Qu es la Inferencia estadstica?

La inferencia estadstica es el conjunto de mtodos y tcnicas que permiten inducir, a

partir de la informacin emprica proporcionada por una muestra, cual es el
comportamiento de una determinada poblacin con un riesgo de error medible en
trminos de probabilidad.
Los 2 problemas que atiende la Inferencia estadstica
Los dos tipos de problemas que resuelven las tcnicas estadsticas son: estimacin y
contraste de hiptesis. En ambos casos se trata de generalizar la informacin obtenida
en una muestra a una poblacin. Estas tcnicas exigen que la muestra sea aleatoria.
Entre la muestra con la que se trabaja y la poblacin de inters, o poblacin diana,
aparece la denominada poblacin de muestreo: poblacin (la mayor parte de las veces
no definida con precisin) de la cual nuestra muestra es una muestra aleatoria. En
consecuencia, la generalizacin est amenazada por dos posibles tipos de errores: error
aleatorio que es el que las tcnicas estadsticas permiten cuantificar y crticamente
dependiente del tamao muestral, pero tambin de la variabilidad de la variable a
estudiar y el error sistemtico que tiene que ver con la diferencia entre la poblacin de
muestreo y la poblacin diana y que slo puede ser controlado por el diseo del estudio.
Tamao muestral
El tamao muestral juega el mismo papel en estadstica que el aumento de la lente en
microscopa: si no se ve una bacteria al microscopio, puede ocurrir que: - la
preparacin no la contenga - el aumento de la lente sea insuficiente. Para decidir el
aumento adecuado hay que tener una idea del tamao del objeto. Del mismo modo, para
decidir el tamao muestral: i) en un problema de estimacin hay que tener una idea de
la magnitud a estimar y del error aceptable. ii) en un contraste de hiptesis hay que
saber el tamao del efecto que se quiere ver
Razones del muestreo
Concepto e importancia Es la actividad por la cual se toman ciertas muestras de
una poblacin de elementos de los cuales vamos a tomar ciertos criterios de
decisin, el muestreo es importante porque a travs de l podemos hacer
anlisis de situaciones de una empresa o de algn campo de la sociedad.
Terminologa bsica para el muestreo Los nuevos trminos, los cuales son
frecuentemente usados en inferencia estadstica son:
Estadstico: Un estadstico es una medida usada para describir alguna
caracterstica de una muestra, tal como una media aritmtica, una mediana o
una desviacin estndar de una muestra.
Parmetro: Un parmetro es una medida usada para describir alguna
caracterstica de una poblacin, tal como una media aritmtica, una mediana o
una desviacin estndar de una poblacin. Cuando los dos nuevos trminos de
arriba son usados, por ejemplo, el proceso de estimacin en inferencia
estadstica puede ser descrito como le proceso de estimar un parmetro a partir
del estadstico correspondiente, tal como usar una media muestral (un
estadstico para estimar la media de la poblacin (un parmetro).
El muestreo aleatorio

1
Muestreo Aleatorio
Una muestra se dice que es extrada al azar cuando la manera de seleccin es tal, que
cada elemento de la poblacin tiene igual oportunidad de ser seleccionado. Una muestra
aleatoria es tambin llamada una muestra probabilstica son generalmente preferidas por
los estadsticos porque la seleccin de las muestras es objetiva y el error muestral puede
ser medido en trminos de probabilidad bajo la curva normal. Los tipos comunes de
muestreo aleatorio son el muestreo aleatorio simple, muestreo sistemtico, muestreo
estratificado y muestreo de conglomerados.

Muestreo aleatorio simple

Una muestra aleatoria simple es seleccionada de tal manera que cada muestra posible
del mismo tamao tiene igual probabilidad de ser seleccionada de la poblacin. Para
obtener una muestra aleatoria simple, cada elemento en la poblacin tenga la misma
probabilidad de ser seleccionado, el plan de muestreo puede no conducir a una muestra
aleatoria simple. Por conveniencia, este mtodo pude ser reemplazado por una tabla de
nmeros aleatorios. Cuando una poblacin es infinita, es obvio que la tarea de numerar
cada elemento de la poblacin es infinita, es obvio que la tarea de numerar cada
elemento de la poblacin es imposible. Por lo tanto, ciertas modificaciones del muestreo
aleatorio simple son necesarias. Los tipos ms comunes de muestreo aleatorio
modificado son sistemticos, estratificados y de conglomerados.

