Estadística Inferencial

SESIÓN 1
PRESENTACIÓN DEL CURSO

Revisemos nuestro silabo

PRESENTACIÓN DEL CURSO

Valores y buenas prácticas

Respeto
Comunicación
Puntualidad
Asistencia
Perseverancia
SUMARIO

1. CONCEPTOS BÁSICOS.
2. POBLACIÓN.
3. MUESTRA. TIPOS DE MUESTREO
4. TABLAS ESTADÍSTICAS.
SUMARIO

Al finalizar la sesión de aprendizaje el estudiante

conocerá e identificará los conceptos básicos de
estadística inferencial relacionados a la población y a la
muestra.
1. CONCEPTOS BÁSICOS
POBLACIÓN: conjunto de elementos en los que se
Población (N)
observa alguna característica común.
MUESTRA: conjunto de unidades representativas de Muestra (n)
una población(representativa, tamaño óptimo)
VARIABLE: Es una característica, cualidad de un
objeto de estudio y que tiende a ser medido.
OBSERVACIONES(DATO): valores que toma la Estadísticos
característica ( Variable) observada en cada
elemento de la población. Parámetros

PARÁMETRO: Característica numérica que describe

una variable observada en la población. Estadística Inferencial
ESTADÍSTICO: característica numérica que describe
una variable observada en muestra.
1. CONCEPTOS BÁSICOS
INFERENCIA ESTADÍSTICA: basada en el
estudio de las muestras . la muestra debe
ser representativa de la población y debe
tener un tamaño optimo para extraer
conclusiones validas sobre esta población.
Además la muestra debe ser aleatoria.

MUESTREO ALEATORIO SIMPLE: cada

elemento de la población tiene la misma
probabilidad (Equiprobabilidad) de ser
elegido para formar parte de la muestra y
cada muestra del mismo tamaño tiene la
misma probabilidad de ser seleccionada.

Datos/Observaciones
1. CONCEPTOS BÁSICOS
MUESTRA ALEATORIA SIMPLE : MAS
Una MAS de tamaño n, es un conjunto de n
variables aleatorias X1, X2,….., Xn, que verifican
que:
a. Son independientes entre si.
b. Cada Xi tiene idénticas características que X

El muestreo aleatorio simple en poblaciones finitas se realiza

“con reemplazo”, es decir: Se selecciona un elemento de la
población al azar, se observa el valor de la variable aleatoria X,
se devuelve a la población y se vuelve a seleccionar otro
elemento. Así hasta obtener los n elementos. Este
procedimiento garantiza la independencia de las observaciones.
El muestreo también puede ser “Sin reemplazo”

El muestreo aleatorio simple sin reposición siempre es más eficiente:

Cesar Pérez (Pearson 2005)
1. CONCEPTOS BÁSICOS
EJEMPLO DE POBLACIÓN
En un instituto se quiere realizar un estudio sobre el nivel de colesterol de los alumnos.
Para ello, se decide extraer una muestra aleatoria simple de tamaño 10. Entonces
tendremos:
POBLACIÓN: Alumnos del instituto
VARIABLE ALEATORIA X : Nivel de colesterol
MUESTRA ALEATORIA SIMPLE, DE Variables aleatorias X1, X2,....,X10
TAMAÑO 10:
Xi ( VARIABLE ALEATORIA) Nivel de colesterol del i-ésimo alumno seleccionado
SE SELECCIONAN 10 ALUMNOS Y 129, 170, 135, 140, 225, 163, 131, 203, 187, 149
SUS NIVELES DE COLESTEROL
SON:
VALORES OBSERVADOS DE LAS X1=129, X2=170, X3=135, X4=140, X5=225, X6=163,
VARIABLES ALEATORIAS X7=131,X8=203, X9=187, X10=149
2. MUESTREO
El muestreo es una herramienta de la investigación científica, cuya función básica es
determinar que parte de una población debe examinarse (seleccionar los elementos
objeto de estudio de una población), con la finalidad de hacer inferencias sobre dicha
población.
Muestreo probabilístico (Aleatorio) Muestreo no probabilístico (No aleatorio)
Todo los elementos tienen la misma Todo los elementos no tienen la misma
posibilidad de ser elegidos. probabilidad de ser elegido.
(equiprobabilidad) Son muestreos que seguramente
Nos aseguran la representatividad esconden sesgos.
de la muestra. En principio no se pueden extrapolar
Se puede sacar conclusiones acerca (Inferencia estadística) los resultados a
de la población( Inferencia la población.
Estadística) Bajo Coste ( Criterio No estadístico)
Alto coste (Criterios Estadístico)
2. TIPOS DE MUESTREO

