ESTADISTICA INFERENCIAL I

DOCENTE: ANGEL MAY AVILA

ALUMNA: DALIA DAMARIS
AKE DE DIOS
Breve historia de la estadística
La estadística se instituye como ciencia a fines del siglo XIX. Sus principales
antecedentes se hayan en Egipto, donde debido a las inundaciones del Nilo, se
mantenían registros de propiedades. A mediados del siglo XVII surgen los estudios
colectivos con el fin de realizar inferencia con relación a la población. En forma
simultánea aparecen los cálculos de probabilidad, referidos a los juegos de azar, y
como consecuencia surge el calculo de errores.
Métodos estadísticos: Estadística descriptiva e inferencial
Estadística descriptiva
La estadística descriptiva puede definirse como aquellos métodos que incluyen la
recolección, presentación y caracterización de un conjunto de datos con el fin de
describir apropiadamente las diversas características de ese conjunto de datos.
Aunque los métodos de estadística descriptiva son importante para presentar y
caracterizar los datos, estos han sido la base de los métodos de la estadística
inferencial y servido para mejorar la teoría de la probabilidad que, en la actualidad,
ha hecho posible aplicar la estadística a todos los campos de la investigación.
Estadística inferencial
La estadística inferencial puede definirse como aquellos métodos que hacen
posible la estimación de una característica de una población o la toma de una
decisión referente a una población, basándose sólo en los resultados de la muestra.
Para aclarar esto, son necesarias algunas otras definiciones:
 Una población (o universo) es la totalidad de elementos o cosas bajo
consideración.
 Una muestra es la porción de la población que se

selecciona para su análisis.

 Un parámetro es una medida de resumen que se calcula para describir una
característica de toda una población.
  Una estadística es una medida de resumen que se calcula para describir
una característica de una sola muestra de la población.
El fenómeno analizado, ya sea a través de una muestra o de una población,
generalmente lleva el nombre de variable, en la cual se distingue diferentes tipos
que analizaremos aparte.
Por último, para entender un poco más estas definiciones las aplicaremos a un
ejemplo. Suponga que el director de un colegio desea llevar a cabo una encuesta
para conocer las percepciones de los estudiantes respecto a la calidad de vida en
el campus. La población o universo en este caso serían todos los estudiantes
actualmente inscritos, mientras que la muestra se ve representada en aquellos
estudiantes que hubieran sido seleccionados para participar de la encuesta. El
parámetros es el objetivo de la encuesta: describir la diversas actitudes o
características de la población. Esto se obtendría usando las estadísticas obtenidas
de la muestra de estudiantes para estimar diversas actitudes o características de
interés de la población.
INFERENCIA ESTADISTICA
La inferencia estadística es el conjunto de métodos que permiten inducir, a través
de una muestra, el comportamiento de una determinada población. La inferencia
estadística estudia entonces, como sacar conclusiones sobre los parámetros de
población de datos. De la misma manera estudia también el grado de fiabilidad de
los resultados extraídos del estudio.
Para entender el concepto es importante entender tres conceptos:
Inferencia: Inferir significa, literalmente, extraer juicios o conclusiones a partir de
ciertos supuestos, sean estos generales o particulares.
Población: Una población de datos, es el conjunto total de datos que existen sobre
un variable.
Muestra estadística: Una muestra es una parte de la población de datos.
Teniendo claro a lo que nos referimos con el concepto de inferir, una de las dudas
fundamentales recae en el hecho de elegir una muestra en lugar de una población.
Normalmente, en estadística, se trabaja con muestras debido a la gran cantidad de
datos que tiene una población. Por ejemplo, si queremos sacar conclusiones, esto
es, inferir, los resultados de las elecciones generales, es imposible preguntar a toda
la población del país. Para solventar ese problema se escoge una muestra variada
y representativa. Gracias a la cual se puedan extraer una estimación del resultado
final. Escoger una muestra adecuada corre a cargo de las distintas técnicas de
muestreo.
TEORÍA DE DECISIÓN
Estudio formal sobre la toma de decisiones. Los estudios de casos reales, que se
sirven de la inspección y los experimentos, se denominan teoría descriptiva de
decisión; los estudios de la toma de decisiones racionales, que utilizan la lógica y la
estadística, se llaman teoría preceptiva de decisión. Estos estudios se hacen más
complicados cuando hay más de un individuo, cuando los resultados de diversas
opciones no se conocen con exactitud y cuando las probabilidades de los distintos
resultados son desconocidas. La teoría de decisión comparte características con la
teoría de juegos, aunque en la teoría de decisión el "adversario" es la realidad en
vez de otro jugador o jugadores.

