INFERENCIA ESTADISTICA

INFERENCIA ESTADSTICA: Es el proceso de aplicar a la poblacin las caractersticas o

atributos encontrados en una muestra.
A!"N#S C#NCE$T#S %&SIC#S
A pesar de 'ue en al(una )orma *a nos +emos re)erido a al(unos de los conceptos 'ue se
de)inen a continuacin, aclararemos al(unos de ellos dada la (ran importancia 'ue re-iste la
adecuada comprensin de los mismos.
$#%ACI.N: Es el con/unto de todos los elementos, acerca de los cuales 'ueremos +acer al(una
in)erencia o (enerali0acin.
1"ESTRA: "na muestra es una coleccin de unidades seleccionadas de un marco o de -arios
marcos muestrales. os datos son obtenidos de los elementos de la muestra * utili0ados para
describir la poblacin a la cual pertenece esa muestra.
1ARC# 1"ESTRA: Es una lista de unidades de muestreo 'ue describe adecuadamente la
poblacin. Se espera 'ue el marco muestral conten(a todas las unidades de la poblacin 'ue -an a
ser ob/eto de estudio * 'ue pueden ser: ob/etos, personas, +o(ares, etc. Al(unas -eces, es
necesario tomar como re)erencia dos o m2s marcos muestrales a )in de abarcar toda la poblacin.
$AR&1ETR#: 1uc+as in-esti(aciones buscan conocer caractersticas de al(unas poblaciones
de inter3s. Esta in)ormacin puede re)erirse a promedios, totales, proporciones, -arian0a, etc.
Estas caractersticas poblacionales, reciben el nombre de 4par2metros5 si son obtenidas a tra-3s
del estudio de la totalidad de la poblacin.
ESTI1AD#R: "n estimador, es una medida obtenida mediante el estudio de una muestra. El
-alor espec)ico 'ue toma un estimador en una muestra, se le llama ESTI1ACI.N. E/emplo: Si
el -alor promedio de una muestra de 678 blo'ues de madera tomados de una poblacin de 6.888
blo'ues es de 97 :ilos, entonces, el promedio de dic+a muestra en este caso es el estimador. El
-alor de este estimador podra ser utili0ado como estimacin del promedio de la poblacin a la
cual pertenece la muestra. "n estimador recibe al(unas -eces el nombre de ESTADSTIC# o
ESTAD!RAF#.
DISTRI%"CI.N 1"ESTRA DE "N ESTI1AD#R: a distribucin del estimador de todas
las posibles muestras del mismo tama;o, 'ue pueden ser e<tradas de una poblacin, se le
denomina DISTRI%"CI.N 1"ESTRA DE ESTI1AD#R, puesto 'ue el estimador es una
-ariable aleatoria, *a 'ue su -alor cambia de muestra a muestra. Debe 'uedar claro 'ue si
tomamos una se(unda muestra aleatoria de una poblacin, sera casi imposible esperar el mismo
-alor para el estimador. Si por e/emplo el estimador es =* tomamos -arias muestras lo m2s
6
probable es 'ue nin(una de las = de cada una de las muestras sera i(ual a las otras. Esas
di)erencias se deben precisamente a 'ue se trata de un proceso aleatorio en la seleccin de las
muestras. El e/emplo >.6 de la p2(ina si(uiente dar2 ma*or claridad a lo 'ue a'u se +a e<puesto.
$R#$IEDADES DE "N ESTI1AD#R
"n buen estimador debe tener las si(uientes propiedades:
6? INSES!AD#. "n estimador es 4inses(ado5, cuando el -alor promedio de las
estimaciones para todas las posibles muestras de i(ual tama;o, es i(ual al -erdadero
par2metro poblacional. $or e/emplo, la media aritm3tica es un estimador inses(ado.
7? C#NSISTENTE. Se dice 'ue un estimador es 4consistente5, cuando la ma(nitud de los
errores de estimacin, se pueden reducir a medida 'ue se aumenta el tama;o de la
muestra, +asta eliminarlos completamente cuando el tama;o de la muestra i(uala al
tama;o de la poblacin.