• Aleatorio Simple
• Aleatorio Sistemático
Probabilístico • Estratificado
• Conglomerado

• Por Cuota
• Intencional o conveniencia
No Probabilístico • Bola de Nieve
• Discrecional
MUESTREO ALEATORIO SIMPLE
Técnica de muestreo probabilístico: Todos los elementos de
la población tiene la misma oportunidad de ser elegidos es El muestreo aleatorio
conocida y equitativa. simple es la más básica en
su tipo y conforma la base
Ejemplo: de todas las demás
técnicas.
Se tiene que interrogar a 20 estudiantes ( tamaño muestra) de una
facultad de 3880, cuyos nombres figuran en un registro, se
enumerará primero cada nombre, posteriormente se generará una
lista de 20 números aleatorios diferentes dentro de 3880. De ésta
forma se elige a los 20 estudiantes, todos los elementos tienen la
misma probabilidad de ser seleccionados.

Desventajas:

• Dificultad al eligir todos los números aleatorios si n es grande, alto costo.

• Necesita una lista completa de los elementos de la población (marco
muestral).
MUESTREO SISTEMÁTICO
Se aplica cuando la población es bastante irregular respecto al carácter que estamos
estudiando y deseamos que en la muestra se refleje toda esta variabilidad.

1 2 3 N

Ejemplo:
un empresario tiene una población total de 100 clientes y necesita 12 de ellos para una
encuesta sorpresa. Su asistente se para en la puerta de ingreso de la tienda y primero
elige un número de partida, 5 ( Cliente N° 5), Luego el empresario elige su intervalo, 8. Los
miembros de su muestra serán los clientes en orden 5, 13, 21, 29, 37, 45, 53, 61, 69, 77,
85, 93.
• Fácil de seleccionar en campo o durante un operativo
• En el muestreo aleatorio sistemático modificada, primero se calcula el tamaño de la muestra (n).
MUESTREO ESTRATIFICADO
Muestreo Probabilístico Estratificado

Población ( Empresas Peruanas) Estratos

Estrato 1
N1 (Empresas grandes)

Estrato 2
N2
(Empresas medianas)

Estrato 3
N3 (Empresas pequeñas)

• Se estratifica la población según ciertas variables de interés ( sexo, Ingreso,.. Etc )

• Cada estrato Homogéneos en su interior; diferentes entre sí en propiedades y tamaño
• Los estratos más grandes tienen mayor probabilidad de ser representados
MUESTREO POR CONGLOMERADOS
El muestreo por conglomerados es una técnica que aprovecha la existencia de grupos o
conglomerados en la población, Este tipo de muestreo se utiliza cuando se trata de obtener una
muestra al azar de una población dispersa en una gran área geográfica.

Se desea estimar el ingreso

promedio por hogar en una ciudad

Número de Jefes de familia por manzana

Por ejemplo: 200 manzanas se localizan en
un total de 35 Pueblos.Se selecciona una
muestra aleatoria simple de 15 pueblos y se
determina el número de Jefes de familia por
manzana.

