Inferencia

Estadstica
Grupo E3
Estudiantes: Ainoa A. Marchena A. C.I: 24.042.796
Sugey Xiovic Barrios. C.I:
Yannacelys S. Briceo F. C.I:
24.158.621
Anail Moron. C.I: 16.520.415
Docente: Mara Luisa Felipe Contreras.
Materia: Estadstica Inferencial. TIE-0753.
Seccin: ED01D0V.
 Inferencia Estadstica
La estadstica inferencial comprende las tcnicas con las que, con base
nicamente en una muestra sometida a observacin, se toman decisiones
sobre una poblacin o proceso estadsticos. Dado que estas decisiones se
toman en condiciones de incertidumbre, suponen el uso de conceptos de
probabilidad. Mientras que a las caractersticas medidas de una muestra
se les llama estadsticas muestrales, a las caractersticas medidas de una
poblacin estadstica, o universo, se les llama parmetros de la
poblacin. El procedimiento para la medicin de las caractersticas de
todos los miembros de una poblacin definida se llama censo. Cuando la
inferencia estadstica se usa en el control de procesos, al muestreo, le
interesa en particular el descubrimiento y control de las fuentes de
variacin en la calidad de la produccin.
Ejemplo. Para estimar el voltaje requerido
para provocar fallas en un dispositivo
elctrico, una muestra de estos dispositivos
puede someterse a voltajes crecientes hasta
que falle cada uno de ellos. Con base en estos
resultados muestrales puede estimarse la
probabilidad de falla a varios niveles de
voltaje de los dems dispositivos de la
poblacin muestreada.
 Tipos de Inferencia
Estadstica
Una inferencia deductiva es un juicio
o generalizacin que se basa en un
razonamiento o proceso dialctico a
priori. Por ejemplo, se supone que dos
monedas estn perfectamente
equilibradas y que entonces la
probabilidad de cada una de caer "cara"
es = 0,5 (premisa). La media o nmero
esperado de "caras" en la jugada de las
monedas deber ser 1 (conclusin). Si
las premisas son ciertas, las
conclusiones no pueden ser falsas.
Una inferencia inductiva , por otra
parte, es un juicio o generalizacin
derivado de observaciones empricas
o experimentales; la conclusin
sobre el nmero promedio de "caras"
con base en los resultados de una
muestra de prueba. Si los resultados
de las pruebas son diferentes, la
conclusin tambin ser diferente.
No se requiere una suposicin a
priori sobre la naturaleza de las
monedas.
 Poblacin y Muestra
Una muestra es una parte de la
La poblacin es un agregado de
poblacin; por ejemplo, cuando se
unidades individuales, compuesto de
desea hacer un estudio relativo al
personas o cosas que se hallan en una
rendimiento acadmico de los alumnos
situacin determinada. Las unidades
de cierta universidad, y para esto se
individuales se llaman unidades
toma slo un grupo de estudiantes de la
elementales.
misma.
 Estimacin de Parmetros
La teora clsica de la Inferencia Estadstica trata de los mtodos por los
cuales se selecciona una muestra de una poblacin y, basndose en las
pruebas de las muestras, se trata de:

* Estimar el valor de un parmetro desconocido, por ejemplo .

* Verificar si es o no igual a cierto valor predeterminado, por
ejemplo 0.

El primero de estos dos procedimientos, de inferir de una muestra a una

poblacin, se llama estimacin de un parmetro; el segundo, prueba
de una hiptesis acerca de un parmetro.
 Estimador y Estimacin
Cualquier estadstica de muestra
que se utilice para estimar un
parmetro de poblacin se conoce
como estimador, es decir, un
estimador es una estadstica de
muestra utilizada para estimar un
parmetro de poblacin.
Cuando hemos observado un
valor numrico especfico de
nuestro estimador, nos referimos a
ese valor como una estimacin.
En otras palabras, una estimacin
es un valor especfico observado
de una estadstica.
 Tipos de
Estimacin
Una estimacin puntual es
Estimacin un solo nmero que se
Puntual utiliza para estimar un
parmetro de poblacin
desconocido.

