Inferencia estadística

Unidad 4
 Inferencia estadística: Introducción

 ¿Qué es inferir?
 Con lo que sabemos, podemos sacar conclusiones.
 La estadística inferencial, es el proceso por el cual
se deducen (infieren) propiedades o características
de una población a partir de una muestra
significativa.
 Inferencia estadística: Introducción
Estadística descriptiva
Es una técnica estadística que obtiene, organiza,
presenta y describe un conjunto de datos
obtenidos en las investigaciones del
comportamiento, con el propósito de facilitar el
uso generalmente apoyado de tablas, medidas
numéricas y parámetros estadísticos como las
medidas de tendencia central, dispersión,
posición y forma
Conceptos básicos: media, mediana, moda,
desviación estándar, varianza, curva de
distribución, curtosis, asimetría.
Estadística inferencial
Es la técnica estadística que analiza
cuantitativamente los datos provenientes de las
muestras para inducción propiedades de una
población, su objetivo es obtener conclusiones
útiles para hacer deducciones sobre una
totalidad, basándose en la información numérica
de la muestra
Conceptos básicos: Muestras, parámetros,
población.
 Inferencia estadística: Conceptos

Población Muestra
Definición Colección de elementos o personas considerados Parte o porción de la población
en un determinado lugar seleccionada para su estudio

Características “Parámetros” “Estadísticos”

Símbolos Tamaño de la población: N Tamaño de la muestra: n

Media de la población= μ (mú) Media de la muestra: 

Desviación estándar de la población: σ (sigma) Desviación estándar de la

muestra= S
 Métodos de muestreo

 Muestreo: Es el procedimiento a través del cual, se seleccionan porciones de las

poblaciones a las cuales se les denomina muestras. Las muestras son
herramientas importantes para la investigación del comportamiento, ya que
permiten el estudio de las poblaciones de utilizar todos los elementos de dicha
población.
 Hay dos tipos de muestreo que pueden ser utilizados en el proceso de obtención
de una muestra:

 Muestreo probabilístico y Muestreo no probabilístico

 Muestreo probabilístico (aleatorio)

La selección de los elementos de la población tienen igual oportunidad de ser seleccionados para la muestra. Se debe de
conocer las características y número de la población.

Muestreo probabilístico simple

• Se refiere a la extracción de una muestra de una población a
través de un procedimiento en el cual todos los sujetos de la
población tengan la misma oportunidad de ser seleccionados
 Muestreo probabilístico (no aleatorio)

La selección de los elementos de la población tienen igual oportunidad de ser seleccionados para la muestra. Se debe de
conocer las características y número de la población.

Muestreo probabilístico estratificado

• En este tipo de muestreo, los sujetos son inicialmente agrupados en
diferentes categorías como la edad, nivel socioeconómico o el genero,
luego el investigador selecciona aleatoriamente la lista final de los
sujetos de los distintos estratos.
 Muestreo probabilístico (no aleatorio)

La selección de los elementos de la población tienen igual oportunidad de ser seleccionados para la muestra. Se debe de
conocer las características y número de la población.

Muestreo probabilístico por racimos o

conglomerados
• En este tipo de muestreo, los sujetos se encuentran
encapsuladas o encerrados en determinados lugares físicos o
geográficos a los que se denomina racimos
¿Cómo se lleva a cabo el procedimiento de selección?

Números
random o Archivos,
Tómbola Listados
números mapas.
aleatorios
 Muestreo no probabilístico (no aleatorio)

La selección de los elementos de la población está orientada hacia el interés del investigador y de la investigación.

Muestreo no probabilístico dirigido

• Se caracteriza porque la selección de los sujetos se realiza con
base en el juicio del investigador, en otras palabras, se
escogen de la población aquellas unidades que, de acuerdo al
investigador son representativos de la misma.
 Muestreo no probabilístico (no aleatorio)

La selección de los elementos de la población está orientada hacia el interés del investigador y de la investigación.

Muestreo no probabilístico de sujetos

voluntarios
• La selección de los sujetos se realiza de manera
accidental y fortuita.
 Muestreo no probabilístico (no aleatorio)

La selección de los elementos de la población está orientada hacia el interés del investigador y de la investigación.

Muestreo no probabilístico de expertos

• Se selecciona a los sujetos que conformarán a la
muestra con base en el conocimiento de los
participantes en determinado tema
 Muestreo no probabilístico (no aleatorio)

La selección de los elementos de la población está orientada hacia el interés del investigador y de la investigación.

Muestreo no probabilístico de sujetos-tipo

• En este tipo de muestreo, los participantes se
seleccionan con base en alguna característica que
posean, por ejemplo; estudiantes universitarios.
 Muestreo no probabilístico (no aleatorio)

La selección de los elementos de la población está orientada hacia el interés del investigador y de la investigación.

Muestreo no probabilístico por cuotas.

