Está en la página 1de 29

ESTADISTICA INFERENCIAL

La inferencia estadstica es, realmente, la parte ms


interesante y con mayor cantidad de aplicaciones en
problemas concretos. De qu se ocupa? El planteo, a
grandes rasgos, es ms o menos el siguiente: el
investigador se encuentra estudiando una gran
poblacin (personas, o tornillos, o palomas, o
automviles, o lo que sea) y quiere disponer de
algunos valores (promedios, desvos, tendencias,
forma de la distribucin, etctera) que sean vlidos en
forma general, para toda la poblacin en estudio. Sin
embargo, le resulta imposible acceder a toda la
informacin, medir la variable analizada en todos y
cada uno de los integrantes de la poblacin.
INTRODUCCION A LA INFERENCIA ESTADISTICA
Qu hace?. Apela al estudio de muestras,
que son subconjuntos de la poblacin original,
con menos elementos, pero que intentan
representarla del modo ms fiel posible. En
algn sentido puede decirse que una muestra
seleccionada honestamente es un modelo
reducido a escala de la poblacin. Por
supuesto, al tomar la muestra siempre se
producen errores y se pierden detalles, pero
es mucho ms lo que se gana respecto a la
informacin que ella puede proporcionar.
Existen numerosas tcnicas para seleccionar
muestras. Este paso es de importancia vital en
un estudio estadstico, porque las
conclusiones que se obtienen dependen muy
esencialmente de la/s muestra/s analizada/s.
Las tcnicas que proporcionan las mejores
muestras son las aleatorias, en las que
cualquier integrante de la poblacin tiene la
misma probabilidad de ser elegido.
La cantidad de elementos que integran la
muestra (el tamao de la muestra) depende
de mltiples factores, como el dinero y el
tiempo disponibles para el estudio, la
importancia del tema analizado, la
confiabilidad que se espera de los resultados,
las caractersticas propias del fenmeno
analizado, etctera.
A partir de la muestra seleccionada se
realizan algunos clculos y se estima el valor
de los parmetros de la poblacin tales como
la media, la varianza, la desviacin estndar,
o la forma de la distribucin, etctera. Existen
dos formas de estimar parmetros:
la estimacin puntual y la estimacin por
intervalo de confianza. En la primera se busca,
con base en los datos muestrales, un nico
valor estimado para el parmetro. Para la
segunda, se determina un intervalo dentro del
cual se encuentra el valor del parmetro, con
una probabilidad determinada.
Estadstica Inferencial
PROCEDIMIENTO DE LA ESTADSTICA INFERENCIAL
RECOLECCIN EN
LOS DATOS DE LA
MUESTRA
CLCULO
DE
ESTADGRAFOS
POBLACIN
O UNIVERSO
INFERENCIA
DE LOS
PARMETROS
MEDIANTE
TCNICAS
ESTADSTICAS
APROPIDADAS
Objetivo
La inferencia estadstica; se ocupa de
predecir, sacar conclusiones, para de una
poblacin tomando como base una
muestra de dicha poblacin. Como todas
las predicciones , siempre ha de hacerse
bajo un cierto grado de fiabilidad y
confianza.
Pasos que sigue una Inferencia
Planteamiento del problema
Elaboracin de un modelo
Extraccin de la muestra
Tratamiento de datos
Estimacin de los parmetros
Contraste de hiptesis
Cuando decimos que una muestra es
representativa indicamos que rene
aproximadamente las caractersticas de la
poblacin que son importantes para la
investigacin.
La inferencia estadstica, estudia
principalmente dos tipos de problemas:
a) La estimacin; consiste en determinar una
caracterstica desconocida de la poblacin.
- Puntual: determina el valor concreto.
- Por intervalo: lo determina mediante un
intervalo, con cierto grado de probabilidad.
b) El contraste de hiptesis; determina si es
aceptable, a partir de datos mustrales, que la
caracterstica estudiada tome un valor
predeterminado pertenezca a un intervalos
concreto.


Las distintas maneras de elegir una muestra
de una poblacin se denominan muestreos.
Hay dos tipos de muestreos:
1. Muestreo no probabilstico: El investigador
no elige la muestra al azar, sino mediante
determinados criterios subjetivos.
2. Muestreo probabilstico: Cuando la muestra
se elige al azar.

