras palabras, la estadística
inferencial sirve para inferir sobre una característica o sobre un conjunto de
características de una población con la información extraída de una muestra de
la población. La estadística inferencial se fundamenta en la teoría de la
probabilidad, y sus métodos incluyen la estimación de parámetros, la
comprobación de hipótesis y la previsión para establecer la inferencia
poblacional según los resultados de la muestra. Estos métodos permiten a los
investigadores expresar afirmaciones o tomar decisiones acerca de la
población en general basándose en la limitada información que hay en la
muestra.

Población:

En estadística, una población se refiere al conjunto completo de elementos o

individuos que comparten una característica común y sobre los cuales se
desea hacer inferencias o análisis. Esta característica común puede ser
cualquier cosa, desde las alturas de los estudiantes de una escuela hasta las
preferencias de compra de los clientes de una empresa.

Muestra

Una muestra, en el contexto de la estadística, es un subconjunto representativo

de una población más grande. La muestra se selecciona de manera que refleje
las características y la variabilidad presentes en la población de interés.

Niveles de medición

En estadística, los niveles de medición se refieren a las diferentes formas en

que se pueden clasificar o categorizar las variables. Estos niveles de medición
determinan qué tipos de operaciones matemáticas y estadísticas se pueden
realizar con los datos. Hay cuatro niveles principales de medición:

Nominal: En este nivel, las variables se clasifican en categorías sin un orden

inherente. En otras palabras, las variables nominales simplemente indican la
pertenencia a un grupo o categoría. Ejemplos comunes incluyen el género
(masculino, femenino), el estado civil (soltero, casado, divorciado), o el tipo de
vehículo (sedán, camioneta, SUV). En el nivel nominal, solo se pueden realizar
operaciones como contar y calcular frecuencias.

Ordinal: En este nivel, las variables tienen un orden natural o jerarquía, pero
las diferencias entre los valores no son uniformes o medibles. Por ejemplo, las
clasificaciones de productos según su calidad (baja, media, alta) o las escalas
de satisfacción (muy insatisfecho, insatisfecho, neutral, satisfecho, muy
satisfecho) son variables ordinales. En este nivel, además de contar y calcular
frecuencias, se pueden realizar comparaciones de orden.

Intervalo: En este nivel, los datos se pueden clasificar en categorías

ordenadas y las diferencias entre los valores son uniformes y medibles. Sin
embargo, no hay un punto cero absolutos. Los ejemplos comunes incluyen la
temperatura Celsius y Fahrenheit. En este nivel, además de las operaciones
realizadas en los niveles nominal y ordinal, también se pueden realizar
operaciones de adición y sustracción.

Ratio: Este es el nivel más alto de medición, en el que las variables tienen un
punto cero absolutos y las diferencias entre los valores son uniformes y
medibles. En este nivel, se pueden realizar todas las operaciones matemáticas,
incluida la multiplicación y la división. Ejemplos comunes incluyen la altura, el
peso, el tiempo y la cantidad de dinero.

Medida

En estadística, una medida se refiere a un valor numérico que se utiliza para

cuantificar una característica o propiedad específica de un conjunto de datos.
Las medidas estadísticas pueden proporcionar información sobre la tendencia
central, la dispersión, la forma de la distribución y otras características de los
datos.

Desviación típica

La desviación típica, también conocida como desviación estándar, es una

medida de dispersión que indica cuánto se desvían, en promedio, los valores
de un conjunto de datos respecto a su media.

Para calcular la desviación típica, primero se calcula la media del conjunto de

datos. Luego, se calcula la diferencia entre cada valor del conjunto y la media,
se eleva al cuadrado cada una de estas diferencias, se suman todas estas
diferencias al cuadrado y se divide por el número total de observaciones.
Finalmente, se toma la raíz cuadrada del resultado para obtener la desviación
típica.

Formula Desviación típica

La desviación típica es una medida importante en estadística porque

proporciona una idea de la dispersión de los datos alrededor de la media.
Cuanto mayor sea la desviación típica, mayor será la dispersión de los datos; y
cuanto menor sea, más cercanos estarán los datos entre sí y respecto a la
media.

