UNIVERSIDAD ANDINA

NESTOR CCERES VELZQUES

ING. EMPRESARIAL E INFORMTICA

DOCENTE: Mg. Martinez Concha Cesar Augusto

CURSO: Inferencia Estadistica.
TEMA: Estadistica Inferencial, conceptos basicos,
poblacion y estimacion.
PERTENECE A:
Almanza Quispe, Tariri
Coronel Ruiz, Carlos
Cruz Arratea, Pablo

AREQUIPA-PERU
 INFERENCIA ESTAD ISTICA

Estudia la probabilidad de xito de las diferentes soluciones posibles a un problema en las

diferentes ciencias en las que se aplica y para ello utiliza los datos observados en una o
varias muestras de la poblacin. Mediante la creacin de un modelo matemtico infiere el
comportamiento de la poblacin total partiendo de los resultados obtenidos en las
observaciones de las muestras. (Fernndez et.al, p.17)

La estadstica inferencial no es ms que un argumento. Un buen argumento hace cre

ble una afirmacin. En nuestro caso, cualquier estudio necesitar, al menos dos argu
mentos slidos: el estadstico y el relativo al diseo de investigacin (lo que se puede
aprender en Mtodos I y II). Desde este punto de vista, nuestra tarea es poder entend
er (y calibrar) los argumentos estadsticos y tambin poder construirlos nosotros mis
mos. La estadstica inferencial es necesaria cuando queremos hacer alguna afirmaci
n sobre ms elementos de los que vamos a medir. La estadstica inferencial hace que
ese salto de la parte al todo se haga de una manera controlada. Aunque nunca nos
ofrecer seguridad absoluta, s nos ofrecer una respuesta probabilstica. Esto es imp
ortante: la estadstica no decide; slo ofrece elementos para que el investigador o el l
ector decidan. En muchos casos, distintas personas perciben diferentes conclusiones
de los mismos datos. El proceso ser siempre similar. La estadstica dispone de multit
ud de modelos que estn a nuestra disposicin. Para poder usarlos hemos de formula
r, en primer lugar, una pregunta en trminos estadsticos. Luego hemos de comprobar
que nuestra situacin se ajusta a algn modelo (si no se ajusta no tendra sentido usa
rlo). Pero si se ajusta, el modelo nos ofrecer una respuesta estadstica a nuestra preg
unta estadstica
A la inferencia estadstica le interesa sacar conclusiones de un gran nmero de
acontecimientos (poblacin), fundndose en las observaciones de una parte de los
mismos (muestra). La estadstica nos proporciona herramientas que formalizan y
uniforman los procedimientos para sacar conclusiones siempre que las muestras
seleccionadas sean representativas de la poblacin que han sido extradas. Esta
representatividad permite extender los valores que describen a las muestras
(estadsticos), tales como la media, la desviacin tpica, un coeficiente de correlacin,
a la poblacin correspondiente, es decir, la media o la desviacin tpica (estadsticos)
pueden tomarse como estimadores de los parmetros y , valores que caracterizan
a la poblacin. Los estadsticos, valores obtenidos en la muestra, son, pues,
estimadores de los parmetros correspondientes (valores de la poblacin).

Objetivo de la estadstica inferencial

La inferencia estadstica intenta tomar decisiones basadas en la aceptacin o el rechazo de
ciertas relaciones que se toman como hiptesis. Esta toma de decisiones va acompaada de
un margen de error, cuya probabilidad est determinada. (Vargas, p.33)

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.

En estadstica, poblacin es el conjunto de cosas, personas, animales o situaciones que

tiene una o varias caractersticas o atributos comunes, por ejemplo: los habitantes de El
Salvador en el presente ao, las personas menores de edad en el ao 2001; los
estudiantes de la Universidad, las reacciones de un nuevo medicamento, las diferencias
entre los tratamientos de diferentes formulaciones de insecticidas, entre otras.

Poblacin Finita: es el conjunto compuesto por una cantidad limitada de elementos,

como el nmero de especies, el nmero de estudiantes, el nmero de obreros.