Mtodos de muestreo

Son distintas formas de seleccionar los elementos que formarn parte de la muestra:
-Muestreo probabilstico: aquel en el que cada individuo de la poblacin tiene una
probabilidad dada y diferente de cero de pertenecer a la muestra.
-Muestreo no probabilstico: basado en una opinin subjetiva, ya que en l se
desconoce la probabilidad de que un individuo concreto de la poblacin sea incluido en
la muestra.
-Muestreo fijo: aquel en el que el tamao de la mustrales fijo y determinado a priori.
-Muestreo secuencial: a diferencia del muestreo fijo, aquel en el que el tamao de la
muestra va variando en funcin de la informacin que se va obteniendo.
-Muestreo aleatorio simple: muestreo probabilstico en el que la probabilidad de estar
incluido en la muestra de determinado elemento o conjunto de elementos es la misma
que la de otro conjunto con el mismo nmero de elementos.
-Muestreo estratificado: muestreo probabilstico en el que la poblacin se clasifica en
estratos excluyentes entre s, sobre los cuales se realiza un muestreo aleatorio simple.

2
-Muestreo por conglomerados o reas: muestreo probabilstico en el que se establecen
determinadas reas geogrficas y, de entre ellas, se elige al azar aquella que servir de
muestra.
-Muestreo mediante itinerarios aleatorios: muestreo no probabilstico en el que se
fuerza al entrevistador a elegir la muestra de forma totalmente aleatoria.

Objetivo del muestreo

Primario: recoger muestras de alimentos representativas y asegurarse luego de que no
se produzcan cambios en la composicin entre la recogida y el anlisis.
Secundario: documentar la variabilidad natural de las muestras cuando est relacionada
con factores como la estacin, el lugar geogrfico, el cultivar o los sistemas de
explotacin
Se puede esperar, que, al analizar una muestra de una poblacin, un Estadstico
pudiera ser igual al Parmetro poblacional correspondiente?
S, pero no sera exactamente igual, ya que depende de la cantidad de muestra que se
toma
Teorema de Limite Central
El teorema del lmite central es un teorema fundamental de probabilidad y estadstica.
El teorema establece que la distribucin de, que es la media de una muestra aleatoria de
una poblacin con varianza finita, tiene una distribucin aproximadamente normal
cuando el tamao de la muestra es grande, independientemente de la forma de la
distribucin de la poblacin. Muchos procedimientos estadsticos comunes requieren
que los datos sean aproximadamente normales, pero el teorema del lmite central le
permite aplicar estos procedimientos tiles a poblaciones que son marcadamente no
normales. El tamao que debe tener la muestra depende de la forma de la distribucin
original. Si la distribucin de la poblacin es simtrica, un tamao de muestra de 5
podra generar una aproximacin adecuada; si la distribucin de la poblacin es
marcadamente asimtrica, se requiere un tamao de muestra de 50 o ms

Distribucin de muestreo
Las distribuciones de muestreo constituyen una pieza importante de estudio por varias
razones. En la mayora de los casos, la viabilidad de un experimento dicta el tamao de
la muestra. La distribucin de muestreo es la distribucin de probabilidad de una
muestra de una poblacin en lugar de toda la poblacin.
En palabras ms simples, supongamos que de una determinada poblacin tomas todas
las muestras posibles de tamao n y calculas una estadstica (por ejemplo, media) de
todas las muestras. Si luego preparas una distribucin de probabilidad de esta
estadstica, obtendrs una distribucin de muestreo.

3
Las propiedades de la distribucin de muestreo pueden variar dependiendo de cun
pequea sea la muestra en comparacin con la poblacin. Se supone que la poblacin se
distribuye normalmente como generalmente sucede. Si el tamao de la muestra es lo
suficientemente grande, la distribucin de muestreo tambin estar cerca de lo normal.

Si ste es el caso, entonces la distribucin de muestreo puede ser totalmente

determinada por dos valores: la media y la desviacin estndar. Estos dos parmetros
son importantes para calcular la distribucin de muestreo si se nos da la distribucin
normal de toda la poblacin.
Distribucin muestral para medias s2 conocida.
Vale la pena notar que la distribucin de las medias mustrales es simplemente una lista
de todas las medias muestrales posibles. Estas medias mustrales, al igual que cualquier
lista de nmeros, tiene una media denominada la media de las medias muestrales o la
gran media. Esta media de las medias se calcula de la forma usual: Las observaciones
individuales (medias muestrales) se suma y el resultado se divide por el nmero de
observaciones (muestras). Se utiliza X (que se lee como X doble barra) como smbolo
de la gran media.
La media de las medias muestrales =
Donde K es el nmero de muestras en la distribucin muestral Varianza La distribucin
de las medias muestrales tambin tiene una varianza. La varianza en las medias
muestrales es como cualquier otra varianza. Mide la dispersin de las observaciones
individuales (medias muestrales) alrededor de su media (la gran media).
Varianza de la distribucin muestral de las medias muestrales
2 = ( ) = ( )
Si se tuviera que sacar la raz cuadrada de la varianza en la distribucin de estas medias
muestrales, se tendra el error estndar de la distribucin muestral,

