Estadstica inferencial

4.1 INFERENCIA ESTADSTICA

Cuando se conoce la forma funcional de la funcin de distribucin que sigue la variable
aleatoria objeto de estudio y slo tenemos que estimar los parametros que la determinan,
estamos en un problema de inferencia estadstica paramtrica; por el contrario cuando
no se conoce la forma funcional de la distribucin que sigue la variable aleatoria objeto de
estudio, estamos ante un problema de inferencia estadstica no paramtrica.
En lo que sigue nos vamos a limitar a problemas de inferencia estadstica paramtrica,
donde la variable aleatoria objeto de estudio sigue una distribucin normal, y slo
tendremos que tratar de estimar los parmetros que la determinan, la media y la
desviacin tpica.
Esta situacin se presenta con frecuencia debido a que es posible a menudo conocer la
forma funcional de la distribucin de probabilidad, por consideraciones tericas, quedando
nicamente indeterminados los parmetros que determinan la funcin de distribucin.
Como las poblaciones en las que se pretende estudiar una determinada variable aleatoria,
son grandes, es muy caro o imposible, estudiar a todos sus individuos; lo que se hace, es
estudiar una muestra ( una parte) de la poblacin
En todos estos problemas que estudia la inferencia estadstica juega un papel
fundamental la "Teora de la Probabilidad" (distintas formas funcionales de las
distribuciones de probabilidad) y la "Teora de Muestras " (procedimientos para tomar
muestras de manera apropiada).

4.2 Muestreo estadstico

En estadstica un muestreo es la tcnica para la seleccin de una muestra a partir de una
poblacin. En el muestreo, si el tamao de la muestra es ms pequeo que el tamao de la
poblacin, se puede extraer dos o ms muestras de la misma poblacin. Al conjunto de
muestras que se pueden obtener de la poblacin se denomina espacio muestral. La
variable que asocia a cada muestra su probabilidad de extraccin
El muestreo: es una herramienta de la investigacin cientfica. Su funcin bsica es
determinar que parte de una realidad en estudio (poblacin o universo) debe examinarse
con la finalidad de hacer inferencias sobre dicha poblacin
El Muestreo es ms que el procedimiento empleado para obtener una o ms muestras de
una poblacin; el muestreo es una tcnica que sirve para obtener una o ms muestras de
poblacin.
Este se realiza una vez que se ha establecido un marco muestral representativo de la
poblacin, se procede a la seleccin de los elementos de la muestra aunque hay muchos
diseos de la muestra.

Al tomar varias muestras de una poblacin, las estadsticas que calculamos para cada
muestra no necesariamente seran iguales, y lo ms probable es que variaran de una
muestra a otra.
Muestreo Estadstico: son aquellos que se basan en el principio de equiprobabilidad. Es
decir, aquellos en los que todos los individuos tienen la misma probabilidad de ser elegidos
para formar parte de una muestra y, consiguientemente, todas las posibles muestras de
tamao n tienen la misma probabilidad de ser elegidas.
Tcnicas de seleccin del muestreo a travs del muestreo estadstico

Muestreo probabilstico: Forman parte de este tipo de muestreo todos

aquellos mtodos para los que puede calcularse la probabilidad de extraccin de cualquiera
de las muestras posibles. Este conjunto de tcnicas de muestreo es el ms aconsejable,
aunque en ocasiones no es posible optar por l.

Muestreo estratificado: Consiste en la divisin previa de la poblacin de

estudio en grupos o clases que se suponen homogneos respecto a caracterstica a
estudiar. A cada uno de estos estratos se le asignara una cuota que determinara el
nmero de miembros del mismo que compondrn la muestra.

Muestreo sistemtico: Es la eleccin de una muestra a partir de los

elementos de una lista segn un orden determinado, o recorriendo la lista a partir de un
nmero aleatorio determinado.

Muestreo por conglomerados: Cuando la poblacin se encuentra dividida,

de manera natural, en grupos que se suponen que contienen toda la variabilidad de la
poblacin, es decir, la representan fielmente respecto a la caracterstica a elegir, pueden
seleccionarse slo algunos de estos grupos o conglomerados para la realizacin del estudio.

