Inferencia estadística

Luis Fernando Meriño Padilla.

Lic. En Matemática
Esp. En Estadística

Programa de Ing. Industrial

semestre V

Unicomfacauca, Santander de Quilichao.

 Objetivo

Describir, utilizar e interpretar los resultados de los

métodos que hacen posible la estimación de una o varias
características de una población de interés, o la toma de
una decisión con respecto a una población, basada sólo
en los resultados de una muestra
 Metodología

Se impartirán clases magistrales donde se ilustrará

ampliamente los conceptos a través de ejemplos y el
desarrollo de problemas tipo, se realizarán talleres y
prácticas en las salas de sistemas.

El estudiante se ejercitará en la resolución de

problemas mediante trabajo personal fuera de horas de
clase.
 Talleres

Práctica de laboratorio 1. (20 feb 5%)

Práctica de laboratorio 2. (3 abril 5%)

Práctica de laboratorio 3. (15 de mayo 10%)

 Evaluación

Concepto Porcentaje
Primer Parcial + Lab 25% + 5%
Segundo Parcial + Lab 25% + 5%
Parcial Final + Lab + Eval 20% + 10% + 10
proyecto
 ¿Qué son los Créditos Académicos?

Un Crédito Académico mide el tiempo estimado de

actividad del estudiante en función de las competencias
que se espera que el programa desarrolle.

El Crédito Académico equivale a 48 horas totales de

trabajo del estudiante, incluidas las horas académicas
con acompañamiento docente y las demás horas que
deba emplear en actividades independientes de
estudio, prácticas, preparación de exámenes y otras
 Contenido de la Asignatura

Muestreo y la Inferencia Estadística

 
Estadística Descriptiva vs Inferencia
  Estadística
Unidad I Población, muestra, parámetro, estadístico.
 
Razones para obtener una muestra.
Tipos de muestreo
Repaso de la Distribución Normal.
 Contenido de la Asignatura

Distribuciones Muestrales y Estimación Puntual

 
Distribuciones Muéstrales, Distribución Muestral
de la Media.
Unidad II Teorema del Límite Central. Error Estándar de la
Media Muestral
Uso de la distribución muestral de la media.
Distribución muestral de la proporción
Distribución muestral de la varianza
 Contenido de la Asignatura
Estimación por Intervalos
 
Intervalos de confianza.
Estimación del Intervalo de confianza para la media (σ
conocida).
Estimación del Intervalo de confianza para la media (σ
Unidad III desconocida).
Distribución muestral t de STUDENT. Propiedades.
Concepto de Grados de Libertad.
Estimación del Intervalo de confianza para la Varianza.
 Contenido de la Asignatura
Prueba de Hipótesis
 
¿Qué es una hipótesis? ¿Qué es la Prueba de
Hipótesis?
5 pasos para probar una Hipótesis. Hipótesis nula e
hipótesis alternativa.
Unidad IV Nivel de Significancia.
Estadístico de Prueba y su valor crítico.
Errores tipo I y II.

(Continúa…)
 Contenido de la Asignatura

(…Continuación)
Pruebas de significancia de una y dos colas.
Pruebas para la media de una población (conocida)
Unidad IV Prueba de dos colas y de una cola. Valor p en las
pruebas de hipótesis.
Prueba de la media poblacional (desconocida).
Pruebas relacionadas con proporciones. Error tipo II
 Estadística Descriptiva
• La estadística descriptiva suministra los instrumentos que
permiten el salto de las observaciones a la inferencia, siendo el
resumen de las observaciones el paso previo.

• La Estadística Descriptiva se dedica a expresar regularidades

propias de las observaciones ó conjunto de datos, a través de
operaciones numéricas para permitir la cuantificación.

• La Estadística Descriptiva agrupa todas aquellas técnicas y

procedimientos que permiten caracterizar una muestra y
población, algunas de estas técnicas son las medidas de
tendencia central, dispersión, posición, regresión y correlación.
 Métodos para organizar datos
• Matriz de Datos
Es una forma de sintetizar la información recogida de la realidad
para investigar un problema y tratar de obtener conocimiento
científico que intente explicar dicho problema.
• Composición:
Dimensión, Unidades, Valores.
• Distribuciones de Frecuencias
tablas de datos referentes al número de veces en las que se
repite la categoría de una variable que graficado, refleja la forma
de la distribución construida.
Absolutas, Relativas, Proporciones, Porcentajes.
 Medidas de Tendencia Central
• Media:
Es el valor típico o promedio, representativo del conjunto de
datos considerados.
• Mediana:
Es un valor que divide la distribución de datos en 2 partes
iguales, tal que, el conjunto de datos por encima de este sea
igual al número de datos por debajo de la misma.
• Moda:
Es el valor que más se repite en una distribución de datos.
 Medidas de Dispersión
Son aquellas que permiten reflejar la distancia entre los valores de la
variable con respecto al valor central de la distribución.

