Professional Documents
Culture Documents
AREQUIPA-PERU
INFERENCIA ESTAD ISTICA
La estadstica inferencial tiene dos objetivos bsicos; a) obtener conclusiones vlidas acerca
de una poblacin sobre la base de una muestra, es decir, que las conclusiones que
obtengamos de una muestra se puedan extrapolar a la poblacin que dio origen a esa
muestra y b) poder medir el grado de incertidumbre presente en dichas inferencias en
trminos de probabilidad. (Daz, p.287)
Conceptos b s i c o s
POBLACIN: Conjunto de elementos sobre los que se observa un carcter
comn. Se representa con la letra N.
Poblacin Real: es todo el grupo de elementos concretos, como las personas que en
Europa se dedican a actividades artsticas.
Poblacin aleatoria: es la que presenta cambios en sus calores debidos al azar, sin
que exista una causa aparente, como las variaciones en el contenido del producto.
Poblacin dependiente: es la que cambia sus valores debido a una causa
determinada y medida. La dependencia puede ser total, como las variaciones obtenidas
en una funcin matemtica, la regresin lineal, por ejemplo. La dependencia
es parcial cuando la causa influye en la variable dependiente en una proporcin menor
a la total, por ejemplo, el incremento en las ventas proveniente de un mayor gasto
publicitario. Esta ltima influencia no es proporcional.
Poblacin polinomial: es la que tiene varias caractersticas que deben ser definidas,
medidas o estimadas, como la obediencia, la inteligencia y la edad de los alumnos de
postgrado.
La muestra es una parte, generalmente pequea, que se toma del conjunto total para
analizarla y hacer estudios que le permitan al investigador inferir o estimar las
caractersticas de un problema.
1.- Hacer conclusiones muy generales a partir de la observacin de slo una parte de
la Poblacin, se denomina error de muestreo.
2.- Hacer conclusiones hacia una Poblacin mucho ms grandes de la que originalmente
se tom la muestra. Error de Inferencia.
Muestreo probabilstico
Los mtodos de muestreo probabilsticos son aquellos que se basan en el principio
de equiprobabilidad. Es decir, aquellos en los que todos los individuos tienen la misma
probabilidad de ser elegidos para formar parte de una muestra y, consiguientemente,
todas las posibles muestras de tamao n tienen la misma probabilidad de ser
seleccionadas. Slo estos mtodos de muestreo probabilsticos nos aseguran la
representatividad de la muestra extrada y son, por tanto, los ms recomendables.
Dentro de los mtodos de muestreo probabilsticos encontramos los siguientes tipos:
Este procedimiento, atractivo por su simpleza, tiene poca o nula utilidad prctica cuando
la poblacin que estamos manejando es muy grande.
Muestreo aleatorio sistemtico: Este procedimiento exige, como el anterior,
numerar todos los elementos de la poblacin, pero en lugar de extraer n nmeros
aleatorios slo se extrae uno. Se parte de ese nmero aleatorio i, que es un nmero
elegido al azar, y los elementos que integran la muestra son los que ocupa los lugares i,
i+k, i+2k, i+3k, i+(n-1) k, es decir se toman los individuos de k en k, siendo k el resultado
de dividir el tamao de la poblacin entre el tamao de la muestra: k= N/n. El
nmero i que empleamos como punto de partida ser un nmero al azar entre 1 y k.
El riesgo este tipo de muestreo est en los casos en que se dan periodicidades en
la poblacin ya que al elegir a los miembros de la muestra con una periodicidad
constante (k) podemos introducir una homogeneidad que no se da en la poblacin.
Imaginemos que estamos seleccionando una muestra sobre listas de 10 individuos en
los que los 5 primeros son varones y las 5 ltimos mujeres, si empleamos un muestreo
aleatorio sistemtico con k=10 siempre seleccionaramos o slo hombres o slo
mujeres, no podra haber una representacin de los dos sexos.
Muestreo aleatorio estratificado: Trata de obviar las dificultades que presentan los
anteriores ya que simplifican los procesos y suelen reducir el error muestral para un
tamao dado de la muestra. Consiste en considerar categoras tpicas diferentes entre
s (estratos) que poseen gran homogeneidad respecto a alguna caracterstica (se puede
estratificar, por ejemplo, segn la profesin, el municipio de residencia, el sexo, el
estado civil, etc.). Lo que se pretende con este tipo de muestreo es asegurarse de que
todos los estratos de inters estarn representados adecuadamente en la muestra.
Cada estrato funciona independientemente, pudiendo aplicarse dentro de ellos el
muestreo aleatorio simple o el estratificado para elegir los elementos concretos que
formarn parte de la muestra. En ocasiones las dificultades que plantean son
demasiado grandes, pues exige un conocimiento detallado de la poblacin. (Tamao
geogrfico, sexos, edades...).
Bola de nieve: Se localiza a algunos individuos, los cuales conducen a otros, y estos a
otros, y as hasta conseguir una muestra suficiente. Este tipo se emplea muy
frecuentemente cuando se hacen estudios con poblaciones "marginales",
delincuentes, sectas, determinados tipos de enfermos, etc.
