ESCUELA SUPERIOR

POLITECNICA DE CHIMBORAZO
Escuela de Ingenieria de Sistemas

Dra. Narcisa Salazar lvarez

Septiembre 2013

ESTADISTICA INFERENCIAL
La Inferencia Estadstica es la parte de la estadstica
matemtica que se encarga del estudio de los mtodos
para la obtencin del modelo de probabilidad (forma
funcional y parmetros que determinan la funcin de
distribucin) que sigue una variable aleatoria de una
determinada poblacin, a travs de una muestra (parte de
la poblacin) obtenida de la misma

Problemas que estudia la

Inferencia Estadstica
Problemas de la
Inferencia Estadstica

Problema de la
estimacin

Problema del contraste

de hiptesisis

Clasificacin de la
Inferencia Estadstica

Inferencia estadstica
paramtrica

Inferencia estadstica
no paramtrica

El anlisis se dirigi a problemas de

Inferencia Estadstica paramtricas, donde la
V. A. Objeto de estudio sigue una
distribucin normal y slo tendremos que
tratar de estimar los parmetros que
determinan la media y la desviacin
estandar.

Distribucin Normal
Sin lugar a dudas, la distribucin ms utilizada
para modelar experimentos aleatorios es la
distribucin normal o Gausiana. Sea X una
variable aleatoria con funcin de densidad de
probabilidad

1
f X ( x; , )
e
2

( x )2
2 2

Si y , recibe el nombre de
variable aleatoria normal
estndar y se le denota como Z,
adems
X
Z
.

Supongamos que X es una variable

aleatoria normal con media y
varianza . Entonces,
X x
P ( X x ) P

P( Z z )

Z es una variable aleatoria normal

estndar, y

z (x ) /

es el valor obtenido a travs de la

estandarizacin de X.
La probabilidad de este evento se calcula
resolviendo el siguiente integral

P( Z z )

1
2

2
2

du

Por la elevada complejidad de este integral es

que generalmente se recurre a tablas ya
elaboradas, sin embargo esto tiene
inconvenientes debido a que las tablas estn
elaboradas para un grupo pequeo de datos, y
generalmente no las tenemos a mano, es por
eso que una alternativa es elaborar un
software numrico que realice estos clculos.

Clases de Muestra
De acuerdo con el nmero de muestras tomadas de una
poblacin, se clasifican en:
Muestreo Simple
Muestreo doble
Muestreo multiple

Clculo del tamao de la Muestra

Cuando se conoce la poblacin

N Z
n
2
2 2
( N 1) E Z
2

Cuando no se conoce la poblacin

Z
n
2
E
2

Error Muestral
Generalmente los resultados que se obtienen
de las encuestas son estimativas es decir no
tienen un alto grado de representatividad al
estudiar su totalidad por lo que estn sujetos
a errores lo que significa que las constantes
como la media aritmtica, la desviacin
estndar, la varianza etc. estn expuestas a
variaciones alrededor del valor verdadero por
lo que una de las fases de la teora general
del muestreo es detectar los errores en el
sentido de error tpico o estndar.

Error Muestral
Existen dos tipos de errores ms comunes:

Debido al azar, a la casualidad o a

errores aleatorios
Debido
a
cierta
introducimos con
(errores de sesgo).

parcialidad
que
nuestros criterios

La desviacin estndar de la distribucin

de una estadstica de muestra se conoce
como el error estndar de la estadstica
(media, desviacin estndar)

Intervalos de Confianza
El Intervalo de confianza es una aproximacin del dato estadstico
aun 100% aceptable; asi tenemos que el 95% da lugar a pensar que
tenemos el 95% de posibilidades de que el dato estadstico sea
verdadero, dentro de la normal el coeficiente de confianza es de
(+/- 1.96).
95 %

-1.96

+1.96

Muestras grandes y pequeas:

Consideramos que cuando se trata de la verificacin de
hiptesis, es necesario considerar que, si el tamao de la
muestra extrada es mayor de 30 se tiene una muestra grande
y para la que aplicamos la prueba Z, utilizando para ello la
tabla de probabilidad normal. Y si la muestra extrada es
menor de 30, se considera como muestra pequea, para la
que se aplicar la distribucin t-Student, la que requier el
uso de la tabla especfica, as como la determinacin de los
grados de libertad (gl) que se define con (n-1).