Poblacin Infinita: es la que tiene un nmero extremadamente grande de

componentes, como el conjunto de especies que tiene el reino animal.

Poblacin Real: es todo el grupo de elementos concretos, como las personas que en
Europa se dedican a actividades artsticas.

Poblacin Hipottica: es el conjunto de situaciones posibles imaginables en que

puede presentarse un suceso, como por ejemplo las formas de reaccionar de una
persona ante una catstrofe.

Poblacin estable: es aquella en que sus calores o cualidades no presentan

variaciones, o stas, por pequeas que sean, son despreciables, como la rotacin de la
tierra o la velocidad de la luz.

Poblacin inestable: es la que contienen los valores en constante cambio.

Prcticamente la totalidad de las poblaciones corresponden a este tipo. El cambio de los
valores se presenta en el tiempo o en el espacio.

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 binomial: es aquella en la que se busca la presencia o ausencia de una

caracterstica, por ejemplo, la presencia de ozono en el aire.

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.

MUESTRA: Conjunto de unidades de una poblacin. Cuanto ms significativa sea,

mejor ser la muestra. Se representa con la letra n.

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.

La persona interesada en resolver un problema no tiene siempre a la mano toda la

informacin, por lo que debe conformarse con pequeos detalles, carentes de precisin,
que le ayuden a tomar decisiones bajo riesgo.

A un paciente que debe ser operado quirrgicamente se le analiza su sangre tomando

una muestra pequea para conocer el grado de coagulacin. No es necesario extraerle
toda la sangre.
El industrial que desea saber si en alambre que produce tiene la resistencia necesaria a
la tensin deseada, toma solamente una muestra de su produccin, debido a que el
alambre que se destruye con la prueba y de otra manera tendra que destruir toda la
existencia.

Generalmente, los resultados obtenidos en una muestra son satisfactorios y permiten al

investigador tener un conocimiento aceptable del problema.

UNIDAD DE MUESTREO: Est formada por uno o ms elementos de la poblacin.

El total de unidades de muestreo constituyen la poblacin. Estas unidades son disjuntas
entre s y cada elemento de la poblacin pertenece a una unidad de muestreo.

La muestra debe lograr una representacin adecuada de la poblacin, en la que se

reproduzca de la mejor manera los rasgos esenciales de dicha poblacin que son
importantes para la investigacin. Para que una muestra sea representativa, y por lo
tanto til, debe de reflejar las similitudes y diferencias encontradas en la poblacin, es
decir ejemplificar las caractersticas de sta.

Los errores ms comunes que se pueden cometer son:

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.

En la estadstica se usa la palabra poblacin para referirse no slo a personas sin o a

todos los elementos que han sido escogidos para su estudio y el trmino muestra se
usa para describir una porcin escogida de la poblacin.
TIPOS DE MUESTREO

Existen diferentes criterios de clasificacin de los diferentes tipos de muestreo, aunque

en general pueden dividirse en dos grandes grupos: mtodos de muestreo
probabilsticos y mtodos de muestreo no probabilsticos.

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:

Muestreo aleatorio simple: El procedimiento empleado es el siguiente: 1) se asigna

un nmero a cada individuo de la poblacin y 2) a travs de algn medio mecnico
(bolas dentro de una bolsa, tablas de nmeros aleatorios, nmeros aleatorios
generados con una calculadora u ordenador, etc.) se eligen tantos sujetos como sea
necesario para completar el tamao de muestra requerido.

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...).

La distribucin de la muestra en funcin de los diferentes estratos se denomina afijacin,

y puede ser de diferentes tipos:

Afijacin Simple: A cada estrato le corresponde igual nmero de elementos mustrales.

Afijacin Proporcional: La distribucin se hace de acuerdo con el peso (tamao) de la

poblacin en cada estrato.

Afijacin Optima: Se tiene en cuenta la previsible dispersin de los resultados, de modo

que se considera la proporcin y la desviacin tpica. Tiene poca aplicacin ya que no se
suele conocer la desviacin.