Muestreo errtico: Tambin se llama sin norma. La muestra se realiza de

cualquier forma, valorando nicamente la comodidad o la oportunidad en trminos de
costes, tiempo u otro factor no estadstico.
Al realizar un muestreo en una poblacin podemos hablar de muestreos probabilsticas y no
probabilsticas, entre estas tcnicas o procedimientos estn:

Muestreo simple: Este tipo de muestreo toma solamente una muestra de

una poblacin dada para el propsito de inferencia estadstica. Puesto que solamente una
muestra es tomada, el tamao de muestra debe ser los suficientemente grandes para
extraer una conclusin. Una muestra grande muchas veces cuesta demasiado dinero y
tiempo.

Muestreo aleatorio simple: Es aquel en que cada elemento de la poblacin

tiene la misma probabilidad de ser seleccionado para integrar la muestra. Una muestra
simple aleatoria es aquella en que sus elementos son seleccionados mediante el muestreo
aleatorio simple.

4.3 Estimadores
En estadstica, un estimador es un estadstico (esto es, una funcin de la muestra) usado
para estimar un parmetro desconocido de la poblacin. Por ejemplo, si se desea conocer el
precio medio de un artculo (el parmetro desconocido) se recogern observaciones del
precio de dicho artculo en diversos establecimientos (la muestra) y la media aritmtica de
las observaciones puede utilizarse como estimador del precio medio.
Para cada parmetro pueden existir varios estimadores diferentes. En general,
escogeremos el estimador que posea mejores propiedades que los restantes,
como insesgadez,eficiencia, convergencia y robustez (consistencia).
El valor de un estimador proporciona lo que se denomina en estadstica una estimacin
puntual del valor del parmetro en estudio. En general, se suele preferir realizar
unaestimacin mediante un intervalo, esto es, obtener un intervalo [a,b] dentro del
cual se espera est el valor real del parmetro con un cierto nivel de confianza. Utilizar
un intervalo resulta ms informativo, al proporcionar informacin sobre el posible error de
estimacin, asociado con la amplitud de dicho intervalo. El nivel de confianza es
laprobabilidad de que a priori el verdadero valor del parmetro quede contenido en el
intervalo.
En la prctica, los intervalos de estimadores con distribuciones simtricas suelen indicarse
dando el valor del estimador puntual utilizado como centro del intervalo y un valor que
debe sumarse y restarse para obtener el lmite superior e inferior; por ejemplo:
equivale a

4.4 Estimacin puntual

Si a partir de las observaciones de una muestra se calcula un solo valor como
estimacin de un parmetro de la poblacin desconocido, el procedimientose
denomina estimacin puntual.
Por ejemplo queremos estimar la nota media de los alumnos de bachiller en la
asignatura de matemticas que notaremos . Sea X la variable aleatoria que indica la
nota obtenida por cada estudiante. Tomamos una muestra de tamao n y
denotamos la nota media de la muestra. Si al tomar una muestra de 100 estudiantes
obtenemos que la media es 62, este nmero lo tomaramos como estimativo de .
Decimos que 62 es una estimacin puntual de .
Un estimador puntual T de un parmetro

es cualquier estadstica que nos permita

a partir de los datos muestrales obtener valores aproximados del parmetro

Para indicar que T es un estimador del parmetro escribimos =T .

Con esto queremos decir que empleamos la expresin dada mediante T para obtener
valores prximos al valor del parmetro.

Es muy probable que haya error cuando un parmetro es estimado. Es cierto que si
el nmero de observaciones al azar se hace suficientemente grande, stas
proporcionaran un valor que casi sera semejante al parmetro; pero a menudo hay
limitaciones de tiempo y de recursos y se tendr que trabajar con unas cuntas
observaciones. Para poder utilizar la informacin que se tenga de la mejor forma
posible, se necesita identificar las estadsticas que sean buenos estimadores. Hay
cuatro criterios que se suelen aplicar para determinar si una estadstica es un buen
estimador: Insesgamiento, eficiencia,consistencia y suficiencia