Al hacer un análisis sobre esta teoría, y mirándola desde el punto de vista de un

sistema, se puede decir que al tomar una decisión sobre un problema en particular,
se debe tener en cuenta los puntos de dificultad que lo componen, para así empezar
a estudiarlos uno a uno hasta obtener una solución que sea acorde a lo que se esta
esperando obtener de este, y sino, buscar otras soluciones que se acomoden a lo
deseado.
La teoría de decisión, no solamente se puede ver desde el punto de vista de un
sistema, sino en general, porque esta se utiliza a menudo para tomar decisiones de
la vida cotidiana, ya que muchas personas piensan que la vida es como una de las
teorías; La teoría del juego, que para poder empezarlo y entenderlo hay que saber
jugarlo y para eso se deben conocer las reglas de este, para que no surjan
equivocaciones al empezar la partida.
Se puede decir que la Teoría de decisión es una de las ramas que sirve para que al
dar un paso, no se vaya a dar en falso, porque si se conoce de esta no hay el porque
de equivocarse.
COMPONENTES DE UNA INVESTIGACIÓN ESTADÍSTICA
El estudio estadístico de una situación con propósitos inferenciales se centra en
dos conceptos fundamentales: población y muestra, los cuales serán definidos a
continuación:
Población. Es el conjunto formado por todos los valores posibles que puede asumir,
la variable objeto de estudio.
Así por ejemplo, en un estudio sobre la preferencia de los votantes en una
elección presidencial, la población consiste en todas las respuestas de los votantes
registrados. Pero el término no sólo está asociado a la colección de seres humanos
u organismos vivos; y tenemos así que, si se va a hacer una investigación de las
ventas anuales de los supermercados, entonces las ventas anuales de todos los
supermercados constituyen así mismo la población.
Es bueno tener en cuenta que el término población se interpreta de dos maneras
cuando se hace un estudio estadístico, a saber:
1. La interpretación propia en el Análisis Estadístico, que corresponde a la que
hemos presentado anteriormente.
2. Como el conjunto de objetos sobre los cuales actúa la variable considerada.
Por tanto, no es extraño escuchar expresiones tales como, "se hizo un estudio de
los niveles de ingreso de la población trabajadora colombiana", entendiéndose con
ello que el elemento estadístico objeto de análisis fue el registro numérico de los
ingresos.
Muestra. Es cualquier subconjunto de la población, escogido al seguir ciertos
criterios de selección.
La muestra es el elemento básico sobre el cual se fundamenta la posterior inferencia
acerca de la población de donde se ha tomado. Por ello, su escogencia y selección
debe hacerse siguiendo ciertos procedimientos que son ampliamente tratados en la
parte de la estadística llamada Teoría de muestreo.
El concepto de muestra tiene también las dos connotaciones que hemos señalado
para la población.
Las características de una población se resumen para su estudio generalmente irá
mediante lo que se denominan parámetros; éstos a su vez se toman o consideran
como valores verdaderos de la característica estudiada. Por ejemplo, la proporción
de todos los clientes que declaran cierta preferencia por una marca particular de
un producto dado, es un parámetro de la población de todos los clientes; es la
verdadera proporción de la población.
Igualmente, la media aritmética de las cuentas corrientes de los clientes de un
banco determinado constituye un parámetro de la población de las cuentas de los
clientes de ese banco.
Cuando la característica de la población estudiada se reduce a una muestra el
resumen de esa característica se hace mediante una esta (medida) o estadígrafo.
Así por ejemplo. si se toman 100 de todos los posibles clientes y se les entrevista
para ver si están a favor de una marca particular de un producto, estos 100 clientes
la constituyen una muestra.. Si hay 70 clientes que prefieren dicha marca entonces
la proporción muestral será 0.70 y constituirá un estadígrafo; de igual manera si
se escogen 1,000 cuentas del total de las cuentas comentes; las 1,000
observaciones conforman una muestra y el promedio aritmético de estas cuentas
un estimador.
La inferencia estadística se orienta a sacar conclusiones acerca del parámetro o
parámetros poblacionales con base en el valor de un estimador obtenido a partir de
los datos muestrales extraídos de esa población. Para llegar a ese objetivo a través
de un proceso racional y eficaz, se aconseja que se tengan en cuenta los siguientes
pasos:
1. Formulación del problema. En este punto se debe especificar de manera clara
la pregunta que se debe responder y la población de datos asociada a la pregunta.
Los conceptos deben ser precisos y deben ponerse limitaciones adecuadas al
problema motivadas por el tiempo, dinero disponible y la habilidad de los
Investigadores.
Algunos conceptos como, artículo defectuoso, económico, salario, pueden variar
en cada caso y para cada problema debemos coincidir con las ideas señaladas en
el estudio.
2. Diseño del experimento. Este aspecto es de gran importancia, puesto que
la recolección de datos requiere dinero y tiempo. Es siempre nuestro deseo
obtener máxima Información con el mínimo costo (dinero y tiempo) posible.
Incluir excesiva Información en la muestra es a menudo costoso y antieconómico.
Incluir poca también es poco satisfactorio. Esto implica, entre otras cosas, que
debemos determinar el tamaño de la muestra o la cantidad o tipo de datos que nos
permita resolver el problema de la manera más eficiente.
3. Recolección de datos. Esta parte, por lo general, es la que exige más tiempo en
la Investigación. Esta recolección debe ajustarse a reglas estrictas ya que de los
datos esperamos extraer la Información deseada.
4. Tabulación y descripción de los resultados. En esta etapa, los datos
muestrales se exponen de manera clara y se ilustran con representaciones
tabulares y gráficas (diagramas. histogramas, etc.); además se calculan las
medidas estadísticas apropiadas al proceso inferencial que haya sido escogido.

