ESCUELA DE CIENCIAS BSICAS TECNOLOGIAS E INGENIERIAS 100403- INFERENCIA ESTADSTICA Act No. 4. Leccin evaluativa No.

Contexto Act. 4. Leccin evaluativa No. 1

Objetivo Reconocer las conceptualizaciones y elementos que se estudian en la unidad 1 y la relacin entre los mismos. Resumen El presente recurso aborda la conceptualizacin necesaria para comprender el contexto de la estimacin, bien sea estimacin puntual o por intervalos, y otros temas propios de la unidad, as como una aplicacin en Excel para construir intervalos de confianza.

Palabras clave (Keywords) Estadstico, estimador, estimacin puntual, Muestreo, por conglomerados; sistemtico; estratificado; M.A.S, intervalo de confianza, parmetro. Muestreo Cuando un investigador realiza en ciencias sociales un experimento, una encuesta o cualquier tipo de estudio, trata de obtener conclusiones generales acerca de una poblacin determinada. Para el estudio de ese grupo, tomar un sector, al que se conoce como muestra. Las poblaciones que el investigador puede estudiar son muy diversas, pero generalmente se relacionan con personas. Por ejemplo, puede estudiar la opinin de las amas de casa con respecto a ciertos mtodos de planificacin familiar, la edad promedio de los alumnos de una escuela, el coeficiente intelectual promedio de los universitarios, etc. Desde luego, es de fundamental importancia que se empiece el estudio definiendo la poblacin que se va a estudiar. Las poblaciones suelen ser muy numerosas, por lo que es difcil estudiar a todos sus miembros; adems de que esto no es posible, no es necesario. Es como si quisiramos estudiar la

ESCUELA DE CIENCIAS BSICAS TECNOLOGIAS E INGENIERIAS 100403- INFERENCIA ESTADSTICA Act No. 4. Leccin evaluativa No. 1

composicin qumica del agua de un ro y para ello tratramos de analizar todo el lquido que corre por su cauce, cuando solamente necesitamos algunas muestras para realizar ese estudio y para llegar a conclusiones generalizables con respecto a la composicin qumica del agua a todo el ro.

En ciencias sociales, las muestras no se obtienen tan fcilmente, puesto que los eventos se relacionan siempre con personas, las cuales son mucho menos estables en cuanto a sus pautas de actividades, valores, actitudes y conductas que algunos de los fenmenos que se estudian en las ciencias naturales.

Muestra Una muestra es un conjunto de unidades, una porcin del total, que nos representa la conducta del universo en su conjunto. Una muestra, en un sentido amplio, no es ms que eso, una parte del todo que llamamos universo y que sirve para representarlo. Sin embargo, no todas las muestras resultan tiles para llevar a cabo un trabajo de investigacin. Lo que se busca al emplear una muestra es que, observando una porcin relativamente reducida de unidades, se obtengan conclusiones semejantes a las que lograramos si estudiramos el universo total. Cuando una muestra cumple con esta condicin, es decir, cuando nos refleja en sus unidades lo que ocurre en el universo, la llamamos muestra representativa. Por lo tanto, una muestra representativa contiene las caractersticas relevantes de la poblacin en las mismas proporciones en que estn incluidas en tal poblacin. Sus conclusiones son susceptibles de ser generalizadas al conjunto del universo, aunque para ello debamos aadir un cierto margen de error en nuestras proyecciones. Las muestras pueden ser clasificadas, probabilsticas y no probabilsticas. en una primera divisin en

En las muestras probabilsticas, la caracterstica fundamental es que todo elemento del universo tiene una determinada probabilidad de integrar la muestra, y esa probabilidad puede ser calculada matemticamente con precisin.

ESCUELA DE CIENCIAS BSICAS TECNOLOGIAS E INGENIERIAS 100403- INFERENCIA ESTADSTICA Act No. 4. Leccin evaluativa No. 1

Muestras probabilsticas En las muestras no probabilsticas ocurre lo contrario y el investigador no tiene idea del error que puede estar introduciendo en sus apreciaciones. Las muestras no probabilsticas ms usadas son:

Muestra accidental. Es aquella que se obtiene sin ningn plan preconcebido; las unidades elegidas resultan producto de circunstancias fortuitas. Si entrevistamos a los primeros 50 transentes que pasan por cierta calle o medimos la profundidad del mar a lo largo de un trayecto entre dos puntos cualesquiera, estaremos en presencia de una muestra accidental. Muestra por cuotas. Consiste en predeterminar la cantidad de elementos de cada categora que habrn de integrar la muestra. As podemos asignar una cuota de 50 hombres y 50 mujeres a una muestra de 100 individuos, asumiendo que sa es la distribucin de la poblacin total.

ESCUELA DE CIENCIAS BSICAS TECNOLOGIAS E INGENIERIAS 100403- INFERENCIA ESTADSTICA Act No. 4. Leccin evaluativa No. 1

Muestra intencional. Las unidades se eligen en forma arbitraria, designando a cada unidad segn caractersticas que para el investigador resulten de relevancia. Se emplea, por lo tanto, el conocimiento y la opinin personal para identificar aquellos elementos que deben ser incluidos en la muestra. Se basa, primordialmente, en la experiencia de alguien con la poblacin.

