INTRODUCCION A LOS METODOS DE INFERENCIA

ESTADISTICA

1. Definiciones Bsicas:

Poblacin: es un grupo de unidades que tienen alguna caracterstica cuantificable en

comn. Las unidades pueden ser personas, rboles, bacterias, compuestos qumicos,
etc.. Pueden ser finitas o infinitas en nmero. La caracterstica cuantificable puede ser
una variable continua o discreta.
Poblacin finita: es posible fsicamente enumerarla o contar sus elementos
Poblacin Infinita
Unidad muestral: nombre dado a los elementos que constituyen la poblacin, pueden
ser seres vivos considerados individualmente como alumnos de un colegio,
trabajadores de una empresa, aves que habitan cierta regin, pero en algunos casos
podran ser colegios, familias, unidades territoriales como manzanas de una ciudad,
calles o casas, lotes de una produccin. Tambin puede ser lotes de unidades
producidas por una empresa, los das en cierto perodo de tiempo,etc.
Error sistemtico. Error de medicin o de seleccin que se produce reiteradamente
en una misma direccin. Sus fuentes principales son equipos defectuosos o la
intervencin humana. Ejemplo: Pesar las unidades en una balanza descalibrada que
indica 10 gr ms en la medicin.
Muestra: un subconjunto de la poblacin. En la mayora de anlisis basados en datos,
se espera que la muestra represente lo suficientemente bien a la poblacin de la cual
fue seleccionada pero esto depender de la forma cmo se selecciona y del azar.
Ejemplo: Se va aplicar una encuesta a estudiantes de un programa de la UIS y resulta
que pesar de hacer la seleccin en forma aleatoria en la muestra no salen estudiantes
de los dos ltimos semestres!
Estadistica Inferencial:. Procedimientos mediante los cuales es posible
hacer
inferencias (conclusiones) para una poblacin a partir de lo observado en una muestra.
Por ejemplo, si queremos saber cul ser la intencin de voto en las prximas
elecciones, se selecciona una muestra aleatoria de la poblacin de potenciales
votantes y se les indaga por su preferencia electoral, una vez recolectados los datos,
se calcula la proporcin muestral para cada candidato y segn sea su valor se toma
como un referente de la intencin de voto para toda la poblacin. .
Las conclusiones as obtenidas dependen de la muestra, si se selecciona otra muestra
puede que las conclusiones se vean afectadas drsticamente.
2. Razones para muestrear:
1. Economizar tiempo
2. Reducir costos
3. Imposibilidad de estudiar la poblacin

4. Los resultados de una muestra pueden ser ms precisos por la calidad de la

informacin recolectada.
5. Si las muestras se seleccionan de manera adecuada, es posible utilizar
mtodos de probabilidad para estimar el error en los parmetros estadsticos
resultantes.
6. Las muestras pueden seleccionarse para reducir la heterogeneidad.
3.Parmetros y Estimadores
Una caracterstica descriptiva global de una poblacin de observaciones se llama
parmetro.
Una caracterstica descriptiva global de una muestra de observaciones se llama
estadstica.

POBLACION

Muestra

^
P

Parmetros

: Media poblacional o verdadera media

s2

Estimadores

2: Varianza poblacional o verdadera varianza

P : Proporcin poblacional o verdadera proporcin.

: media muestral
s2 : varianza muestral

^
P : proporcin muestral,

Ejercicio:
estudiar:

^p=

X de xitos en lasn repeticiones

=
n
nmero total de repeticiones

Escriba al frente de las siguientes variables, cul sera el parmetro a

Variable

Ingreso
Gnero
Estrato socioeconmico
Edad
Consumo de energa
# de hijos por familia
Cantidad
de
artculos
defectuosos de un lote

Tipo
(continua/categrica)

Parmetro a estudiar

Ingresos
percibidos
por
trabajo en el hogar
Puntaje en la prueba de
Matemtica en SABER11
Status
del
colegio
(rural/urbano)
En esta parte del curso trabajaremos con medias, proporciones y varianzas aunque
existen otros parmetros (la mediana, los percentiles, la asimetra, etc) que pudieran
ser utilizarse para caracterizar el comportamiento de una variable en una poblacin.
5. Mtodos de muestreo:
La mejor manera de asegurarse que una muestra conducir a inferencias confiables y
vlidas, es usar muestreo probabilstico. El tipo de muestreo establece resultados
generales acerca del papel de las probabilidades de seleccin de la muestra y de los
valores observados para determinar los intervalos de estimacin.
Definiciones:
Marco Muestral: dispositivo que permite identificar y ubicar a cada uno de los
elementos de la poblacin. Ejemplo: el directorio telefnico, censo de 2005, mapa de
la oficina de catastro, etc.
Diseo Muestral: Los dos elementos bsicos que determinan el resultado de un
estudio de muestreo son las probabilidades de seleccin de la muestra, p(s) y el
tratamiento de los datos muestrales observados. Ver ficha tcnica de una encuesta.
5.1. Muestreo Probabilstico
Los resultados del modelo de muestreo son vlidos, slo si se parte de la certeza de
contar con una muestra que satisfaga las condiciones exigidas por la inferencia
estadstica. Un proceso especfico de seleccin de muestra se denomina muestreo
probabilstico, si cumple los siguientes cuatro requerimientos:
1. Se puede definir el conjunto de muestras posibles que se derivan del proceso
de seleccin propuesto. (Disponer de un marco muestral)
2. A cada muestra posible le corresponde una probabilidad de seleccin p(s)
conocida.
3. El proceso de seleccin garantiza que todo elemento del poblacin tiene una
probabilidad mayor a cero de ser incluido en alguna muestra (a veces se debe
hacer un recorte al marco muestral eliminando a quienes tengan probabilidad
de inclusin nula por ejemplo por estar en zonas de difcil acceso).
4. El proceso de seleccin propuesto consiste en un mecanismo aleatorio que
garantiza que cada muestra s recibe exactamente la probabilidad p(s) de ser
seleccionada indicada en 2.
Si el muestreo contempla la aplicacin de varias etapas,
condiciones planteadas en cada una de ellas.