4.5 Estimacin por intervalo

La estimacin por intervalos consiste en establecer el intervalo de valores donde es ms
probable se encuentre el parmetro. La obtencin del intervalo se basa en las siguientes
consideraciones:
a) Si conocemos la distribucin muestral del estimador podemos obtener las probabilidades
de ocurrencia de los estadsticos muestrales.
b) Si conociramos el valor del parmetro poblacional, podramos establecer la
probabilidad de que el estimador se halle dentro de los intervalos de la distribucin
muestral.
c) El problema es que el parmetro poblacional es desconocido, y por ello el intervalo se
establece alrededor del estimador. Si repetimos el muestreo un gran nmero de veces y
definimos un intervalo alrededor de cada valor del estadstico muestral, el parmetro se
sita dentro de cada intervalo en un porcentaje conocido de ocasiones. Este intervalo es
denominado "intervalo de confianza".

Ejemplo
Se generan 100000 muestras aleatorias (n=25) de una poblacin que sigue la distribucin
Normal, y resulta:

La distribucin de las Medias muestrales aproxima al modelo Normal:

En consecuencia, el intervalo dentro del cual se halla el 95% de las Medias muestrales es

4.6 Errores tipo I y II

En un estudio de investigacin, el error de tipo I tambin denominado error de tipo alfa
()1 o falso positivo, es el error que se comete cuando el investigador no acepta
lahiptesis nula (

) siendo esta verdadera en la poblacin. Es equivalente a encontrar un

resultado falso positivo, porque el investigador llega a la conclusin de que existe una
diferencia entre las hiptesis cuando en realidad no existe. Se relaciona con el nivel
de significancia estadstica.
La hiptesis de la que se parte

aqu es el supuesto de que la situacin experimental

presentara un estado normal. Si no se advierte este estado normal, aunque en

realidad existe, se trata de un error estadstico tipo I. Algunos ejemplos para el error tipo I
seran:

Se considera que el paciente est enfermo, a pesar de que en realidad est

sano; hiptesis nula: El paciente est sano.

Se declara culpable al acusado, a pesar de que en realidad es inocente;

hiptesis nula: El acusado es inocente.

No se permite el ingreso de una persona, a pesar de que tiene derecho a

ingresar; hiptesis nula: La persona tiene derecho a ingresar.
En un estudio de investigacin, el error de tipo II, tambin llamado error de tipo beta
() ( es la probabilidad de que exista este error) o falso negativo, se comete cuando el
investigador no rechaza la hiptesis nula siendo esta falsa en la poblacin. Es equivalente a
la probabilidad de un resultado falso negativo, ya que el investigador llega a la conclusin
de que ha sido incapaz de encontrar una diferencia que existe en la realidad.
Se acepta en un estudio que el valor del error beta est entre el 5 y el 20%.
Contrariamente al error tipo I, en la mayora de los casos no es posible calcular la
probabilidad del error tipo II. La razn de esto se encuentra en la manera en que se
formulan las hiptesis en una prueba estadstica. Mientras que la hiptesis nula representa
siempre una afirmacin enrgica (como por ejemplo

Promedio = 0) la hiptesis

alternativa, debido a que engloba todas las otras posibilidades, es generalmente de

naturaleza global (por ejemplo

Promedio 0 ). El grfico de la derecha ilustra la

probabilidad del error tipo II (rojo) en dependencia del promedio desconocido.

El poder o potencia del estudio representa la probabilidad de observar en
la muestra una determinada diferencia o efecto, si existe en la poblacin. Es el
complementario del error de tipo II (1-).

4.7Contrastes unilaterales y bilaterales

El contraste bilateral sita la regin de rechazo en los dos extremos (colas) de la

distribucin muestral. En cambio, el contraste unilateral sita la regin de rechazo
en uno de los dos extremos (colas) de la distribucin muestral. El contraste bilateral (o de
dos colas) se utiliza cuando la Hiptesis Alternativa asigna al parmetro cualquier valor
diferente al establecido en la Hiptesis Nula.
Ejemplo de contraste bilateral:

La Hiptesis Alternativa establece que, caso de rechazar la Hiptesis Nula, decidimos que la
proporcin de la poblacin a que pertenece la muestra no es 0.5
Ejemplo de contraste unilateral:

La Hiptesis Alternativa establece que, caso de rechazar la Hiptesis Nula, decidimos que la
proporcin de la poblacin a que pertenece la muestra es inferior a 0.5