2. Clases de estadística

Existen diferentes formas de clasificar la estadística según diversos criterios.

Aquí te presento algunas clases comunes de estadística:

Estadística Descriptiva: Esta rama se centra en describir y resumir

características importantes de un conjunto de datos. Las medidas como la
media, la mediana, la moda, la desviación estándar y los gráficos como
histogramas, diagramas de barras y diagramas de dispersión son herramientas
comunes utilizadas en estadística descriptiva para resumir y visualizar datos.

Estadística Inferencial: Se encarga de hacer inferencias o generalizaciones

sobre una población basándose en la información recopilada de una muestra
representativa de esa población. Los métodos como la estimación de
parámetros, las pruebas de hipótesis y la predicción se utilizan en estadística
inferencial para hacer afirmaciones sobre la población a partir de la muestra.

Estadística Matemática: Esta área se enfoca en el desarrollo y la

fundamentación teórica de los métodos estadísticos. Incluye la teoría de la
probabilidad, la teoría de la distribución de probabilidad, la teoría de la
estimación y la teoría de las pruebas de hipótesis, entre otros conceptos
fundamentales.
Estadística Aplicada: Se refiere a la aplicación de métodos y técnicas
estadísticas para abordar problemas reales en una amplia gama de disciplinas,
como la economía, la psicología, la medicina, la ingeniería, entre otros campos.

Estadística Bayesiana: Se basa en el teorema de Bayes para actualizar las

creencias sobre un evento en función de nueva evidencia. La estadística
bayesiana es útil cuando se dispone de información previa sobre el problema
en cuestión.

Estadística No Paramétrica: Se utiliza cuando no se asumen distribuciones

específicas para los datos. Se basa en métodos que no requieren supuestos
sobre la forma de la distribución de los datos subyacentes.

¿Que no se debe hacer en la estadística inferencial?

Hay varias practicas que deben evitarse para la práctica de la estadística

inferencial

No ignorar los supuestos de los métodos estadísticos: Muchos métodos

estadísticos tienen supuestos subyacentes que deben cumplirse para que los
resultados sean válidos. Ignorar estos supuestos puede conducir a
conclusiones erróneas. Es importante comprender los supuestos de los
métodos utilizados y verificar si se cumplen.

No confundir correlación con causalidad: Solo porque dos variables estén

correlacionadas, no significa que una causa la otra. Es importante tener
cuidado al interpretar las relaciones entre variables y evitar sacar conclusiones
causales basadas únicamente en correlaciones.

No realizar pruebas múltiples sin ajuste: Realizar múltiples pruebas de

hipótesis aumenta la probabilidad de obtener resultados significativos por azar.
Se deben utilizar métodos de ajuste, como el procedimiento de Bonferroni,
para controlar el error de tipo I cuando se realizan pruebas múltiples
No sobreajuste los modelos: El sobreajuste ocurre cuando un modelo se
ajusta demasiado bien a los datos de entrenamiento, pero no generaliza bien a
nuevos datos. Es importante evitar incluir demasiadas variables o términos en
un modelo, ya que esto puede conducir a la sobreestimación de la precisión del
modelo. variables o términos en un modelo, ya que esto puede conducir a la
sobreestimación de la precisión del modelo.

. Que diferencia existe entre la estadística descriptiva y la inferencia.

la estadística descriptiva se utiliza para resumir y describir los datos

disponibles, mientras que la estadística inferencial se utiliza para hacer
inferencias y generalizaciones sobre una población más amplia a partir de una
muestra de datos.

Estadística Inferencial: La estadística inferencial se centra en hacer

inferencias o generalizaciones sobre una población más amplia basándose en
la información recopilada de una muestra representativa de esa población. Su
objetivo principal es sacar conclusiones más allá de los datos observados y
aplicar estas conclusiones a una población más grande.

Estadística Descriptiva:

La estadística descriptiva se enfoca en describir y resumir las características

importantes de un conjunto de datos. Su objetivo principal es proporcionar una
comprensión clara y concisa de los datos disponibles.