Luis Fabin Cabezas Arvalo

Estadstica inferencial

Estadstica inferencial

La inferencia estadstica consta de los mtodos mediante los cuales se hacen

inferencias o generalizaciones acerca de una poblacin. La tendencia actual es distinguir
entre el mtodo clsico de estimacin de un parmetro de la poblacin, donde las
inferencias se basan estrictamente en informacin obtenida de una muestra aleatoria
seleccionada de la poblacin, y el mtodo bayesiano, el cual utiliza el conocimiento
subjetivo que ya se posee sobre la distribucin de probabilidad de los parmetros
desconocidos junto con la informacin que proporcionan los datos de la muestra. En la
mayor parte de este captulo utilizaremos los mtodos clsicos para estimar los
parmetros de la poblacin desconocidos, como la media, la proporcin y la varianza,
mediante el clculo de estadsticos de muestras aleatorias y la aplicacin de la teora de
las distribuciones muestrales.

La inferencia estadstica se puede dividir en dos reas principales: estimacin y

pruebas de hiptesis. Trataremos estas dos reas por separado: en este captulo veremos
la teora y las aplicaciones de la estimacin. Para distinguir claramente un rea de la otra,
considere los siguientes ejemplos. Un candidato a un cargo pblico podra estar
interesado en estimar la verdadera proporcin de votantes que lo favorecern mediante la
obtencin de las opiniones de una muestra aleatoria de 100 de ellos. La parte de votantes
en la muestra que favorecern al candidato se podra utilizar como un estimado de la
verdadera proporcin en la poblacin de votantes. El conocimiento de la distribucin
muestral de una proporcin nos permite establecer el grado de exactitud de tal estimado.
Este problema cae en el rea de la estimacin. ( Walpole , Myers, Myers , & Ye, 2012,
pg. 265)

Contraste de hiptesis

Uno de los aspectos ms importantes en cualquier tratamiento de datos es el contraste

de hiptesis, que comenzaremos a emplear en los captulos siguientes. El contraste de
hiptesis se define como el procedimiento estadstico que permite determinar la verdad o
 Luis Fabin Cabezas Arvalo

falsedad de una afirmacin acerca de uno o ms parmetros. Por ejemplo, cuando nos
planteamos si existen diferencias entre las medias de dos variables, tenemos que proponer
una hiptesis de partida y, por medio del mtodo estadstico ms apropiado, concluir en
trminos probabilsticos, si la hiptesis inicial se acepta o se rechaza. En este captulo
vamos a dar una serie de nociones bsicas sobre el contraste de hiptesis necesarias para
entender los planteamientos de problemas basados en el contraste que veremos en los
captulos que vienen a continuacin.

Tipos de hiptesis

Como se mencion anteriormente, la base de los planteamientos de contraste es formular

una hiptesis y determinar si es verdadera o falsa. Existen dos tipos de hiptesis:

1. La hiptesis nula (H0). Es la hiptesis bsica que se formula y se quiere contrastar y,

por tanto, es la hiptesis que se acepta o se rechaza.

2. La hiptesis alternativa (Ha). Es distinta de H0 e incompatible con ella. Puede haber

varias hiptesis alternativas, y se elige la ms adecuada a partir de la informacin
disponible. (Gonzlez, 2006, pg. 71)

Significancia estadstica

A pesar de las limitaciones de la estadstica, el trmino "estadsticamente significativo"

invade la literatura mdica y se percibe como una etiqueta que indicase "garanta de
calidad". El considerar el trmino significativo implica utilizar trminos comparativos de
dos hiptesis. Los test de hiptesis son test de significacin estadstica que cuantifican
hasta qu punto la variabilidad de la muestra puede ser responsable de los resultados de
un estudio en particular. La Ho (hiptesis nula) representa la afirmacin de que no hay
asociacin entre las dos variables estudiadas y la Ha (hiptesis alternativa) afirma que
hay algn grado de relacin o asociacin entre las dos variables. Nuevamente la
estadstica nos muestra su utilidad ya que nos ayuda a tomar la decisin de que hiptesis
debemos elegir. Dicha decisin puede ser afirmada con una seguridad que nosotros
previamente decidimos. El nivel de significacin se estableci siguiendo los comentarios
del estadstico Fisher que seal "...es conveniente trazar una lnea de demarcacin a
partir de la cual podamos decir: o bien hay algo en el tratamiento...". (Fisher, 1935) El
mecanismo de los diferentes test se realiza aunque con matices siempre de la siguiente
 Luis Fabin Cabezas Arvalo

forma: En primer lugar se mira la magnitud de la diferencia que hay entre los grupos a
comparar (A y B). Si esta magnitud o valor absoluto es mayor que un error estndar
definido multiplicado por una seguridad definida, concluimos que la diferencia es
significativa entre A y B. Por tanto aceptamos la hiptesis alternativa y rechazamos la
hiptesis nula.

Supuestos estadsticos

Para el contraste de hiptesis en el caso de variables cuantitativas contamos con dos

tipos de anlisis, los paramtricos, que proceden de un modelo que obliga a cumplir
ciertos supuestos acerca de los parmetros y la distribucin de probabilidad de la
poblacin de la que se extrajo la muestra, y los no paramtricos, que son menos
restrictivos para poder ser aplicados. Se debe tener en cuenta que la estadstica
paramtrica es ms precisa, pero las posibilidades de ser aplicada, como veremos ms
adelante, estn limitadas.

Pruebas paramtricas

Slo analizaremos en este captulo pruebas que tratan de detectar la existencia de

diferencias o su ausencia (homogeneidad) entre grupos o poblaciones, ya que los
contrastes de bondad de ajuste (ajuste a distribuciones tericas ya conocidas), y para el
contraste de independencia o asociacin, en el caso de variables cuantitativas el mejor
mtodo es la regresin. (Gonzlez, 2006, pg. 97)

Referencias
Walpole , R., Myers, R., Myers , S., & Ye, K. (2012). Probabilidad y estadstica para
ingeniera y ciencias. Mexico: PEARSON EDUCACIN.

Fisher, R. (1935). The design of experiments. Londres: Oliver and Boyd.

Gonzlez, C. G. (2006). Tratamientos de Datos. Espaa: Daz de Santos .