deben cumplirse las 4

Mtodo bsicos de muestreo:

1. Muestreo Aleatorio Simple: cada unidad muestral tiene igual probabilidad de
ser seleccionada. Aqu la seleccin de la muestra es con reemplazo de no
ser as el orden de la seleccin debera ser tomado en cuenta.
2. Muestreo Sistemtico: Teniendo una lista sin seguir orden alguno, se
selecciona cada k-simo objeto, k se determina dividiendo el nmero de
objetos o individuos en el marco muestral entre el tamao de muestra
deseado(k=N/n). Se aconseja no usarlo si hay una repeticin cclica inherente
en el marco muestral. Ejemplo: para seleccionar meses del ao en un estudio
de las frecuencias para cierto tipo de accidentes, no sera apropiado pues
algunos de stos accidentes suceden con mayor frecuencia en ciertas pocas
del ao, tampoco es adecuado si el marco muestral es una lista ordenada
alfabticamente.
3. Muestreo Estratificado: antes de seleccionar la muestra se divide en estratos
pertinentes (subgrupos) y luego de cada estrato se selecciona una muestra
aleatoria. Ejemplo: diferenciar los estudiantes que estudian en escuela pblica
o privada y determinar el tamao de muestra en cada estrato en tal forma que
se preserven las proporciones poblaciones. Al extrapolar las resultados a la
poblacin hay que tener en cuenta el tamao relativo del estrato con respecto
al total de la poblacin.
4. Muestreo de Conglomerados: consta de dos etapas, primero la poblacin se
divide en conglomerados y luego de stos se selecciona un subconjunto, la
muestra est compuesta por todas las unidades de los conglomerados
elegidos. Ejemplo: en una ciudad las manzanas pueden ser los
conglomerados, en una universidad los conglomerados pudieran ser las
facultades, en estudios mdicos estn los estudios multicentro donde los
conglomerados son centros mdicos. Generalmente es un poco menos
preciso y requiere de mayor tamao de muestra. Al extrapolar las resultados a
la poblacin hay que tener en cuenta el tamao relativo de los conglomerados.
Otros:
5. Muestreo por etapas o multietpico: combina el muestreo aleatorio simple y el
muestreo por conglomerados.
Primero se realiza un muestreo por
conglomerados y luego en lugar de seleccionar todo el conglomerado se
escoge una muestra aleatoria simple.
6. Muestreo de importancia: propio en ambientes de simulacin estadstica.
5.2 Muestreo no probabilstico
Se desconoce la probabilidad de un sujeto de ser seleccionado. Se llaman Muestras
por conveniencia o muestra intencional. Estas muestras con frecuencia presentan
desviaciones o sesgos de seleccin y no cumple con los requisitos para calcular
errores de muestreo. Ejemplo: los sondeos de opinin, muestras obtenidas para el
estudio de enfermedades raras o muestras de voluntarios para probar nuevos
tratamientos, etc.
Ejercicio: Usando la base de datos de empleados seleccionar cinco muestras de
tamao 30 bajo las siguientes condiciones:
Muestra1: usar muestreo aleatorio simple (usar generador de nmeros aleatorios)

Muestra2: usar muestreo estratficado (considerar las categoras laborales como

estratos)
Muestra3: usar muestreo por conglomerados (usar las variables gnero, categora
laboral y experiencia previa para definir los conglomerados)
Muestra4: usar muestreo sistemtico ( k= N/n)
Muestra5: seleccionar al azar sin seguir ningn mtodo de muestreo.
Calcular los estadstico descriptivos bsicos y completar la siguiente tabla:
Media

Desv. Est

Mnimo

Mximo

Rango

Poblacin
Muestra1
Muestra2
Muestra3
Muestra4
Muestra5
Observacin: En general los ejemplos y problemas de los textos de estadstica bsica
desarrollan lo referente a inferencia estadstica a partir de datos datos provenientes
de un muestreo aleatorio simple ya que una vez desarrollados as la implementacin
con muestras obtenidas por otros mtodos de muestreo puede ser ms comprensible,
aunque algo elaborada matemticamente.