5. Inferencia estadística y conclusiones. Este último paso constituye tal

vez la contribución más importante de la estadística al proceso inferencial. Aquí se
fija el nivel de confiabilidad para la inferencia; esto es debido a que las
conclusiones derivadas de inferencias estadísticas jamás se pueden tomar con un
100% de certeza, pero sí se les puede asociar un nivel de confiabilidad; en términos
de probabilidad denominados nivel de confianza y nivel de significancia. El
proceso Inferencial nos llevará a una conclusión estadística que servirá de
orientación a quien o quienes deban tomar la decisión (administrativa o clínica)
sobre el tema objeto de estudio.
Obtención de datos
Existen muchos métodos mediante los cuales podemos obtener los datos
necesarios. Podemos:
 Buscar datos a publicados por fuentes gubernamentales industriales o
individuales
 Diseñar un experimento para obtener los datos necesarios
 Concluir un estudio
 Hacer observaciones de comportamiento
Utilización de fuentes de datos publicados
Sin importar la fuente utilizada, se hace una distinción entre el recolector original de
los datos, la organización o individuos que compilan estos en tablas y diagramas.
El recolector de datos es la fuente primaria, mientras que el compilador de los
datos es la fuente secundaria.
Diseño de un experimento
Un segundo método para obtener los datos necesarios es la experimentación. En
un experimento se ejerce un control estricto sobre el tratamiento dado a los
participantes. Por ejemplo, en un estudio para probar la eficacia de una pasta de
dientes, el investigador determinaría qué participantes del estudio usarían la nueva
marca y cuáles no, en lugar de dejarle la elección a los sujetos.
Conducción de una encuesta
Un tercer método para obtener datos es aplicar una encuesta. Simplemente se
formulan preguntas respecto a sus opiniones actitudes comportamiento y otras
características. Después, sus respuestas se editan, codifican y tabulan para su
análisis.
Realización de un estudio observacional
En un estudio observacional, el investigador observa el comportamiento de interés
directamente, por lo común en su entorno natural. Hay una amplia variedad de
formatos, los cuales pretenden recolectar información en un grupo establecido para
ayudar en el proceso de toma de decisiones.
Tipos de datos
Existen básicamente dos tipos de variables que producen dos tipos de
datos: categóricas y numéricas. Las variables aleatorias categóricas producen
respuestas categóricas, mientras que las variables aleatorias numéricas producen
respuestas numéricas. La variable aleatoria numérica puede considerarse como
discreta, mientras que la otra puede pensarse como continúa.
Los datos discretos son respuestas numéricas que surgen de un proceso de conteo,
mientras que los datos continuos son respuestas numéricas que surgen de un
proceso de medición.
Niveles de medición y tipos de escala de medición
De lo analizado anteriormente, observamos que nuestros datos resultantes también
pueden describirse de acuerdo con el nivel de medición obtenido. Los cuatro niveles
de medición ampliamente reconocidos son, del nivel de medición más débil al más
fuerte, las escalas nominal, ordinal, de intervalo y de cociente.
Escala nominal y ordinal. Se dice que los datos obtenidos de una variable
categórica han sido medidos en una escala nominal o en una escala ordinal. Si los
datos observados simplemente se clasifican en las diversas categorías distintas en
las que no se implica ningún orden, se obtiene un nivel de medición nominal. Por
otra parte, si los datos observados se clasifican en las distintas categorías en las
que se implica algún orden, se obtiene un nivel de medición ordinal.
Escalas de intervalo y de cociente. Una escala de intervalo es una escala
ordenada en la que la diferencia entre las mediciones es una cantidad significativa.
Si, además de que las diferencias son significativas e iguales en todos los puntos
de la escala, existe un punto cero verdadero que pueda ser tomado en cuenta con
los cocientes de mediciones, entonces la escala es una escala de cociente.
Como resumen podemos decir que la necesidad de recolectar datos reside en
cuatro razones (recordemos: proporcionar, medir, ayudar y satisfacer) y que
además los mismos se pueden obtener de diversas formas: datos publicados,
diseñar un experimento, realizar una encuesta o llevar a cabo un estudio
observacional. De allí podemos obtener dos tipos diferentes de datos, categóricos
o numéricos, que se pueden medir a través de una escala nominal y ordinal o una
escala de intervalo y de cociente