Muestras aleatorias Como dijimos, en ellas cada uno de los elementos del universo tiene una probabilidad determinada y conocida de ser seleccionado. Los procedimientos ms usuales para la obtencin de muestras aleatorias son Azar simple. Este procedimiento se inicia confeccionando una lista de todas las unidades que configuran el universo, numerando correlativamente cada una de ellas. Luego, mediante cualquier sistema (tabla de nmeros al azar, programas de computacin), se van sorteando al azar estos nmeros hasta completar el total de unidades que deseamos que entren en la muestra. De este modo, la probabilidad que cada elemento tienen de aparecer en la muestra es exactamente la misma. Si cada uno de los elementos que integran la poblacin no tiene la misma posibilidad de ser elegido, se habla entonces de una muestra viciada. Este mtodo nos garantiza una seleccin completamente aleatoria, pero resulta muy lento y costoso, pues nos obliga a elaborar listas completas de todas las unidades de inters, lo que a veces es sencillamente imposible. Por este motivo, slo se emplea cuando los universos son relativamente pequeos.

Azar sistemtico. Tambin se requiere de un listado completo de las unidades que integran el universo en estudio. Luego se efectan las siguientes operaciones: 1. Se calcula la constante K, que resulta de dividir el nmero total de unidades que componen el universo por el nmero de unidades que habrn de integrar la muestra: K = N/n Donde: N=nmero total de unidades que componen el n = nmero total de unidades que integrarn la muestra. universo.

ESCUELA DE CIENCIAS BSICAS TECNOLOGIAS E INGENIERIAS 100403- INFERENCIA ESTADSTICA Act No. 4. Leccin evaluativa No. 1

2. Se efecta un sorteo para elegir un nmero que sea inferior o igual al valor de K. Como primera unidad para integrar la muestra se elige aquella que, en la lista general, posea idntico nmero de orden al sorteado. Si designamos con A este primer valor, la segunda unidad elegida ser la que lleve el nmero A + K, la tercera corresponder a A + 2K y as sucesivamente hasta llegar a A + (n 1)K.

Tamao de muestra y Error muestral

Recordemos que la muestra descansa en el principio de que las partes representan al todo y, por tal, refleja las caractersticas que definen a la poblacin de la cual fue extrada, lo cual nos indica que es representativa. Es decir, que para hacer una generalizacin exacta de una poblacin, es necesario tomar una muestra representativa. Por lo tanto, la validez de la generalizacin depende de la validez y tamao de la muestra. Cuando trabajamos con muestras, generalmente se presentan dos tipos de errores: Error sistemtico. Llamado de distorsin o sesgo de la muestra, se presentan por causas ajenas a la muestra:

Situaciones inadecuadas: se presentan, por ejemplo, cuando el encuestador tiene dificultades para obtener la informacin y la sustituye por la que ms fcilmente est a su alcance, que no siempre es la ms confiable. Insuficiencia en la recoleccin de datos: hay distorsin por falta de respuestas, o respuestas inadecuadas, ya sea por ignorancia o falta de datos relativos a los elementos incluidos. Distorsiones del encuestador causadas por prejuicios, inters personal o por fallas en la aplicacin de instrumentos. Errores de cobertura a causa de que no se han incluido elementos importantes y significativos para la investigacin que se realiza.

Error de muestreo o muestral. Cualquiera sea el procedimiento utilizado y la perfeccin del mtodo empleado, la muestra diferir de la poblacin. A esta diferencia se la denomina error de muestreo. Cuando una muestra es aleatoria o probabilstica, es posible calcular sobre ella el error muestral. Este error indica el porcentaje de incertidumbre, es decir, el riesgo que se corre que la muestra elegida no sea representativa. Si trabajamos con un error calculado en 5%, ello significa que existe un 95% de

ESCUELA DE CIENCIAS BSICAS TECNOLOGIAS E INGENIERIAS 100403- INFERENCIA ESTADSTICA Act No. 4. Leccin evaluativa No. 1

probabilidades de que el conjunto muestral represente adecuadamente al universo del cual ha sido extrado. A medida que incrementamos el tamao de la muestra, el error muestral tiende a reducirse, pues la muestra va acercndose ms al tamao del universo