Es un intervalo de valores que

se utiliza para estimar de
intervalo un parmetro de
poblacin. Esta estimacin
indica el error de dos
Estimacin maneras: por la extensin del
de Intervalo intervalo y por la
probabilidad de obtener el
verdadero parmetro.
Tipos de Estimador
Un estimador insesgado
Estimador e
es una estadstica Sesgado
muestral cuyo valor Insesgado
esperado es igual al
parmetro por estimar.

Un estimador de un
parmetro es eficiente si
su varianza es mnima.
Esto hace que haya menos
variabilidad entre las Estimador
distintas estimaciones que Eficiente
podemos obtener
 Cualidades de un buen
Imparcialidad
Estimador
Eficiencia
El trmino imparcialidad se La eficiencia se refiere al
refiere al hecho de que una tamao del error estndar
media de muestra es un de la estadstica.
estimador no sesgado de
una media de poblacin.
Suficiencia
Coherencia Es suficiente si utiliza
Si un estimador es una cantidad de la
coherente, se vuelve ms informacin contenida en
confiable si tenemos la muestra que ningn
tamaos de muestra ms otro estimador podra
grandes. extraer.
 Intervalo de Estimacin
Un intervalo de estimacin establece el rango en el cual se encuentra
el parmetro de poblacin.

Un intervalo en el cual se espera que ocurra el parmetro de

poblacin se llama intervalo de confianza.

Los dos intervalos de confianza que son mas usados son de

95% y 99%.

Para un 95% de intervalo de confianza, aproximadamente 95% de

los intervalos construidos igualmente contendrn el parmetro
inicial.

Para el 99% de intervalo de confianza, el 99% de la muestra

media para un tamao de muestra especifico se encontrara
dentro del 2,58 de la desviacin estndar de la media de la
poblacin.
La obtencin del Intervalo se
basa en las siguientes
consideraciones:
Si conocemos la distribucin muestral del
estimador podemos obtener las probabilidades de
ocurrencia de los estadsticos mustrales.
Si consideramos el valor del parmetro
poblacional, podramos establecer la
probabilidad de que el estimador se halle dentro
de los intervalos de la distribucin muestral.
El problema es que el parmetro poblacional es
desconocido, y por ello el intervalo se establece
alrededor del estimador. Si repetimos el muestreo
un gran nro. De veces y definimos un intervalo
alrededor de cada valor del estadstico muestral,
el parmetro se sita dentro de cada intervalo
alrededor de cada valor del estadstico muestral,
el parmetro se sita dentro de cada intervalo en
un porcentaje conocido de ocasiones.
 Estimacin por Intervalos
Intervalos de confianza para la diferencia entre dos medias con el
uso de la distribucin normal
A menudo es necesario estimar la diferencia entre dos medias poblacionales,
como la diferencia entre los niveles salariales de dos empresas. El estimador
puntual insesgado de ( 1 - 2) CS (01 - 02) . El intervalo de confianza se elabora
en forma similar al usado para la estimacin de la media, excepto que el error
estndar pertinente para la distribucin de muestreo es el error estndar de la
diferencia entre medias. El uso de la distribucin normal se basa en las mismas
condiciones que en el caso de la distribucin de muestreo de la media, salvo
que estn implicadas dos muestras. La frmula empleada para estimar la
diferencia entre dos medias poblacionales con intervalos de confianza es
 Estimacin por Intervalos
Distribucin t e intervalos de confianza para la diferencia entre dos
medias
El uso de la distribucin t en conjuncin con una muestra es necesario cuando:

1 ) Se desconocen las desviaciones estndar a de la poblacin.

2) Las muestras son pequeas (n < 30). Si las muestras son grandes, los valores
t pueden ser aproximados por la normal estndar z.

