ESTADSTICA INFERECIAL

La estadstica inferencial es una parte de la estadstica que comprende los mtodos

y procedimientos que por medio de la induccin determina propiedades de una
poblacin estadstica, a partir de una pequea parte de la misma. La estadstica
inferencial comprende como aspectos importantes:
La toma de muestras o muestreo, que se refiere a la forma adecuada de considerar
una muestra que permita obtener conclusiones estadsticamente vlidas y
significativas.
La estimacin de parmetros o variables estadsticas, que permite estimar valores
poblacionales a partir de muestras de mucho menor tamao.
El contraste de hiptesis, que permite decidir si dos muestras son estadsticamente
diferentes, si un determinado procedimiento tiene un efecto estadstico significativo,
etc.
El diseo experimental.
La inferencia bayesiana.
Los mtodos no paramtricos

TIPOS DE ESTADSTICA
Existen distintos tipos de estadstica:
DESCRIPTIVA O DEDUCTIVA: esta clase de estadstica se utiliza con el propsito
de recolectar, describir y resumir un conjunto de datos obtenidos. Estos pueden
visualizarse de manera numrica y grfica. Sin embargo, su uso se acota slo al
uso de la informacin obtenida. Es decir, que a partir de loa misma no se puede
realizar ningn tipo de generalizacin.
INFERENCIAL O INDUCTIVA: de manera contraria a la anterior, esta clase de
estadstica tiene la particularidad de que a partir de los datos muestrales que
maneja, es posible realizar conclusiones y predicciones que incluyan a toda la
poblacin. Es decir, que los resultados obtenidos a partir del anlisis y conclusin
podrn ser extrapolados, y de esta forma realizar un pronstico inclusivo. Las
inferencias pueden presentarse a travs de respuestas a preguntas del tipo si/no,
relaciones entre una serie de variables, estimaciones numricas, entre otras.
APLICADA: Est conformada por las dos clases de estadsticas anteriores. Su
objetivo consiste en deducir resultados sobre un universo, a partir de una muestra
determinada. Este tipo de estadstica puede ser aplicada en cualquier rea que no
pertenezca a ella, tal como historia, psicologa, etc.
ESTADSTICA MATEMTICA: se refiere al empleo de la estadstica pero desde un
punto de vista formal, a travs del uso de distintas ramas propias de la matemtica
y de la teora de la probabilidad. Su uso es necesario debido a que los datos que
maneja la estadstica matemtica son aleatorios e inciertos.

POBLACIN
Poblacin estadstica, en estadstica, tambin llamada universo, es el conjunto de
elementos de referencia sobre el que se realizan las observaciones. Tambin es el
conjunto sobre el que estamos interesados en obtener conclusiones (inferir).
Normalmente es demasiado grande para poder abarcarla, motivo por el cual se
puede hacer necesaria la extraccin de una muestra de sta.

MUESTRA
En estadstica, una muestra es un subconjunto de casos o individuos de una
poblacin estadstica. En diversas aplicaciones interesa que una muestra sea una
muestra representativa y para ello debe escogerse una tcnica de muestreo
adecuada que produzca una muestra aleatoria adecuada (contramiente se obtiene
una muestra sesgada cuyo inters y utilidad es ms limitado dependiendo del grado
de sesgo que presente).

CENSO
Se denomina censo, en estadstica descriptiva, al recuento de individuos que
conforman una poblacin estadstica, definida como un conjunto de elementos de
referencia sobre el que se realizan las observaciones. El censo de una poblacin
estadstica consiste bsicamente, en obtener mediciones del nmero total de
individuos mediante diversas tcnicas de recuento, y que se hace cada 10 aos.

MUESTREO
En estadstica se conoce como muestreo a la tcnica para la seleccin de una
muestra a partir de una poblacin.
Al elegir una muestra aleatoria se espera conseguir que sus propiedades sean
extrapolables a la poblacin. Este proceso permite ahorrar recursos, y a la vez
obtener resultados parecidos a los que se alcanzaran si se realizase un estudio de
toda la poblacin.

TIPOS DE MUESTREO
Muestreo probabilstico (aleatorio): En este tipo de muestreo, todos los individuos
de la poblacin pueden formar parte de la muestra, tienen probabilidad positiva de
formar parte de la muestra. Por lo tanto es el tipo de muestreo que deberemos
utilizar en nuestras investigaciones, por ser el riguroso y cientfico.
Muestreo no probabilstico (no aleatorio): En este tipo de muestreo, puede haber
clara influencia de la persona o personas que seleccionan la muestra o simplemente
se realiza atendiendo a razones de comodidad. Salvo en situaciones muy concretas
en la que los errores cometidos no son grandes, debido a la homogeneidad de la