En este caso podemos distinguir
varios tipos:

a) Muestreo aleatorio simple: Cada individuo de la poblacin
tiene las mismas posibilidades de ser elegido.
b) Muestreo sistemtico: En el que se elige un individuo al
azar y a partir de l, a intervalos constantes, se eligen los
dems hasta completar la muestra.
c) Muestreo estratificado: En este muestreo se divide la
poblacin en clases o estratos y se escoge, aleatoriamente,
un nmero de individuos de cada estrato proporcional al
nmero de componentes de cada estrato.

d) Muestreo por conglomerados: Se aplica cuando es difcil
tener una lista de todos los individuos que forman parte
de la poblacin de estudio, pero sin embargo sabemos
que se encuentran agrupados naturalmente en grupos.

Se realiza eligiendo varios de esos grupos al azar, y ya
elegidos algunos podemos estudiar a todos los
individuos de los grupos elegidos o bien seguir
aplicando dentro de ellos ms muestreos por grupos,
por estratos, aleatorios simples,

Al igual que en el muestreo estratificado, al extrapolar
los resultados a la poblacin hay que tener en cuenta el
tamao relativo de unos grupos con respecto a otros.
Regiones con diferente poblacin pueden tener
probabilidades diferentes de ser elegidas, comarcas,
hospitales grandes frente a pequeos,

Muestreo aleatorio simple: Elegiramos un alumno al azar
(probabilidad de elegirlo 1/600. Lo devolvemos a la poblacin
y se elige otro (probabilidad de elegirlo 1/600), y as hasta 20.
Notemos que si no devolvisemos al alumno, entonces, la
probabilidad de escoger al 2 alumno seria 1/599, y ya no
todos tendran la misma probabilidad de ser elegidos. El
problema es que entonces permitimos que se puedan repetir
individuos

Muestreo sistemtico: Como hemos de elegir 20 alumnos de
600, es decir, 1 de cada 30, se procede as: Se ordenan los
alumnos y se numeran, se elige uno al azar, por ejemplo el
alumno 27, y luego los dems se eligen a partir de este a
intervalos de 30 alumnos. Escogeramos por tanto a los
alumnos:
27,57,87,117,147,177,207,237,267,297,327,357,387,417,4
47,477,507,537,567,597 y el alumno 627 ya es otra vez el
27.

Muestreo por conglomerados: Para ver este muestreo, hemos de cambiar
el ejemplo.
Supongamos que queremos extraer una muestra aleatoria de los
estudiantes universitarios del pas.
Necesitaramos una lista con todos ellos para poder realizar algn
muestreo del tipo de los 3 anteriores,
lo cual es muy difcil de conseguir. Sin embargo, los estudiantes estn
clasificados por Universidades,
Facultades y Clases.
Podemos seleccionar en una primera etapa algunas Universidades,
despus algunas facultades al
azar, dentro de las facultades algunas clases y dentro de las clases, algunos
estudiantes por muestreo
aleatorio simple. Los conglomerados en cada etapa serian las diferentes
Universidades, las diferentes
facultades y los diferentes clases.
Como vemos los conglomerados son unidades amplias y heterogneas.

Ejemplo N 1
En poblacin cuya distribucin se desconoce se obtiene una
muestra (m.a.s.) de 2000 valores de la que resulta una
media de 225 y una desviacin tpica de 10. Suponiendo
que la varianza muestral coincide con la poblacional, estimar
un intervalo para la media de la poblacin con un nivel de
confianza del 95%.
Solucin:
Tendramos 1-a =0.95 luego a =0.05; S=10=s (muestra grande
n>30); n=2000, para una poblacin normal.
el resultado sera : [224,56 , 225,44] con el 95 % de
confianza.


Aproximacin mediante una distribucin muestral
Para expresar las propiedades de
una poblacin estadstica a travs de un muestreo se
determinan muestras representativas de la
poblacin y se procede a analizar sus parmetros
estadsticos segn dos tcnicas posibles: distribucin
muestral de las medias o distribucin muestral de
las proporciones .
Al tratarse de una aproximacin, por exacta que sea,
el muestreo introduce una diferencia entre las
propiedades de la muestra y el valor real que se
obtendra si se analizara el conjunto de toda la
poblacin.

Por ejemplo, dada una poblacin de tamao N
con media aritmtica m y desviacin tpica s, y
obtenida por distribucin muestral de las medias una
muestra de la misma de tamao n, media
aritmtica y desviacin tpica , el error
absolutointroducido en el clculo de cada media
tendra el valor |m - |. A escala global, la media de
las medias de la distribucin coincide con la media
de la poblacin, as que las diferencias |m - | sern
bajas, aunque en general no nulas.
La distribucin de todas las medias obtenidas a partir
de una poblacin mediante una distribucin
muestral de las medias tiene forma de campana de
Gauss (distribucin normal).