3) Se supone que las poblaciones tienen una distribucin aproximadamente

normal (recuerde que el teorema central del lmite no puede aplicarse en
muestras pequeas).
 Estimacin por Intervalos
Intervalos de confianza para la proporcin de la poblacin

La distribucin de probabilidad aplicable a las proporciones es la distribucin

binomial de probabilidad. No obstante, los clculos matemticos asociados con
la determinacin de un intervalo de confianza para una proporcin poblacional
desconocida con base en el proceso de Bemoulli son complejos. Por lo tanto, se
utiliza la distribucin normal como aproximacin de la solucin exacta de
intervalos de confianza para proporciones. Esta aproximacin es adecuada
cuando n 30 y tanto np como nq 5 (donde q = 1 - p). Sin embargo, cuando
la proporcin de la poblacin p (o ) es desconocida, la mayora de los expertos
en estadstica recomienda tomar una muestra de n 100.
El intervalo de confianza aproximado para una proporcin poblacional es
 Estimacin por Intervalos
Determinacin del tamao de muestra requerido para la estimacin
de la proporcin
Antes de recolectada una muestra, el tamao de muestra mnimo requerido puede
determinarse especificando el nivel de confianza requerido y el error de muestreo
aceptable y haciendo una estimacin inicial (subjetiva) de , la proporcin poblacional
desconocida:

Si no es posible determinar un estimado inicial de , se le deber estimar en 0.50. Esta

estimacin es conservadora en tanto que representa el valor para el que se requerira del
tamao de muestra mayor. Con base en este supuesto, la frmula general para el tamao
de muestra se simplifica en esta forma:
 Estimacin por Intervalos
Intervalos de confianza para la diferencia entre dos proporciones
Para estimar la diferencia entre las proporciones de dos poblaciones, el
estimador puntual insesgado de (1 - 2 ) es (p1 p2). El intervalo de confianza
implica el uso del error estndar de la diferencia entre proporciones. El
intervalo de confianza para la estimacin de la diferencia entre dos
proporciones poblacionales es

El error estndar de la diferencia entre proporciones se determina por medio de

la frmula, en la que el valor de cada respectivo error estndar de la proporcin
se calcula tal como se describi:
 Estimacin por Intervalos
de Confianza
Consiste en establecer el intervalo de valores
donde es mas probable se encuentre el
parmetro.

La probabilidad de que el Cuanto mayor tamao tenga la

verdadero valor del parmetro se
encuentre en el intervalo
construido se denomina Nivel de
Confianza y se denota 1 - . La
probabilidad de equivocarnos se
llama nivel de significacin y se
simboliza por .
muestra, el intervalo de confianza
se reducir puesto que el valor
obtenido en la muestra se acercar
ms al valor real de la poblacin y
por tanto el margen de error
cometido (radio del intervalo) se
har ms pequeo.

Se calcula siempre seleccionando

primero un nivel de confianza, que es
una medida de el grado de confiabilidad
en el intervalo.
 Intervalos de Confianza
Estimacin por intervalos
Es el procedimiento de la Inferencia
Estadstica que asigna al parmetro de
una poblacin, un intervalo de valores
donde se encontrar este con una
probabilidad previamente fijada y que
habitualmente ser alta.
Es un intervalo de
Intervalo de extremos aleatorios que
Confianza con un nivel de
confianza determinado,
contiene el verdadero
valor del parmetro.
Nivel de
Es la probabilidad a priori de que
Confianza el intervalo contenga el verdadero
valor del parmetro. A priori
porque es la probabilidad que
tenemos antes de extraer la
muestra de capturar dentro del
intervalo al valor del parmetro.
 Ejemplo de Intervalo de
Confianza

Con lectura en la tabla de la distribucin normal para un rea de

0,025 se obtiene Z = -1,96. Por simetra se encuentra el otro valor Z =
1,96. Remplazando valores y realizando lo clculos se obtiene:
 La distribucin muestral
de un Estadstico
La estimacin de un parmetro determinado (por ejemplo, la mediana de
una determinada variable X) a partir de la aplicacin de su mejor
estimador sobre los datos de una muestra, supone obtener un valor (Md
X ) que no tiene por qu coincidir exactamente con el verdadero valor
del parmetro ( X Md ).
A esa diferencia se le conoce como error muestral.
 El problema de la
estimacin de la media de
la poblacin
Parmetros de la muestra La varianza muestral y la desviacin
tpica muestral :