poblacin, en general no es un tipo de muestreo riguroso y cientfico, dado que no

todos los elementos de la poblacin pueden formar parte de la muestra. Por
ejemplo, si hacemos una encuesta telefnica por la maana, las personas que no
tienen telfono o que estn trabajando, no podrn formar parte de la muestra.
Muestreo aleatorio simple
En un muestreo aleatorio simple todos los individuos tienen la misma probabilidad
de ser seleccionados. La seleccin de la muestra puede realizarse a travs de
cualquier mecanismo probabilstico en el que todos los elementos tengan las
mismas opciones de salir. Por ejemplo uno de estos mecanismos es utilizar una
tabla de nmeros aleatorios, o tambin con un ordenador generar nmeros
aleatorios, comprendidos entre cero y uno, y multiplicarlos por el tamao de la
poblacin, este es el que vamos a utilizar.
Muestreo aleatorio estratificado
Es frecuente que cuando se realiza un estudio interese estudiar una serie de
subpoblaciones (estratos) en la poblacin, siendo importante que en la muestra
haya representacin de todos y cada uno de los estratos considerados. El muestreo
aleatorio simple no nos garantiza que tal cosa ocurra. Para evitar esto, se saca una
muestra de cada uno de los estratos.
Hay dos conceptos bsicos:
Estratificacin: El criterio a seguir en la formacin de los estratos ser formarlos de
tal manera que haya la mxima homogeneidad en relacin a la variable a estudio
dentro de cada estrato y la mxima heterogeneidad entre los estratos.
Afijacin: Reparto del tamao de la muestra en los diferentes estratos o
subpoblaciones. Existen varios criterios de afijacin entre los que destacamos:
1.Afijacin igual: Todos los estratos tienen el mismo nmero de elementos en la
muestra.
2.Afijacin proporcional: Cada estrato tiene un nmero de elementos en la muestra
proporcional a su tamao.
3.Afijacin Neyman: Cuando el reparto del tamao de la muestra se hace de forma
proporcional al valor de la dispersin en cada uno de los estratos.
Muestreo aleatorio sistemtico
Es un tipo de muestreo aleatorio simple en el que los elementos se seleccionan
segn un patrn que se inicia con una eleccin aleatoria.
Muestreo aleatorio por conglomerados o reas
Mientras que en el muestreo aleatorio estratificado cada estrato presenta cierta
homogeneidad, un conglomerado se considera una agrupacin de elementos que
presentan caractersticas similares a toda la poblacin.

Por ejemplo, para analizar los gastos familiares o para controlar el nivel de audiencia
de los programas y cadenas de televisin, se utiliza un muestreo por
conglomerados-familias que han sido elegidas aleatoriamente.
Las familias incluyen personas de todas las edades, muy representativas de las
mismas edades y preferencias que la totalidad de la poblacin.
Una vez seleccionados aleatoriamente los conglomerados, se toman todos los
elementos de cada uno para formar la muestra. En este tipo de muestreo lo que se
elige al azar no son unos cuantos elementos de la poblacin, sino unos grupos de
elementos de la poblacin previamente formados. Elegidos estos grupos o
"conglomerados" en un nmero suficiente, se pasa posteriormente a la eleccin,
tambin al azar, de los elementos que han de ser observados dentro de cada grupo,
o bien, segn se desee, a la observacin de todos los elementos que componen los
grupos elegidos.
Por ejemplo, para analizar los gastos familiares o para controlar el nivel de audiencia
de los programas y cadenas de televisin, se utiliza un muestreo por
conglomerados-familias que han sido elegidas aleatoriamente. Las familias incluyen
personas de todas las edades, muy representativas de las mismas edades y
preferencias que la totalidad de la poblacin.
Una vez seleccionados aleatoriamente los conglomerados, se toman todos los
elementos de cada uno para formar la muestra. En este tipo de muestreo lo que se
elige al azar no son unos cuantos elementos de la poblacin, sino unos grupos de
elementos de la poblacin previamente formados. Elegidos estos grupos o
"conglomerados" en un nmero suficiente, se pasa posteriormente a la eleccin,
tambin al azar, de los elementos que han de ser observados dentro de cada grupo,
o bien, segn se desee, a la observacin de todos los elementos que componen los
grupos elegidos.
Muestreo no Probabilstico
Existen otros procedimientos para seleccionar las muestras, que son menos
precisos que los citados y que resultan menos costosos. El procedimiento ms
utilizado es el muestreo no probabilstico, denominado opintico consistente en que
el investigador selecciona la muestra que supone sea la ms representativa,
utilizando un criterio subjetivo y en funcin de la investigacin que se vaya a realizar.

DISTRIBUCIONES DISCRETAS
Las distribuciones discretas son aquellas en las que la variable puede pude tomar
un nmero determinado de valores:
Ejemplo: si se lanza una moneda al aire puede salir cara o cruz; si se tira un dado
puede salir un nmero de 1 al 6; en una ruleta el nmero puede tomar un valor del
1 al 32.
Distribuciones discretas: Bernouilli
Es aquel modelo que sigue un experimento que se realiza una sola vez y que puede
tener dos soluciones: acierto o fracaso:
Cuando es acierto la variable toma el valor 1
Cuando es fracaso la variable toma el valor 0
Ejemplo: Probabilidad de salir cara al lanzar una moneda al aire (sale cara o no
sale); probabilidad de ser admitido en una universidad (o te admiten o no te
admiten); probabilidad de acertar una quiniela (o aciertas o no aciertas)
Al haber nicamente dos soluciones se trata de sucesos complementarios:
A la probabilidad de xito se le denomina "p"
A la probabilidad de fracaso se le denomina "q"
Verificndose que:
p+q=1
DISTRIBUCIONES CONTINUAS
Las distribuciones continuas son aquellas que presentan un nmero infinito de
posibles soluciones:
Ejemplo: El peso medio de los alumnos de una clase puede tomar infinitos valores
dentro de cierto intervalo (42,37 kg, 42,3764 kg, 42,376541kg, etc); la esperanza
media de vida de una poblacin (72,5 aos, 72,513 aos, 72,51234 aos).