La estadística paramétrica
Es una parte de la inferencia estadística que utiliza estadísticos y criterios de
resolución fundamentados en distribuciones conocidas.
La estadística paramétrica, como parte de la inferencia estadística, trata de estimar
determinados parámetros de una población de datos. La estimación, como casi
siempre en estadística, se realiza sobre una muestra estadística. Ahora bien, la
estadística paramétrica siempre basa sus cálculos suponiendo que la distribución
de la variable a estudiar es conocida.
En este sentido, para entender bien este concepto, es fundamental familiarizarse
antes con los siguientes conceptos:
  Muestra estadística
 Estadístico
 Inferencia estadística
 Distribución de probabilidad
El concepto de distribución de probabilidad
Tal como está definido en nuestro diccionario, una distribución de probabilidad es
una herramienta que indica cómo se reparten las probabilidades. En función de la
estructura que tenga ese reparto, la distribución será de un tipo u otro.
La distribución de probabilidad más conocida es la distribución normal. Nótese que
indicamos simplemente ‘distribución’ para simplificar. Sin embargo, el nombre
completo teórico sería distribución de probabilidad normal. Su representación
gráfica es la siguiente:

La distribución normal se aplica sobre la mayoría de fenómenos aleatorios. Se cree

que, muchos fenómenos tienden a comportarse como una normal cuando lo
repetimos un número muy grande de veces. Ver teorema central del límite
También podemos encontrar distribuciones como la ji-cuadrado desarrollada por
Pearson, es una distribución que representa variables aleatorias cuyos valores son
estrictamente positivos. Por ejemplo, se utiliza para ver cual es la estructura de la
varianza (que siempre es positiva) de determinada variable aleatoria.
Tipos de distribuciones en la estadística paramétrica
Entre los tipos de distribuciones de probabilidad más conocidas y utilizadas en la
estadística paramétrica se encuentran:
Distribuciones de probabilidad discretas
 Distribución uniforme
 Distribución binomial
 Distribución de Bernoulli
 Distribución hipergeométrica
 Distribución binomial negativa
 Distribución geométrica
 Distribución de Poisson
Distribuciones de probabilidad continuas
  Distribución uniforme continua
 Distribución ji-cuadrado o chi-cuadrado
 Distribución exponencial
 Distribución Gamma
 Distribución normal
 Distribución F de Snecdor
 Distribución t de Student

Algunos ejemplos de la aplicación de la estadística inferencial son:

 Sondeos de tendencia de voto. Antes de una elección importante, diversas

encuestadoras sondean la opinión pública para recabar datos relevantes y
luego, teniendo la muestra analizada y desglosada, inferir tendencias: quién
es el favorito, quién va segundo, etc.
 Análisis de mercado. Las empresas a menudo contratan otras empresas
especializadas en marketing para que analicen sus nichos de mercado a
través de diversas herramientas estadísticas y diferenciales, como encuestas
y focus groups, a partir de las cuales deducir qué productos prefiere la gente
y en qué contexto, etc.
 Epidemiología médica. Teniendo los datos concretos de afectación de una
población determinada por una o varias enfermedades puntuales, los
epidemiólogos y especialistas en salud pública pueden llegar a
conclusiones respecto a qué medidas públicas son necesarias para evitar
que dichas enfermedades se esparzan y contribuir a su erradicación.