Estimacin Un estadstico utilizado para aproximar un parmetro de poblacin se denomina estimador del parmetro. El nmero obtenido cuando se evala el estimador para una muestra en particular, es una estimacin del parmetro. Para entender mejor este concepto se tiene el siguiente ejemplo: Si se desea conocer el salario promedio de los docentes de la Universidad Nacional Abierta y a Distancia se puede hacer dos cosas: 1. Registrar el sueldo mensual de todos y cada uno de los docentes y calcular el valor promedio. 2. Tomar una muestra de los docentes y calcular el valor del salario promedio de la muestra. El valor que encontramos en el primer caso es el valor real y se denomina parmetro. En el segundo caso tendremos un valor aproximado al valor real que se denomina estimacin. Es decir, un parmetro de la poblacin es estimado a partir de una muestra, siendo el estimador la funcin o estadstico elegido entre los posibles para caracterizar al parmetro. El valor tomado por dicho estimador en cada caso concreto recibe el nombre de estimacin. Notacin En la notacin utilizada en publicaciones sobre estos temas, los parmetros se representan con letras griegas y los estimadores o estadsticos con letras latinas. Es decir, si estamos hablando del promedio de todos los docentes se denota como y el valor que arroja la muestra se denota como . Buen estimador Para lograr que la muestra nos permita obtener un estimador lo ms cercano al parmetro se deben cumplir dos condiciones:

ESCUELA DE CIENCIAS BSICAS TECNOLOGIAS E INGENIERIAS 100403- INFERENCIA ESTADSTICA Act No. 4. Leccin evaluativa No. 1

Asegurar un adecuado proceso de muestreo. Obtener un buen tamao de muestra

Obtener un buen estimador permite sacar conclusiones que sean aplicables a toda la poblacin de la cual se sac la muestra. Se deben distinguir dos tipos de estimacin: la estimacin puntual y la estimacin por intervalo. La estimacin puntual Consiste en asignar un nico valor como estimacin del parmetro; esta estimacin se utiliza cuando queremos conocer el valor concreto de un parmetro poblacional y no disponemos de este valor. La estimacin por intervalo Es aquella que calcula un intervalo que contenga entre sus lmites, con cierta probabilidad, el verdadero valor del parmetro poblacional. Este intervalo se llama intervalo de confianza. Concepto de Intervalo de Confianza. Aunque la media muestral es un buen estimador para la media poblacional, surge el problema de que un nico valor observado de (media muestral) generalmente no es igual a la media poblacional . Habr una diferencia entre el verdadero valor del parmetro que se estudie, ya sea la media o proporcin por decir algo y la estimacin del parmetro. En el contexto de estimar un parmetro poblacional, un intervalo de confianza es un rango de valores (calculado en una muestra) en el cual se encuentra el verdadero valor del parmetro, con una probabilidad determinada. La probabilidad de que el verdadero valor del parmetro se encuentre en el intervalo construido se denomina nivel de confianza, y se denota 1-. La probabilidad de equivocarnos se llama nivel de significancia y se simboliza . Generalmente se construyen intervalos con confianza 1-= 95% (o significancia =5%). Menos frecuentes son los intervalos con =10% o =1%. Como su nombre lo indica un intervalo de confianza es una expresin de la forma: , +

ESCUELA DE CIENCIAS BSICAS TECNOLOGIAS E INGENIERIAS 100403- INFERENCIA ESTADSTICA Act No. 4. Leccin evaluativa No. 1

Dnde, : Estimador : Desviacin estndar de la distribucin del estimador (error estndar)

Por ejemplo, Germn cita a su novia a la 7:20 pm, pero por experiencia (en las ltimas citas) sabe que ella no es puntual, por tanto le sugiere que se ven entre las 6:00 pm y las 7:00 pm, esto quiere decir que se vern en el intervalo de tiempo de [6, 7] dicho intervalo tiene una amplitud de 1 hora. En el caso anterior Germn puede comparar la hora real en que llega su novia con el parmetro poblacional, y la estimacin con la hora que cree llegar segn lo visto en las ltimas 10 citas; entre tanto el error estndar ser la desviacin del tiempo de llegada, as construye un intervalo de confianza a partir de la estimacin, pudiendo decir que con una confianza del 95% ella estar entre las 6 y 7 pm, es decir en 95 de 100 citas ella llegar despus de las 6 pero antes de las 7. La amplitud del intervalo Depende de tres factores: La confianza deseada. La desviacin estndar El tamao muestral Si se ampla el intervalo, se gana error, se pierde confianza. Para el caso de Germn, si aumenta la confianza (1-)%, y desea una de 98% el intervalo ser ms grande, por ejemplo la hora de llegada de su novia ser [5:30, 7:30]. Valor crtico Se representa por Z/2. Es el valor de la abscisa en una determinada distribucin que deja a su derecha un rea igual a /2, siendo 1- el nivel de confianza. Normalmente los valores crticos estn tabulados o pueden calcularse en funcin de la distribucin de la poblacin. Por ejemplo, para una

ESCUELA DE CIENCIAS BSICAS TECNOLOGIAS E INGENIERIAS 100403- INFERENCIA ESTADSTICA Act No. 4. Leccin evaluativa No. 1

distribucin normal, de media 0 y desviacin tpica 1, el valor crtico para = 0,05 se calculara del siguiente modo:

Clic para ver:

Valor crtico en Intervalo de confianza

Recursos Muestra Representativa Caso Real Aplet: Estimacin por intervalos Concepto: Estimacin