La cuasivarianza muestral y
la cuasidesviacin tpica muestral :
Consideremos una poblacin, con una
variable aleatoria X que se distribuye
normalmente, y donde conocemos que
la desviacin tpica es ; slo
desconocemos la media de la
poblacin, .
 Teorema Central del Lmite
Cuando usamos la media de una muestra para estimar la media de una
poblacin, podemos expresar de varias maneras las incertidumbres
acerca del error. Cuando conocemos la distribucin muestral exacta de la
media, que rara vez la conocemos, podramos proceder como en el
ejemplo anterior y calcular las probabilidades asociadas con errores de
diversos tamaos. As mismo, siempre podernos usar el teorema de
Chebyshev y afirmar con una probabilidad de
como mnimo
que la media de una muestra aleatoria diferir de la media de la
poblacin de la que se efecta el muestreo por menos de k. 0 ; no
obstante, en la prctica no podemos hacer esto.
Ejemplo. Con base en el teorema de Chebyshev con k = 2,
qu podemos decir acerca del tamao de nuestro error, si
vamos a usar la media de una muestra aleatoria de tamao n
= 64 para estimar la media de una poblacin infinita con
s = 20 ?
Solucin. Sustituyendo n = 64 y s = 20 en la frmula
apropiada para el error estndar de la media, obtenemos

y se deriva que podemos afirmar con una probabilidad

como mnimo de
1 - 1 / 22 = 0.75 que el error ser menor que k .0 = 2

Aqu, el problema es que "como mnimo de 0.75" no nos

dice suficiente cuando en realidad la probabilidad puede
ser, digamos, 0.98 o aun 0.999.

El teorema de Chebyshev ofrece una relacin lgica entre

los errores y las probabilidades de que stos se cometan.
 Distribucin de Muestreo
En contraste con estas distribuciones de
medidas individuales, una distribucin de
muestreo se refiere a la distribucin de
los diferentes valores que una estadstica
muestral, o estimador, podra adoptar en
muchas muestras del mismo tamao.
Desviacin tpica o estndar (). Es la
raz cuadrada de la varianza.
Media ( ).
Es el promedio aritmtico de las
medias del conjunto de datos; ya
sea de la poblacin o de la
muestra.
Varianza ( ).
Es el promedio de la suma de los
cuadrados de las desviaciones. Se
entiende por desviacin la
diferencia de una media respecto a
la media: Xi - .
Distribucin Muestral de las
Una distribucin muestral de Medias
medias o una distribucin en el muestreo de la
media se define, como el conjunto de todas las medias que se pueden calcular
en todas las muestras posibles que se pueden extraer, con o sin reemplazo, de
una determinada poblacin. Para detectar las relaciones a que nos hemos
referido, partiremos de un ejemplo con una poblacin pequea.

Muestreo con Muestreo sin

reemplazamiento reemplazamiento
 Muestreo
Muestreo Aleatorio
Diferenciamos entre poblaciones y muestras, sealando que una poblacin consiste en
todas las observaciones concebible (o hipotticamente) posibles de un fenmeno
determinado, mientras que una muestra es slo una parte de una poblacin. Hay dos
clases de poblaciones: las poblaciones finitas y las poblaciones infinitas.
Una poblacin es finita si consta de un nmero finito o fijo de elementos,
medidas u observaciones. A diferencia de las poblaciones finitas, una poblacin
infinita, al menos hipotticamente, contiene una infinidad de elementos.
Para presentar la idea del muestreo aleatorio de una poblacin finita primero
veamos cuntas muestras diferentes de tamao n podemos tomar de una poblacin
finita de tamao N. Refirindonos a la regla para el nmero de combinaciones de n
objetos tomando r a la vez de la pgina 101, encontramos que, con un cambio de las
letras, la respuesta es
Ejemplo. Cuntas muestras distintas de n
podemos tomar de una poblacin finita de
tamao N, cuando

(a) n = 2 y N = 12;

(b) n = 3 y N = l00?

Solucin.
 Muestreo
Diseos de Muestras
En estadstica, un diseo de una muestra es un plan definitivo, determinado por
completo antes de recopilar cualquier dato, para tomar una muestra de una poblacin de
referencia. As, el plan de tomar una muestra aleatoria simple de 12 de 247 farmacias
de una ciudad usando una tabla de nmeros aleatorios de una manera especfica
constituye una muestra aleatoria. Algunas de las clases ms comunes de diseos de
muestras son:

Muestreo Muestreo Muestreo por

Sistemtico Estratificado Conglomerados