Distribucin muestral para medias, s2 desconocida, la distribucin t de Student

Cuando se calcula un intervalo de confianza para la media poblacional, suele no
contarse con una buena estimacin de la desviacin estndar poblacional. En tales casos
se usa la misma muestra para estimar y . Esta situacin es el caso que se conoce
como desconocida. Cuando se usa S para estimar , el margen de error y la estimacin
por intervalo de la media poblacional se basan en una distribucin de probabilidad
conocida como distribucin t. Aunque la elaboracin matemtica de la distribucin t
parte de la suposicin de que la poblacin de la que se muestrea tiene una distribucin
normal. Las investigaciones han demostrado que la distribucin t se aplica en muchas
situaciones en que la poblacin se desva significativamente de una poblacin normal.
Ms adelante, en esta misma seccin, se proporcionan lineamientos para usar la
distribucin t cuando la poblacin no est distribuida normalmente. La distribucin t es
una familia de distribuciones de probabilidad similares; cada distribucin t depende de
un parmetro conocido como grados de libertad. La distribucin t para un grado de
4
libertad es nica, como la distribucin t para dos grados de libertad, aumenta la
diferencia entre la distribucin t y la distribucin normal estndar se va reduciendo. En
la figura siguiente se muestran las distribuciones t para 10 y 20 grados de libertad
aumentada, relacin con la distribucin de probabilidad normal estndar. Observe que
una distribucin t para ms grados de libertad exhibe menos variabilidad y un mayor
parecido con la distribucin normal estndar, tambin que la media de toda distribucin
es cero.

5
Distribucin muestral para proporciones

1. APROXIMACIN DE LA NORMAL A LA BINOMIAL. En este caso se

estarn calculando probabilidades de experimentos Binomiales de una forma
muy aproximada con la distribucin Normal, esto puede llevarse a cabo si n y
p = p(xito) no es muy cercana a 0 y 1, o cuando n es pequeo y p tiene un valor
muy cercano a ; esto es,
Cuando ocurren las condiciones anteriores, la grfica de la distribucin Binomial, es
muy parecida a la distribucin Normal, por lo que es adecuado calcular probabilidades
con la Normal en lugar de con la Binomial y de una forma ms rpida. En resumen, se
utiliza la aproximacin Normal para evaluar probabilidades Binomiales siempre que p
no est cercano a 0 o 1. La aproximacin es excelente cuando n es grande y bastante
buena para valores pequeos de n si p est razonablemente cercana a . Una posible
gua para determinar cundo puede utilizarse la aproximacin Normal es tener en cuenta
el clculo de np y nq. S ambos, np y nq son mayores o iguales a 5, la aproximacin ser
buena. Antes de empezar a resolver problemas con la aproximacin Normal, es bueno
aclarar que se estn evaluando probabilidades asociadas a una variable discreta x, con
una distribucin que evala variables de tipo continuo como es la Normal

Qu es un estadstico de prueba?
Un estadstico de prueba es un valor estandarizado que se calcula a partir de los datos
de la muestra durante una prueba de hiptesis. Puede utilizar los estadsticos de prueba
para determinar si puede rechazar la hiptesis nula. El estadstico de prueba compara
sus datos con lo que se espera segn la hiptesis nula. El estadstico de prueba se utiliza
para calcular el valor p. Cuando los datos muestran una clara evidencia en contra de los
supuestos de la hiptesis nula, la magnitud del estadstico de prueba ser grande y el
valor p de la prueba puede ser lo suficientemente pequeo como para rechazar la
hiptesis nula.
Por ejemplo, el estadstico de prueba para una prueba Z es el valor Z. Supongamos que
usted realiza una prueba Z de dos colas con un nivel de significancia () de 0.05 y
obtiene un valor Z de 2.5. Este valor Z corresponde a un valor p de 0.0124. Debido a
que este valor p es menor que , usted declara significancia estadstica y rechaza la
hiptesis nula.
Las diferentes pruebas de hiptesis utilizan diferentes estadsticos de prueba segn el
modelo de probabilidad asumido en la hiptesis nula. Las pruebas comunes y sus
respectivos estadsticos de prueba incluyen:
Prueba de hiptesis Estadstico de prueba
Prueba Z Valor z
Pruebas t Valor t
ANOVA Valor f
Pruebas de chi-cuadrada Chi-cuadrada

6
Bibliografa

http://www.mat.uda.cl/hsalinas/cursos/2011/2do/clase8.pdf

https://www.uv.es/ceaces/tex1t/3%20infemues/dnormal.htm