Los conglomerados son heterogéneos en su interior; diferentes entre sí

en propiedades y tamaño.
MUESTREO POR CONVENIENCIA
Es una técnica no probabilística comúnmente usada. Consiste
en seleccionar una muestra de la población por el hecho de que sea
accesible. Implica un bajo coste operativo y bajo coste en el muestreo

Ejemplo: Queremos conocer la opinión de los estudiantes universitarios de Lima

acerca de la política.
Una muestra por conveniencia podría consistir en dirigirme a 3 universidades
cercanas, simplemente porque están en la población en la que reside el encuestador,
y encuestar a unos cuantos individuos que acepten participar al salir de las aulas por
la mañana.
MUESTREO POR CUOTA
El muestreo por cuotas es la versión no probabilística del muestreo
estratificado, Consta de tres fases:

1) Encontrar los grupos: Dividir la población en grupos según variable

de interés( Sexo, Edad,…)
2) Fijar el tamaño de las cuotas: se fijan unas "cuotas" que consisten
en un número de individuos a encuestar para cada uno de estos
grupos
3) Selección de los individuos y comprobar las cuotas: Se busca a
los individuos(Cuotas) de manera no aleatoria, puede ser por un
muestreo por conveniencia
MUESTREO POR BOLA DE NIEVE
Se localiza a algunos individuos, los cuales conducen a otros, y estos a
otros(Bola de nieve), y así hasta conseguir una muestra suficiente. Este tipo se
emplea muy frecuentemente cuando se hacen estudios con poblaciones de difícil
acceso "marginales", delincuentes, sectas, determinados tipos de enfermos, etc.
MUESTREO DISCRECIONAL
A criterio del investigador los elementos son elegidos sobre lo que él
cree que pueden aportar al estudio o investigación.

En un estudio en donde un investigador quiere

saber qué es necesario para graduarse con los
más altos honores en la universidad, las únicas
personas que podrán brindarle el mejor
asesoramiento serán las personas que se
graduaron con los más altos honores. Con este
grupo tan específico y limitado de personas que
serán los sujetos, el investigador debe utilizar el
muestreo discrecional.
RESUMEN

Población • Aleatorio Simple

• Aleatorio Sistemático
• Estratificado
Probabilístico
• Conglomerado

Muestra

• Por Cuota
Tipos de • Intencional o
conveniencia
Muestra No Probabilístico • Bola de Nieve
• Discrecional
Enlaces Externos
Lectura Recomendada:
MALHOTRA, NARESH K. (2008). Investigación de mercados. México: Pearson Educación.

http://www.cars59.com/wp-content/uploads/2015/09/Investigacion-de-Mercados-Naresh-Malhotra.pdf
Página 340

Canal Bio-estadístico
https://www.youtube.com/watch?v=_rXg9-EOWxc

https://www.youtube.com/watch?v=zGtk_Ii9VBs
TABLAS ESTADÍSTICAS
Tabla Distribución Normal ( Positivo y Negativo)

Recordemos el uso de la tabla normal estándar: Z

a) P[Z ≤ 0.93] (caso1)
b) p [ − 0.52 < z < 1.03] (caso3)

c ) p [ z > 1, 27 ] (caso 2)

Solución:
a) P(Z ≤ 0.93) = 0.82381( Área)

Enlace:https://www.youtube.com/watch?v=D2u4VZmRWmw
TABLAS ESTADÍSTICAS
b) p  − 0.52 < z < 1.03 Propiedad
p  − 0.52 < z < 1.03 = p  z < 1.03 − p  z < − 0.52 = 0.54696
144244
3 1442443
BuscarTabla BuscarTabla

c) p  z > 1.27 Propiedad

1-0.89796= 0.10274

No olvidar!

P( Z < a) = P( Z < a)
P(Z > a) = 1 − P(Z ≤ a)
P(a < Z < b) = P(Z < b) − P(Z < a)
TABLAS ESTADÍSTICAS
TABLA CHI-CUADRADO

TABLA F- FISHER Tabla T-student (Positivo, Negativo)

 TALLER GRUPAL

Grupos de 5 Estudiantes

Vamos a los
ejercicios
propuestos de la
separata!!
CIERRE
¿QUÉ HEMOS APRENDIDO?

1. ¿Por qué es importante obtener una

muestra representativa de la población?

2. ¿Cuáles es la principal diferencia

entre el muestreo probabilístico y un
muestreo no probabilístico?