Pruebas de Hiptesis
La experiencia sobre el comportamiento de algn ndice
de un proceso, o la exigencia del cumplimiento de
alguna norma nos lleva a realizar proposiciones sobre el
valor de algn parmetro estadstico.
Estas proposiciones se deben contrastar con la realidad
(mediante el muestreo de datos) para tomar una
decisin entre aceptar o rechazar la proposicin
Estas proposiciones se denominan Hiptesis y el
procedimiento para decidir si se aceptan o se rechazan
se denomina Prueba de Hiptesis
Una prueba de hiptesis es una herramienta de anlisis
de datos que puede en general formar parte de un
experimento comparativo ms completo
Pruebas de Hiptesis
Procedimiento general para la prueba de Hiptesis
UMSNH -
FIE
Antes de Examinar los datos muestrales:
1. Identificar el parmetro de inters
2. Establecer la Hiptesis Nula H
0

3. Especificar una Hiptesis alternativa adecuada
H
1

4. Seleccionar un nivel de significancia a
Usando los datos muestrales:
5. Establecer un estadstico de prueba adecuado
6. Establecer una regin de rechazo
7. Calcular todas las cantidades muestrales
necesarias para el estadstico
8. Decidir si debe o no rechazarse H
0

EJEMPLOS.
Una muestra aleatoria de 100 muertes registradas en
Estados Unidos el ao pasado muestra una vida promedio
de 71.8 aos. Suponga una desviacin estndar poblacional
de 8.9 aos. Queremos probar si la vida media hoy en da es
mayor a 70 aos con base en esa muestra. La muestra
parecera indicar que es as pero Cul es la probabilidad
de que la media de la muestra no refleje la verdadera media
de la poblacin? Utilizar un nivel de significancia de 0.05.
Solucin:
Se trata de una distribucin muestral de medias con
desviacin estndar conocida.
1.Datos: =70 aos
s = 8.9 aos
x= 71.8 aos
n = 100
= 0.05

2. Establecemos la hiptesis
Ho; = 70 aos.
H1; > 70 aos.
3. Nivel de significancia
= 0.05, Z= 1.645
4. Regla de decisin:
Si Z1.645 no se rechaza Ho.
Si Z> 1.645 se rechaza Ho.
5. Clculos:
(reemplazando)
6. Decisin y justificacin.
Como 2.02 >1.645 se rechaza Ho y se concluye con un
nivel de significancia del 0.05 que la vida media hoy en da
es mayor que 70 aos.

-z
a/2
z
a/2

Z
a/2
a/2
Regin de aceptacin regin crtica regin crtica
N /

X
Z
0
__

Pruebas de Hiptesis
Otras pruebas paramtricas de Hiptesis
Prueba sobre Hiptesis Nula Suposiciones
Estadstico
de Prueba
La media
m = m
0
s
2
conocida Normal
m = m
0
s
2
desconocida T
Igualdad de
medias
m
1
= m
2
s
1
2
= s
2
2
conocidas Normal
m
1
= m
2
s
1
2
= s
2
2
desconocidas T
m
1
= m
2
s
1
2
s
2
2
conocidas T
La varianza
s
2
= s
0
2
dist. Normal, N pequea Ji
2
s
2
= s
0
2
N grande Normal
Igualdad de dos
varianzas
s
1
2
= s
2
2
F
Una proporcin p = p
0
Normal
Igualdad de dos
proporciones
p
1
= p
2
Normal
CONCLUSION
La estadstica inferencial es una parte de la Estadstica que
comprende los mtodos y procedimientos para deducir
propiedades (hacer inferencias) de una poblacin, a partir de
una pequea parte de la misma (muestra).
La bondad de estas deducciones se mide en trminos
probabilsticos, es decir, toda inferencia se acompaa de su
probabilidad de acierto.
La estadstica inferencial comprende:
La Teora de muestras.
La estimacin de parmetros.
El Contraste de hiptesis.
El Diseo experimental.
La Inferencia bayesiana.

GRACIAS
INTEGRANTES
ARLEON SINCHE, OSCAR EDUARDO

BENITES MENDOZA, PAMELA ANGELICA

TORRES MONTALVAN, ALEF