Tema 17. Estadística. Estadística descriptiva e inferencial.

Medidas de
centralización, posición, dispersión y forma. Estimación puntual y por
intervalos. Contraste de hipótesis. Contrastes paramétricos y no
paramétricos de una y dos muestras. Regresión y correlación.

ESTADÍSTICA
La Estadística actual es el resultado de la unión de dos disciplinas que evolucionan de manera independiente hasta
confluir en el siglo XIX: el Cálculo de Probabilidades, que nace en el siglo XVI 1 como teoría matemática de los juegos
de azar, y la Estadística, ciencia del estado, que estudia la recogida y descripción de datos y que es de raíces bastante
más antiguas.

Estadística sea la que la define como el conjunto de métodos que tiene por objeto la obtención, tratamiento y la
interpretación de un conjunto de datos de observación relativos a un grupo de individuos o unidades. La Estadística
actúa como disciplina puente entre los modelos matemáticos y los fenómenos reales

ESTADÍSTICA DESCRIPTIVA E INFERENCIAL

ESTADÍSTICA DESCRIPTIVA
La Estadística Descriptiva o Deductiva trata del
recuento, ordenación y clasificación de los datos
obtenidos por las observaciones. Se construyen tablas
y se representan gráficos que permiten simplificar la
complejidad de los datos que intervienen en la
distribución. Asimismo, se calculan parámetros
estadísticos que caracterizan la distribución. No se
hace uso del Cálculo de Probabilidades y únicamente
se limita a realizar deducciones directamente a partir
de los datos y parámetros obtenidos.
ESTADÍSTICA INFERENCIAL
Es la metodología tendente a hacer
descripciones, predicciones,
comparaciones y generalizaciones
de una población estadística a
partir de la información contenida
en una muestra. Utiliza resultados
obtenidos mediante la Estadística
Descriptiva y se apoya fuertemente
en el Cálculo de Probabilidades.

MEDIDAS DE CENTRALIZACIÓN, POSICIÓN, DISPERSIÓN Y FORMA

Las medidas descriptivas son valores numéricos calculados a partir de la muestra y que nos resumen la información
contenida en ella.

Posición, divide un conjunto ordenado de datos en

grupos con la misma cantidad de individuos. (cuantiles
,perceptiles ,cuartiles ,deciles …)
Centralización, indica valores con respecto a los que los
datos parecen agruparse (media, mediana y moda)
Medidas descriptivas Dispersión, indica l mayor o menor concentración de los
datos con respecto a las medidas de centralización
(varianza, desviación típica, coeficiente de variación,
rango)
Forma, (asimetría y apuntamiento o curtosis)

1
ESTIMACIÓN PUNTUAL Y POR INTERVALOS
Estimación puntual
Cuando no se conoce alguna característica de
la población, el estadístico correspondiente de
la muestra puede ser utilizado como estimador
del parámetro poblacional. Es lo que se conoce
como estimación puntual, que se aplica
cuando un estadístico de la muestra es usado
para estimar un parámetro poblacional.
Al ser un estimador puntual una variable
aleatoria cuya distribución en el muestreo
depende del parámetro desconocido, se
utilizan dos criterios para evaluar la bondad del
estimador, que son que sea insesgado respecto
al parámetro a estimar y que tenga varianza
mínima.
Estimación por intervalos
El intervalo dentro del cual se espera que se
encuentre un parámetro poblacional
usualmente es conocido como intervalo de
confianza. Se trata por lo tanto de una variable
aleatoria bidimensional, donde, por ejemplo,
el intervalo de confianza para la media
poblacional es el intervalo de valores que tiene
una alta probabilidad de contener a la media
de la población. Por lo tanto, en una estimación
por intervalo se establece el rango de valores
dentro del cual se espera que se encuentre un
parámetro poblacional

CONTRASTE DE HIPÓTESIS
Un contraste de hipótesis (también denominado test de hipótesis o prueba de significación) es un procedimiento para
juzgar si una propiedad que se supone en una población estadística es compatible con lo observado en una muestra
de dicha población.

“consideraríamos que el resultado es poco compatible con la hipótesis y concluiríamos que las observaciones
contradicen dicha hipótesis. La aplicación de cálculos probabilísticos permite determinar a partir de qué valor debemos
rechazar la hipótesis garantizando que la probabilidad de cometer un error es un valor conocido a priori”

*Procedimientos para aceptar o rechazar una hipótesis que se emite acerca de un parámetro u otra característica
de la población

CONTRASTES PARAMÉTRICOS Y NO PARAMÉTRICOS DE UNA Y DOS MUESTRAS

CONTRASTES PARAMÉTRICOS; Se conoce la forma de la distribución y los parámetros son desconocidos

CONTRASTES NO-PARAMÉTRICOS; NO SE CONOCE LA FORMA DE LA DISTRIBUCIÓN DE LA POBLACIÓN. El contraste

que planteamos, a diferencia de los estudiados, no se refiere a un valor concreto de un parámetro desconocido.

REGRESIÓN Y CORRELACIÓN
CORRELACIÓN; La finalidad de la correlación es examinar la dirección y la fuerza de la asociación entre dos variables
cuantitativas. Así conoceremos la intensidad de la relación entre ellas y si, al aumentar el valor de una variable,
aumenta o disminuye el valor de la otra variable.

REGRESIÓN; La regresión está dirigida a describir como es la relación entre dos variables X e Y, de tal manera que
incluso se pueden hacer predicciones sobre los valores de la variable Y, a partir de los de X. Cuando la asociación entre
ambas variables es fuerte, la regresión nos ofrece un modelo estadístico que puede alcanzar finalidades predictivas.

La regresión supone que hay una variable fija, controlada por el investigador (es la variable independiente o
predictora), y otra que no está controlada (variable respuesta o dependiente). La correlación supone que ninguna es
fija: las dos variables están fuera del control de investigador