• Amplitud o Rango: Nos ofrece una visión de donde a donde se

expresan los datos. Es la diferencia entre observaciones extremas.

• Varianza: Es la media de los cuadrados de las diferencias entre cada

valor de la variable y la media aritmética de la distribución.

• Desviación Típica: Refleja la distancia de cada valor con respecto a la

media. Es la raíz cuadrada de la varianza.

• Coeficientes de Variación de Pearson: Nos permite comparar el

grado de dispersión de muestras cuyas unidades son diferentes o
donde las medias son extremadamente desiguales.
 Cuantiles
Son valores que dividen la distribución en partes iguales, es
decir; en intervalos que comprenden el mismo número de
valores.
• Cuartiles: Son los tres valores que dividen al conjunto de
datos ordenados en cuatro partes porcentualmente iguales.

• Deciles: Son los nueve valores que dividen al conjunto de

datos en diez partes porcentualmente iguales.

• Percentiles: Son las medidas más utilizadas para propósitos de

ubicación o clasificación, dividen la sucesión en cien partes
porcentualmente iguales.
 Inferencia Estadística
Rama de la estadística que utilizando información a partir de
muestras de población, se apoya en las teorías de la
probabilidad para realizar suposiciones, de que en
determinado momento y lugar, o bajos ciertas condiciones,
sucederán fenómenos específicos en menor ó mayor medida,
sin tener la certeza de ocurrencia de ellos.

Por lo tanto, se apoya en el cálculo de probabilidades para

atender dos problemas fundamentales: La estimación y La
Contrastación de Hipótesis. En ambas realizamos inferencias
acerca de las características de población.

Manejar la incertidumbre que acompaña toda acción social

para la toma de decisiones efectivas.
 Conceptos Básicos

• Población
Se refiere a la totalidad de posibles observaciones o elementos de
la realidad que se estén considerando en una situación dada. Las
características de una población se suelen tomar generalmente
como sus parámetros (N, μ, σ,).
Población Finita: Indica que la población tiene un tamaño
establecido o limitado.
Población Infinita: Hace referencia a una población en la que no
es posible enumerar u observar todos los elementos que la
conforman.
 Conceptos Básicos

• Muestra
Es una porción o parte de las observaciones o elementos
tomados de una población dada. Toda característica de una
muestra suele llamarse por lo general estadística. (n, х, s,).
• Con reemplazo: Alude a la no incorporación del elemento
muestreado en la población después de haber sido escogido, y
antes de elegir al próximo.
• Sin reemplazo: Indica que pronto agotaremos todos los
elementos de la población
 Parámetros y estadísticos

Parámetro: Es una cantidad numérica calculada sobre una

población y resume los valores que esta toma en algún atributo
Intenta resumir toda la información que hay en la población en
unos pocos números (parámetros). La altura media de los sujetos
 
Estadístico o estadígrafo: Es una cantidad numérica calculada
sobre una muestra que resume su información sobre algún
aspecto.
 
 Parámetros y estadísticos

 
Si un estadístico se usa para aproximar un parámetro también se
le suele llamar «estimador»

Normalmente nos interesa conocer un parámetro, pero por la

dificultad que conlleva estudiar a *TODA* la población,
calculamos un estimador sobre una muestra y “confiamos” en
que sean próximos
 Tipos de estadísticos
Posición
Dividen un conjunto ordenado de datos en grupos con la misma cantidad de
individuos.
Entre ellos cabe destacar: Cuantiles, percentiles, cuartiles, deciles,...
Centralización
Indican valores con respecto a los que los datos parecen agruparse.
Entre ellos cabe destacar: Media, mediana y moda
Dispersión
Indican la mayor o menor concentración de los datos con respecto a las
medidas de centralización.
Entre ellos : Desviación típica, coeficiente de variación, rango, varianza
Forma
Dan una idea de cómo se distribuyen los datos
Entre ellos: Asimetría, Apuntamiento o curtosis
 Estimaciones
Conjunto de técnicas que permiten dar un valor aproximado de un
parámetro de una población a partir de los datos
proporcionados por una muestra.