Muestreo Discrecional: A criterio del investigador los elementos son elegidos sobre
lo que l cree que pueden aportar al estudio.
poblacin
Los parmetros estadsticos sirven para sintetizar la informacin dada por una tabla o
por una grfica.
Tipos de parmetros estadsticos
De centralizacin.
De posicin
De dispersin.
Medidas de centralizacin
Medidas de posicin
Las medidas de posicin dividen un conjunto de datos en grupos con el mismo nmero
de individuos.
Para calcular las medidas de posicin es necesario que los datos estn ordenados
de menor a mayor. Son
Cuartiles: Los cuartiles dividen la serie de datos en cuatro partes iguales.
Deciles: Los deciles dividen la serie de datos en diez partes iguales.
Percentiles: Los percentiles dividen la serie de datos en cien partes iguales.
Medidas de dispersin
Las medidas de dispersin nos informan sobre cuanto se alejan del centro los valores de
la distribucin. Son
ESTIMACIN: Este trmino indica que a partir de lo observado en una muestra (un
resumen estadstico con las medidas que conocemos de Descriptiva) se extrapola o
generaliza dicho resultado muestral a la poblacin total, de modo que lo estimado es el
valor generalizado a la poblacin. Consiste en la bsqueda del valor de los parmetros
poblacionales objeto de estudio. Puede ser puntual o por intervalo de confianza:
Los tipos ms importantes son los test centrados, de hiptesis y alternativa simple,
aleatorizados, etc. Dentro de los tests no paramtricos, el ms extendido es
probablemente el test de la U de Mann-Whitney.
Poblacin
Es la coleccin de datos que corresponde a las caractersticas de la totalidad de
individuos, objetos, cosas o valores en un proceso de investigacin, tambin la poblacin
de un estudio estadstico es el conjunto de elementos objeto de estudio. Cada elemento
se denomina individuo. Cuando el nmero de individuos de la poblacin es muy grande,
tomamos una parte de sta, denominada muestra. La muestra es un subconjunto de la
poblacin y tiene que ser representativa de la misma.
Ejemplo:
As tambin las poblaciones pueden ser clasificadas en reales e hipotticas, las reales
son aquellas concretas, que ya existen.
Ejemplo:
Mientras que las hipotticas, son las formas imaginables en que se podra presentar un
suceso.
Ejemplo:
Muestra:
Parmetro:
Son las medidas o caractersticas descriptivas inherentes a las poblaciones. Los salarios
promedios de todos los empleados de una empresa, puede ser un ejemplo de
parmetro.
Estadstico o estadgrafo: son las medidas descriptivas inherentes a una muestra, las
cuales las cuales pueden usarse como estimacin del parmetro.
Ejemplo:
Nivel de confianza
El nivel de confianza de una aseveracin basada en la inferencia estadstica es una
medida de la bondad de la estimacin realizada a partir de estadsticos mustrales.
Usualmente se usan niveles de confianza para intervalos de confianza o bien p-
valores que miden la probabilidad de errores de tipo I (probabilidad de rechazar una
cierta hiptesis siendo esta correcta)
Ejemplo: Se tiene una poblacin de 222.222 habitantes y se quiere conocer cuntos de
ellos son hombres y cuntos de ellos son mujeres. Se conjetura que cerca del 50% son
mujeres y el resto hombres, pero se quiere seleccionar una muestra para determinar
cuntos hombres y mujeres hay en la muestra y a partir de ah inferir el porcentaje
exacto de hombres y mujeres en la poblacin total. La descripcin de una muestra, y los
resultados obtenidos sobre ella, puede ser del tipo mostrado en el siguiente ejemplo:
Desviacin tolerada: 5%
Resultado 196
Propiedades de estimador
Sesgo
Por lo tanto, cabe destacar la importancia de todos estos estadsticos debe tener en
cuenta que todo globalizado Se dedica a la generacin de los modelos, inferencias y
predicciones asociadas a los fenmenos en cuestin teniendo en cuenta la aleatoriedad
de las observaciones. Se usa para modelar patrones en los datos y extraer inferencias
acerca de la poblacin bajo estudio. Estas inferencias pueden tomar la forma de
respuestas a preguntas s/no (prueba de hiptesis), estimaciones de unas caractersticas
numricas (estimacin), pronsticos de futuras observaciones, descripciones de
asociacin (correlacin) o modelamiento de relaciones entre variables de Sam (anlisis
de regresin). Otras tcnicas de modelamiento incluyen anlisis de varianza, series de
tiempo y minera de datos para as ensearles una informacin significativa
Bibliografa
Web grafa
http://eilae12007.blogspot.pe/2007/03/bibliografa-del-curso.html
https://edgarmartinlarosa.files.wordpress.com/2013/07/est_inf_aplicada.pdF
http://www.ugr.es/~eues/webgrupo/Docencia/MonteroAlonso/estadisticaII/te
ma4.pdf
https://es.scribd.com/doc/50796068/TRABAJO-FINAL-ESTADISTICA-
INFERENCIAL