BIOESTADÍSTICA NUTRICIÓN

SEDE SUR-2023

CLASE 1
INFERENCIA ESTADÍSTICA: MUESTREO; ESTIMACIÓN

PROF: Teoría Mónica Torrecilla

Práctica Nahuel Martos
ESTADÍSTICA Es la ciencia que trata de la teoría y aplicación de métodos
apropiados para coleccionar, representar, resumir datos, y analizarlos y hacer
inferencias a partir de ellos.

 ESTADÍSTICA DESCRIPTIVA
 
Técnicas que se relacionan con el resumen y la descripción
de los datos.

 ESTADÍSTICA INFERENCIAL

Técnicas por medio de las cuales se toman decisiones en

condiciones de incertidumbre.
 Es un subconjunto de la población que se estudia y a partir del
MUESTRA: cual se sacan conclusiones acerca de las características de la
población.

Es deseable que la muestra sea representativa, es decir, que su composición sea

lo suficientemente parecida a la población de la que se extrae, de manera que las
observaciones de cierta característica se puedan generalizar.

EEMPLOS:

Personas

población muestra individuo

Distribución muestral Un objetivo que se presenta frecuentemente en las investigaciones de diferentes
áreas es conocer el promedio de alguna característica cuantitativa o la proporción de individuos que
poseen determinada característica cualitativa

En general, las características de interés en un estudio se denominan parámetros poblacionales (µ ; P; σ )

A partir de los datos de la muestra se busca una manera de combinar la información de la muestra para
obtener la característica de interés. Los datos de la muestra se denominan estadístico o estimador ( x ; p ;
S)

Definición : Un estadístico o estimador es una función de los valores observados en los individuos que
componen la muestra, es decir, es la expresión matemática que indica la forma de combinar los datos.

Características
simbolo del símbolo del
  parámetro estadístico
Media µ x
Desviación σ s
Proporción π p
Correlación ρ r
CONCEPTO DE ESTIMACIÓN

DEFINICIÓN DE ESTIMACIÓN

Proceso de utilizar información de

una muestra para extraer conclusiones acerca de toda la población

Se utiliza la información para estimar un valor

PROPIEDADES DE LA ESTIMACIÓN

 Eficiente: el que tiene menos variabilidad

 Insesgado Definición Un estimador es un estimador insesgado de un parámetro, si la esperanza del
estimadores igual al parámetro.
 Consistente: Informalmente, un estadístico Q se dice consistente si su variabilidad disminuye cuando
aumenta el tamaño de muestra.
TIPOS DE ESTIMACIÓN
 PUNTUAL: Se obtiene un único número al que se le puede asignar un
punto de la recta.
Difiere del verdadero valor
Es deseable acompañar la estimación de alguna medida posible de error

 POR INTERVALOS: Se obtienen dos puntos que representan un límite

inferior y superior (li, ls)

Espacio que tiene una cierta probabilidad de contener el verdadero valor del parámetro
desconocido
Estimación por intervalos

Si bien la precisión se incrementa con muestras grandes no hay razón para esperar que la estimación
puntual de una muestra dada deba ser exactamente igual al parámetro poblacional que se supone estima.

Entonces, existen muchas situaciones en las cuales es preferible determinar un intervalo dentro del cual se
esperaría encontrar el valor del parámetro, tal metodología se conoce como estimación por intervalos y el
intervalo se denomina Intervalo de Confianza

Intervalos del Confianza

son intervalos aleatorios obtenidos a partir de los datos y en los cuales hay un grado de confianza prefijado
(medido en %) de que dicho intervalo contenga al verdadero valor del parámetro que se quiere estimar.

El grado de confianza se denomina nivel de confianza

Nivel de confianza

se anota como 100(1-α)%,

α es la probabilidad de cometer un error, ya que indica la proporción de veces en que uno se equivoca o
comete un error al suponer que el intervalo contiene al parámetro poblacional.

1-α es la proporción de veces que los distintos intervalos de confianza contienen al parámetro.

Usualmente el valor 100 (1- α)% se lo fija en el 95%, lo que llevaría a establecer que en promedio sólo en
el 5% de los casos se cometería error al suponer que el intervalo contiene al verdadero valor del parámetro.
En general, si que se quiere estimar un parámetro Q de la población a través del estadístico q, y si el error
estándar de la distribución de q, que se lo denotará con SE(q), entonces un intervalo de confianza para Q con
una confianza del 95% (IC95%) viene dado por la expresión:

IC95% = [q – k1SE(q) , q + k2SE(q)] (4

donde k1 y k2 dependen de la forma de la distribución muestral de q.