Muestreo aleatorio por conglomerados: Los mtodos presentados hasta ahora

estn pensados para seleccionar directamente los elementos de la poblacin, es decir,
que las unidades mustrales son los elementos de la poblacin.

En el muestreo por conglomerados la unidad muestral es un grupo de elementos de

la poblacin que forman una unidad, a la que llamamos conglomerado. Las unidades
hospitalarias,

los departamentos universitarios, una caja de determinado producto, etc., son

conglomerados naturales. En otras ocasiones se pueden utilizar conglomerados no
naturales como, por ejemplo, las urnas electorales. Cuando los conglomerados son
reas geogrficas suele hablarse de "muestreo por reas".

El muestreo por conglomerados consiste en seleccionar aleatoriamente un cierto

nmero de conglomerados (el necesario para alcanzar el tamao muestral
establecido) y en investigar despus todos los elementos pertenecientes a los
conglomerados elegidos.
Mtodos de muestreo no probabilsticos
A veces, para estudios exploratorios, el muestreo probabilstico resulta
excesivamente costoso y se acude a mtodos no probabilsticos, aun siendo
conscientes de que no sirven para realizar generalizaciones (estimaciones inferenciales
sobre la poblacin), pues no se tiene certeza de que la muestra extrada sea
representativa, ya que no todos los sujetos de la poblacin tienen la misma probabilidad
de ser elegidos. En general se seleccionan a los sujetos siguiendo determinados
criterios procurando, en la medida de lo posible, que la muestra sea representativa.

En algunas circunstancias los mtodos estadsticos y epidemiolgicos permiten resolver

los problemas de representatividad aun en situaciones de muestreo no probabilstico,
por ejemplo, los estudios de caso-control, donde los casos no son seleccionados
aleatoriamente de la poblacin.

Entre los mtodos de muestreo no probabilsticos ms utilizados en investigacin

encontramos:

Muestreo por cuotas: Tambin denominado en ocasiones "accidental". Se asienta

generalmente sobre la base d e un buen conocimiento de los estratos de la poblacin
y/o de los individuos ms representativos" o "adecuados" para los fines de la
investigacin. Mantiene, por tanto, semejanzas con el muestreo aleatorio estratificado,
pero no tiene el carcter de aleatoriedad de aqul.

En este tipo de muestreo se fijan unas "cuotas" que consisten en un nmero de

individuos que renen unas determinadas condiciones, por ejemplo: 20 individuos de 25
a 40 aos, de sexo femenino y residentes en Gijn. Una vez determinada la cuota se
eligen los primeros que se encuentren que cumplan esas caractersticas. Este mtodo se
utiliza mucho en las encuestas de opinin.
Muestreo intencional o de conveniencia:
Este tipo de muestreo se caracteriza por un esfuerzo deliberado de obtener
muestras "representativas" mediante la inclusin en la muestra de grupos
supuestamente tpicos. Es muy frecuente su utilizacin en sondeos preelectorales de
zonas que en anteriores votaciones han marcado tendencias de voto.

Tambin puede ser que el investigador seleccione directa e intencionadamente los

individuos de la poblacin. El caso ms frecuente de este procedimiento el utilizar
como muestra los individuos a los que se tiene fcil acceso (los profesores de
universidad emplean con mucha frecuencia a sus propios alumnos).

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.

PARMETRO: Es un resumen numrico de alguna variable observada de la

poblacin

Un parmetro estadstico es un nmero que se obtiene a partir de los datos de

una distribucin estadstica.

Los parmetros estadsticos sirven para sintetizar la informacin dada por una tabla o
por una grfica.
Tipos de parmetros estadsticos

Hay tres tipos parmetros estadsticos:

De centralizacin.

De posicin

De dispersin.

Medidas de centralizacin

Nos indican en torno a qu valor (centro) se distribuyen los datos

Media aritmtica: La media es el valor promedio de la distribucin.