En este tipo de muestreo se seleccionan de
acuerdo a un criterio numérico que debe
satisfacerse.
 Otros conceptos

 Estimación puntual: Valor calculado a partir de la información obtenida de la

muestra y que se usa para estimar el parámetro poblacional.
 Intervalo de confianza: rango de valores obtenido a partir de los datos muestrales
en el que hay una determinada probabilidad de que se encuentre el parámetro, a
esta probabilidad se le conoce como el nivel de significancia; por ejemplo “el
promedio de calificaciones de determinados estudiantes está entre 7.5 y 8.3”
 Error de muestreo: Diferencia entre un valor estadístico de muestra y su
parámetro de población correspondiente.
 Variables aleatorias

Variable aleatoria: Es la variable que puede tomar cualquier valor de un numero total de
valores, teniendo cada uno de ellos una probabilidad asignada, por ejemplo:
1.- si se lanza un dado, identifique los valores (Xi) que puede asumir cada lanzamiento y
determine sus probabilidades
Posibles resultados
Resultado 1 2 3 4 5

Probabilidad 1/6 1/6 1/6 1/6 1/6

Como se puede observar, del lanzamiento del dado se puede obtener uno de 6 posibles resultados y cada uno de
ellos tiene una probabilidad asignada. Por lo tanto, el resultado del lanzamiento de un dado es una variable
aleatoria porque combina ambas condiciones: un resultado y su probabilidad de ocurrencia.
 Variables aleatorias: ejemplo

En una población escolar hay 300 estudiantes de los cuales 175 son mujeres y 125 son hombres.
Se selecciona aleatoriamente un estudiante. Demuestre que el sexo es una variable aleatoria.

Masculino Femenino Total

Total 125 175 300
Probabilidad 0,42 0,58 1,00

En este ejemplo, sexo es una variable aleatoria en vista de que puede asumir uno de dos valores (masculino
o femenino) y cada uno de ellos tiene una probabilidad de ocurrencia.
 Tipos de variables aleatorias
Variable aleatoria discreta (categórica): Es
aquella variable que al momento de ser
medida, los resultados correspondientes
no pueden asumir valores fraccionales,
también se reconocen como variables
nominales Algunos ejemplos simples
serían: masculino-femenino, correcto-
incorrecto, etc. Por lo general, cada
categoría se identifica con un nombre o un
número: correcto o incorrecto, o 1 si posee
la característica, o 0 si no la posee. En estos
casos, los números no tienen significado
cuantitativo, sino únicamente nominal.
Variable aleatoria continua: Es aquella que es capaz
de asumir un conjunto ordenado de valores dentro
de cierto rango y que además puede asumir valores
fraccionales. Esto implica que dicha variable refleja,
al menos, un orden de rango, o sea, que un valor
mayor implica más de la propiedad estudiada que
un valor menor. Las medidas continuas están
contenidas dentro de rangos y los sujetos obtienen
un puntaje dentro del mismo. Por ejemplo, si se
miden actitudes, la escala puede ser de 1 a 5: 1
significa una actitud muy negativa y 5 una actitud
muy positiva. Además, dentro de la escala, se
pueden asumir valores fraccionales tales como:
1.75, 3.25, 4.50, etc. Por esta razón, las variables
continuas se miden por lo menos en una escala de
intervalos.
 Distribución muestral de probabilidades

 Definición: Se puede definir a una distribución

muestral como una descripción matemática de
todos los posibles resultados de los eventos
muestrales y de sus probabilidades,
seleccionadas de una población.
 Distribución muestral de probabilidades: ejemplo

 1.- Supongamos que tenemos la siguiente población de datos: 2, 4, 6, 8, 10.

 La media y la desviación estándar de dicha población de datos es: μ = 6; σ = 2.83
 Seleccionamos todas las posibles muestras de tamaño 2 de dicha población.
Obtenemos un total de 25 combinaciones o muestras:
2 4 6 8 10
2 2, 2 2, 4 2, 6 2, 8 2, 10
4 4, 2 4, 4 4, 6 4, 8 4, 10
6 6, 2 6, 4 6, 6 6, 8 6, 10
8 8, 2 8, 4 8, 6 8, 8 8,10
10 10, 2 10, 4 10, 6 10, 8 10, 10
Distribución muestral de probabilidades: ejemplo

 Si calculamos la media aritmética de cada una de las muestras, los resultados serían los
siguientes:
2 3 4 5 6
3 4 5 6 7
4 5 6 7 8
5 6 7 8 9
6 7 8 9 10
 Se ha podido demostrar que la media de la población original de los cinco datos (6.00) es igual a la media
de todas las 25 medias de tamaño 2 (6.00). Las 25 medias constituyen lo que se denomina la distribución
muestral de las medias, lo cual es una importantísima propiedad estadística en la cual se fundamenta el
proceso de muestreo. Esta propiedad es cierta para cualquiera distribución de muestras del mismo
tamaño. A partir de esta propiedad, podemos llegar a las siguientes conclusiones:
 La distribución muestral de todas las medias se aproxima a una curva normal, independientemente de la
forma de la distribución de los puntajes originales. Si se graficaran todas las medias muestrales, la forma
se aproximaría a una curva. Esta propiedad está fundamentada en el Teorema Central del Límite.

 La media de una distribución de medias (media de medias) es igual a la media original de la población de
los puntajes.

 La desviación estándar de la distribución muestral de medias es menor que la desviación estándar de la

población original.
 Ejercicio

 Población: cinco niños autistas

 Variable: Numero de conductas autodestructivas durante dos horas de registros:
μ = 14; σ = 2.82
 X1= 10
10 12 14 16 18
X2= 12
10
X3=14
12
X4=16
X5=18 14
16
18
 Problemas fundamentales
Estimación
 Es el conjunto de procedimientos
estadísticos dirigidos a aproximar los
valores muestrales a los
correspondientes valores
poblacionales. Solamente podemos
aproximarlos; nunca se podrán
calcular con exactitud: Hay dos
métodos de estimación estadística:
*Puntual
*Por intervalos
Contraste (prueba) de hipótesis
 Es un procedimiento que permite
establecer si el comportamiento
esperado de los datos estadísticos
provenientes de una investigación se
han cumplido tal y como lo formuló
el investigador, o si por el contrario,
no se manifestó de acuerdo a los
esperado.
* Pruebas paramétricas
* Pruebas no paramétricas