Intervalo de confianza para la Media

De acuerdo con el teorema del límite central, podemos esperar que la distribución muestral de X –
esté distribuida de forma aproximadamente normal con media μ
μ X = y desviación estándar σ; σ X = /√ n .
Al escribir zα/2 para el valor z por arriba del cual encontramos una área de α/2 bajo la curva normal,
P (−zα/ 2 < Z < zα/ 2 ) = 1 − α,

donde Z = X¯ − μ σ/√n

En consecuencia,

P ( −zα/ 2 < ¯X − μ σ/√n < zα/ 2) = 1 − α

P ( X¯ − zα/ 2 σ /√n < μ < X¯ + zα/ 2 σ /√n) = 1 − α

Intervalo de confianza de μ cuando se conoce σ

Si x¯ es la media de una muestra aleatoria de tamaño n de una población de la que se conoce su

desviación σ , lo que da un intervalo de confianza de 100(1 – α)%
para μ es

x¯ − zα/ 2 σ/ √n < μ < x¯ + zα/ 2 σ/ √n

Se encuentra que la concentración promedio de vitamina B12 que se obtiene en una muestra de
mediciones en 36 individuos diferentes es de 2.6 microgramos. Calcule los intervalos de confianza del
95% para la concentración media de vitamina B12 en esa población. Suponga que la desviación estándar
de la población es de 0.3 microgramos.

Solución:
La estimación puntual de μ es x¯ = 2.6.
El valor z que deja una área de 0.025 a la derecha y, por lo tanto, una área de 0.975 a la izquierda es
z0.025 = 1.96

En consecuencia, el intervalo de confianza del 95% es

2.6 − (1.96) 0.3 /√36 < μ < 2.6 + (1.96) 0.3 /√36

2.47 < μ < 2.73

Interpretación: Con los datos de la muestra se puede inferir que la concentración promedio de vitamina
B12, con un 95% de confiabilidad estará entre 2,47 y 2,73 microgramos
Si utilizamos x¯ como una estimación de μ, podemos tener 100(1 – α)% de confianza
en que el error no excederá a

zα/ 2 σ/ √n

Si usamos x¯ como una estimación de μ, podemos tener 100(1 – α)% de

confianza en que el error no excederá a una cantidad específica e cuando el tamaño de la
muestra sea
2
n = (zα/ 2 σ/e)
 Ejercicio:
Calcula el tamaño de la muestra para un error que sea la mitad del obtenido en el
ejemplo

Ahora calcula intervalo de confianza para un nivel de confiabilidad para el 99% y

tamaño de la muestra para un error que sea la cuarta parte del obtenido
 El caso en que se desconoce σ

P ( X¯ − tα/ 2 S /√n < μ < X¯ + tα/ 2 S /√n) = 1 − α.

Ejemplo:
El contenido de ácido cítrico de 7 jugos artificiales similares es de 9.8, 10.2, 10.4, 9.8, 10.0, 10.2, y 9.6 mg.
Calcule un intervalo de confianza del 95% para el contenido promedio de todos los jugos suponiendo una
distribución aproximadamente normal, con un nivel de confianza del 95%

Calculamos : x¯ = 10.0 mg y s = 0.283 mg

10.0 − (2.447) 0.283 /√7 < μ < 10.0 + (2.447) 0.283 /√7

9.74 < μ < 10.26

Interpretación: con los datos de la muestra se puede inferir con un 95% de confianza que el contenido de
acido cítrico será de entre 9,74 mg y 10,26 mg
 Estimación de una proporción

p − zα/ 2 (pq /n) < P < p + zα/ 2 (pq /n)

Ejemplo:
En una muestra aleatoria de n = 500 personas que asisten a la consulta nutricional en la ciudad de Mendoza, Argentina,
se encuentra que x = 340 están adhieren a las indicaciones del profesional. Calcule un intervalo de confianza del 95%
para la proporción real de personas que asisten a consulta nutricional adhieren a las indicaciones en Mendoza.

Solución:

La estimación puntual de P es p = 340/500 = 0.68 q= 1-p = 0,32 z 0.025 = 1.96

0.68 − 1.96 (0.68 0.32) /500 < P < 0.68 + 1.96 (0.68 0.32)/ 500

0.6391 < P < 0.7209.

Interpretación: con los datos de la muestra se puede inferir que en la ciudad de Mendoza, entre el 64% y 72% de las
personas que asisten al nutricionista adhieren a sus indicaciones