Mediana: La mediana es la puntacin de la escala que separa la mitad superior de
la distribucin y la inferior, es decir divide la serie de datos en dos partes
iguales.

Moda: La moda es el valor que ms se repite en una distribucin.

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

Rango de recorrido: El rango es la diferencia entre el mayor y el menor de

los datos de una distribucin estadstica.

Desviacin media: La desviacin media es la media aritmtica de los valores

absolutos de las desviaciones respecto a la media.

Varianza: La varianza es la media aritmtica del cuadrado de las

desviaciones respecto a la media.

Desviacin tpica: La desviacin tpica es la raz cuadrada de la varianza.

ESTIMADOR: Un estimador * de un parmetro , es un estadstico que se emplea

para conocer el parmetro desconocido.

Frmula o estadstico que sirve para estimar un parmetro de una poblacin. Se

expresa corrientemente como una funcin de los valores mustrales y, por
consiguiente, es tambin una variable aleatoria, cuya distribucin conviene conocer
para poder cuantificar la fiabilidad de la correspondiente estimacin. Segn prescribe la
teora de la inferencia estadstica, un buen estimador debe verificar determinadas
condiciones, como las de ser insesgado, consistente, eficiente y suficiente. La media
muestral, por ejemplo, constituye un buen estimador de la media poblacional porque
rene estas caractersticas.
 En estadstica, funcin de una muestra extrada mediante la cual se intenta aproximarse
al verdadero valor de un parmetro de la poblacin estadstica.

ESTADSTICO: Es una funcin de los valores de la muestra. Es una variable aleatoria,

cuyos valores dependen de la muestra seleccionada. Su distribucin de probabilidad, se
conoce como Distribucin muestral del estadstico.

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:

Puntual: cuando buscamos un valor concreto.

Intervalo de confianza: cuando determinamos un intervalo, dentro del cual se supone
que va a estar el valor del parmetro que se busca con una cierta probabilidad.

CONTRASTE DE HIPTESIS: Consiste en determinar si es aceptable, partiendo

de datos mustrales, que la caracterstica o el parmetro poblacional estudiado tome
un determinado valor o est dentro de unos determinados valores.

Dentro de la inferencia estadstica, un contraste de hiptesis (tambin

denominado test de hiptesis o prueba de significacin) es un procedimiento para
juzgar si una propiedad que se supone en una poblacin estadstica es compatible con
lo observado en una muestra de dicha poblacin. Fue iniciada por Ronald Fisher y
fundamentada posteriormente por Jerzy Neyman y Karl Pearson.
Mediante esta teora, se aborda el problema estadstico considerando una hiptesis

determinada y una hiptesis alternativa , y se intenta dirimir cul de las dos

es la hiptesis verdadera, tras aplicar el problema estadstico a un cierto nmero
de experimentos.

Est fuertemente asociada al concepto estadstico de potencia y a los conceptos

de errores de tipo I y II, que definen respectivamente, la posibilidad de tomar un suceso
falso como verdadero, o uno verdadero como falso.

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.

NIVEL DE CONFIANZA: Indica la proporcin de veces que acertaramos al afirmar

que el parmetro est dentro del intervalo al seleccionar muchas muestras.

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.

Para su estudio, en general se clasifican en poblaciones finitas y poblaciones infinitas.

Poblaciones finitas: constan de un nmero determinado de elementos, susceptible a ser

contado.
Ejemplo:

Los empleados de una fbrica, elementos de un lote de produccin, etc.

Poblaciones infinitas: tienen un nmero indeterminado de elementos, los cuales no

pueden ser contados.

Ejemplo:

Los nmeros naturales.

As tambin las poblaciones pueden ser clasificadas en reales e hipotticas, las reales
son aquellas concretas, que ya existen.

Ejemplo:

Los aspirantes a un puesto de trabajo, los vendedores de una empresa.

Mientras que las hipotticas, son las formas imaginables en que se podra presentar un
suceso.

Ejemplo:

Estimaciones de la poblacin en edades productivas en 38 aos.