Estimación puntual
La estimación puntual utiliza solo un numero para estimar el
parámetro de población desconocido. Sin embargo, es
insuficiente debido a que sólo tiene dos opciones: es
correcta o está equivocada.
Estimación de intervalos
La estimación de intervalo utiliza un rango de valores para
estimar el parámetro de población desconocido.
 Muestreo

Procedimiento por el cual se extrae, de un

conjunto de unidades que constituyen el
objeto de estudio ( población), un número
de casos reducido (muestra) elegidos con
criterios tales que permitan la
generalización a toda la población de los
resultados obtenidos al estudiar la muestra.
 Conceptos Iniciales

• Población: Conjunto de unidades de las que se desea obtener

cierta información.
Unidades: Personas, Familias, Viviendas, Escuelas,
Organizaciones, Artículos de Prensa

• Muestra: Selección de unas unidades concretas de la

población que representen la característica que se quiere
medir.
 Razones de Muestreo
• Disminución de costos ( tiempo, personal, material)
• Al disminuir el número de casos disminuyen también los
errores asociados a la manipulación de los datos.
• Puede confiarse en la generalización de los resultados si se
ha tenido cuidado al seleccionar la muestra.
 Criterios importantes para la selección
de la muestra

Salvo en poblaciones muy pequeñas y accesibles nunca se

observan a todas las unidades de la población.
Se debe diseñar una muestra que constituya una
representación a pequeña escala de la población a la que
pertenece.
Cualquier diseño muestral comienza con la búsqueda de la
información que ayude a la identificación de las características
de la población bajo estudio.
 Condiciones que debe cumplir una “buena”
muestra
• Que comprendan parte de la población y no la
totalidad de ésta. ( salvo en los casos antes explicados en la
lámina 5)

• Aunque el sentido común pareciera indicar

que poblaciones más grandes deben producir
muestras mayores, esto no es siempre cierto
ya que:
 Condiciones que debe cumplir una
“buena” muestra

La ausencia de distorsión en la elección de los elementos de la

muestra.
Si esta elección presenta alguna anomalía, la muestra
resultará por este mismo hecho viciada.
Que sea representativa o reflejo fiel de la población, de tal
modo que reproduzca sus características básicas en orden a la
investigación.
 Condiciones que debe cumplir una
“buena” muestra

Si hay sectores diferenciados en la población que se

supone ofrecen características especiales la muestra
también deberá comprenderlos en la misma proporción.
 Tamaño de la muestra
Es el número de unidades a incluir en la muestra.
Existen varios factores que influyen en él:
Tiempo y recursos disponibles
Modalidad de Muestreo
Tipo de Análisis Previsto
Varianza o heterogeneidad de la población
Margen de Error máximo admisible
Nivel de confianza de la estimación muestral
 Modalidad de Muestreo Seleccionada

La selección de las modalidades de muestreo ( probabilísticos

y no probabilísticos) se halla determinada por la confluencia
de varios factores: los objetivos, los recursos, la accesibilidad
de la población y el tiempo.
Los diseños no probabilísticos demandan un tamaño muestral
menor.
 Tipos de Muestreos
PROBABILÍSTICOS
•Todas las unidades tienen igual
probabilidad de participar en
la muestra.
•La elección de cada unidad
muestral es independiente de las
demás
•Se puede calcular el error muestral
NO PROBABILISTICOS
•Cada unidad NO tiene igual
probabilidad de participar en
la muestra.
•No se puede calcular el error
muestral
•Alto riesgo de invalidez
producido por la introducción de
sesgos
 Usos de cada tipo de muestreo
Muestreo Probabilísticos Muestreos No Probabilísticos
Estimación de Parámetros Estudios Pilotos
Comprobación de Hipótesis Estudios Cualitativos
Investigaciones en
poblaciones de difícil
registro o localización ( Ej.
Marginales, prostitutas,
enfermos de VIH, etc…)
 Ejemplo: ¿Muestreo Probabilístico?

• Se realiza un muestreo entre los alumnos que van a clases

de la Materia Metodología, eligiéndolos al azar a la
entrada del salón.

Este diseño es NO probabilístico porque aquellos que

no van a clases NO PUEDEN ser elegidos
 Ejemplo: ¿Muestreo Probabilístico?

• Se utiliza la lista de propietarios de líneas telefónicas para

elegir a aquellos que serán encuestados.

Este diseño es NO Probabilístico porque aquellos que

no tienen teléfono NO PUEDEN ser elegidos
Muestreo
Gracias