En toda investigacin lo ideal sera contar con observaciones o caractersticas de todos
elementos de nuestro grupo de inters, pero en muchas ocasiones eso sera muy caro y
muy tardado o simplemente imposible, es por ello que se toman muestras.

Muestra:

Es una parte representativa de la poblacin que es seleccionada para ser estudiada, ya

que la poblacin es demasiado grande para ser estudiada en su totalidad.

Ya se ha definido que es la poblacin y que es la muestra, se procede a definir dos

conceptos que se encuentran ntimamente relacionados a ellos:

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:

Tomar los salarios promedios de una muestra de los empleados de la empresa.

 Estimacin
Una estimacin estadstica es cualquier tcnica para conocer un valor aproximado de un
parmetro referido a la poblacin, a partir de los estadsticos mustrales calculados a
partir de los elementos de la muestra. Si se estima el suficiente nmero de parmetros
puede aproximarse de manera razonable la distribucin de probabilidad de la poblacin
para ciertas variables aleatorias.

Estimacin puntual: se busca un estimador, que con base a los datos

mustrales d origen a un valor puntual que utilizamos como estimacin del
parmetro.
 Estimacin por intervalos: se determina un intervalo aleatorio que, de forma
probable, contiene el verdadero valor del parmetro, este intervalo recibe el
nombre de intervalo de confianza.

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:

Dimensin de la poblacin: 222.222 habitantes

Probabilidad del evento: Hombre o Mujer 50%

Nivel de confianza: 90%

Desviacin tolerada: 5%

Resultado 196

Tamao de la muestra: 270

La interpretacin de esos datos sera la siguiente:

1. La poblacin a investigar tiene 222.222 habitantes y queremos saber cuntos

son hombres o mujeres.
 2. Estimamos en un 50% para cada sexo y para el propsito del estudio es suficiente
un 90% de seguridad con un nivel entre 90 - 5 y 90 + 5.
3. Generamos una tabla de 280 nmeros al azar entre 1 y 222.222 y en un censo
numerado comprobamos el gnero para los seleccionados.

Estimacin de rea pequea

Estimacin de rea pequea es cualquiera de varias tcnicas estadsticas que implican

la estimacin de parmetros para sub-poblaciones pequeas, que se utiliza
generalmente cuando la sub-poblacin de inters se incluye en un estudio ms grande.

El trmino "rea pequea", en este contexto, se refiere generalmente a una pequea

rea geogrfica, tal como un municipio o comarca. Tambin puede referirse a un
"pequeo dominio", es decir, un grupo demogrfico en particular dentro de un rea. Si
una encuesta -o estudio- se ha llevado a cabo para la poblacin en su conjunto (por
ejemplo, una nacin o una encuesta a nivel estatal), el tamao de la muestra dentro de
cualquier rea pequea particular, pueden ser demasiado pequeos para generar
estimaciones precisas de los datos. Para hacer frente a este problema, es posible utilizar
los datos adicionales (como los registros del censo) que existen para estas reas
pequeas con el fin de obtener estimaciones.

Uno de los modelos de rea pequea ms comunes en uso hoy en da es el 'modelo de

regresin del rea anidada al nivel de la unidad', que se utiliza por primera vez en 1988
para modelar reas de maz y cultivos de soja en Iowa. Los datos del estudio inicial, en
el que los agricultores informaron sobre la zona en la que haban cultivado maz o soja,
se compararon con las estimaciones obtenidas a partir de cartografa por satlite de las
granjas. El modelo final resultante para la unidad / granja 'j' en el condado de 'i' es ,
donde 'y' denota el rea de cultivo reportada, es el coeficiente de regresin, 'x' es la
estimacin, a nivel de granja, ya sea para el cultivo del maz o la soja a partir de los datos
de satlite y \mu \, representa el efecto a nivel de condado de cualquier caractersticas
del rea no recogida en el estudio.
Estimador

En estadstica, un estimador es un estadstico (esto es, una funcin de la muestra) usado

para estimar un parmetro desconocido de la poblacin. Por ejemplo, si se desea
conocer el precio medio de un artculo (el parmetro desconocido) se recogern
observaciones del precio de dicho artculo en diversos establecimientos (la muestra) y
la media aritmtica de las observaciones puede utilizarse como estimador del precio
medio. Existen dos formas de estimar parmetros: la estimacin puntual y la estimacin
por intervalo de confianza. En la primera se busca, con base en los datos mustrales, un
nico valor estimado para el parmetro. Para la segunda, se determina un intervalo
dentro del cual se encuentra el valor del parmetro, con una probabilidad determinada.
Si el objetivo del tratamiento estadstico inferencial, es efectuar generalizaciones acerca
de la estructura, composicin o comportamiento de las poblaciones no observadas, a
partir de una parte de la poblacin, ser necesario que la parcela de poblacin
examinada sea representativa del total. Por ello, la seleccin de la muestra requiere
unos requisitos que lo garanticen, debe ser representativa y aleatoria.

Para cada parmetro pueden existir varios estimadores diferentes. En general,

escogeremos el estimador que posea mejores propiedades que los restantes,
como insesgadez, eficiencia, convergencia y robustez (consistencia).
El valor de un estimador proporciona lo que se denomina en estadstica una estimacin
puntual del valor del parmetro en estudio. En general, se suele preferir realizar
una estimacin mediante un intervalo, esto es, obtener un intervalo [a, b] dentro del
cual se espera est el valor real del parmetro con un cierto nivel de confianza. Utilizar
un intervalo resulta ms informativo, al proporcionar informacin sobre el posible error
de estimacin, asociado con la amplitud de dicho intervalo. El nivel de confianza es
la probabilidad de que a priori el verdadero valor del parmetro quede contenido en el
intervalo.

En la prctica, los intervalos de estimadores con distribuciones simtricas suelen

indicarse dando el valor del estimador puntual utilizado como centro del intervalo y un
valor que debe sumarse y restarse para obtener el lmite superior e inferior; por
ejemplo:

Propiedades de estimador

Sesgo

Se denomina sesgo de un estimador a la diferencia entre la esperanza (o valor esperado)

del estimador y el verdadero valor del parmetro a estimar. Es deseable que un
estimador sea insesgado o centrado, es decir, que su sesgo sea nulo por ser
su esperanza igual al parmetro que se desea estimar.

Por ejemplo, si se desea estimar la media de una poblacin, la media aritmtica de la

muestra es un estimador insesgado de la misma, ya que su esperanza (valor esperado)
es igual a la media de la poblacin.
Objetivos:

entender los conceptos de estimacin, estimacin puntual y estimacin por

intervalos.
Calcular las estimaciones (puntual y por intervalos) para la probabilidad del xito.
Saber interpretar correctamente los resultados de la estimacin por intervalos.
Predecir las variables involucradas en el proyecto con cierto grado de certeza.
Tratar de aportar una prediccin de algn indicador importante para la gestin
de proyectos de software, tiempo, esfuerzo, cantidad de defectos esperados
entre otros.
Es razonable conocer, antes de comenzar antes de desarrollar el software,
cunto se va a invertir, que tareas se deben realizar y cunto tiempo se
necesitara.
 Conclusin
Con este trabajo investigativo podemos concluir que mediante la inferencia estadstica
comprende los mtodos que son usados para sacar conclusiones acerca de la poblacin
en base a una muestra de ella, poblacin es el conjunto total de individuos a estudiar ,
muestra es la parte de la poblacin, estimacin es el 4 de encontrar
una aproximacin sobre una medida, lo que se ha de valorar con algn propsito es
utilizable incluso si los datos de entrada pueden estar incompletos, incierto, o
inestables.

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

1. Hildebrand, David K. & Ott, Lyman R. Estadstica aplicada a

la administracin y la economa. Addison-Wesley
Iberoamericana. Mxico, 1997
2. Javier Gorgas Garca, Nicolas Cardiel.L Estadstica bsica
para estudiantes Espaa, Madrid 2011

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