Cuando se +ace una estimacin, necesariamente se (enera un ERR#R 'ue aspiramos sea
mnimo. En cual'uier in-esti(acin, es necesario especi)icar con anticipacin el ni-el
m2<imo de error 'ue estamos dispuestos a aceptar en la estimacin. El tama;o de la
muestra, depende en buena parte del error 'ue estemos dispuestos a tolerar en la
estimacin. Si estamos dispuestos a aceptar un mnimo error en la estimacin, entonces el
tama;o de la muestra deber2 ser mu* (rande. Entre ma*or sea el error 'ue estamos
dispuestos a tolerar, m2s pe'ue;a ser2 la muestra necesaria para la respecti-a estimacin
a+orrando con esto tiempo * dinero * adem2s los errores no muestrales ser2n menores.
@? EFICIENTE. a ra0 cuadrada positi-a de la -arian0a del estimador, se denomina
4ERR#R EST&NDAR5, el cual es una medida de la -ariabilidad del estimador. Cuando
el error est2ndar es menor para un estimador 'ue para otro, se dice 'ue el primero es m2s
e)iciente 'ue el se(undo. $or e/emplo, si se trata de estimar un promedio, la media
aritm3tica es un estimador m2s e)iciente 'ue la mediana.
Resumen
Insesgado: Aue el -alor del par2metro coincida con el -alor promedio del estimador. Esta
propiedad la tienen la ma*ora de los estimadores usados en la pr2ctica.
Consistente: Aue el -alor de la muestra se acer'ue al -alor del par2metro al aumentar el
tama;o de la muestra.
Suficiente: Aue el estimador use toda la in)ormacin 'ue la muestra contiene respecto al
par2metro de inter3s.
Eficiente: Aue el estimador ten(a menor -ariabilidad 'ue otro posible.
7
os dos (randes temas 'ue estudia la in)erencia estadstica * 'ue re-isten (ran
importancia en esta ciencia son dos: A ESTI1ACI.N DE $AR&1ETR#S * AS $R"E%AS
DE BI$.TESIS.
ESTI1ACI.N DE $"NT# E INTERCA#S DE C#NFIANDA
E<isten b2sicamente dos m3todos de estimacin de par2metros:
a? ESTI1ACI.N $#R $"NT#
b? INTERCA# DE C#NFIANDA
Si a partir de las obser-aciones de una muestra, se calcula un -alor Enico como estimacin
de un par2metro poblacional desconocido, este sistema empleado se denomina: ESTI1ACI.N
DE $"NT#.
EFE1$#: Supon(amos 'ue deseamos conocer el rendimiento promedio de los 678
obreros de una compa;a para cumplir un determinado lote de produccin * 'ue para tal )in,
tomamos una muestra de 6G obreros cu*o rendimiento promedio )ue de 97 unidades por +ora. Si
3ste -alor 97 HestimadorI, se acepta sin discusin, como un estimati-o del rendimiento promedio
de los 678 obreros, entonces, decimos 'ue 97 es una estimacin puntual o estimacin de punto.
Como podemos obser-ar, 3sta es una estimacin demasiada optimista para el par2metro
poblacional.
Si de acuerdo con el e/emplo anterior, estimamos 'ue el promedio de los 678 obreros
)luctEa entre 98 * 9J unidades por +ora, entonces el inter-alo 498 ? 9J5, se denomina
ESTI1ACI.N DE INTERCA#. #bser-emos 'ue en 3ste caso, estamos admitiendo 'ue en la
estimacin, puede presentarse un error de 7 unidadesK+ora por encima o por deba/o de 97. Es
decir, esta es una estimacin menos optimista.
Si a una estimacin de inter-alo la asociamos con una probabilidad de 'ue el -erdadero
par2metro poblacional se encuentre ubicado dentro de dic+o inter-alo, entonces, la estimacin as
obtenida la denominamos: INTERCA# DE C#NFIANDA.
Si al inter-alo 498 ? 9J5, lo asociamos con una probabilidad [Link] de 'ue el promedio del
rendimiento de los 678 obreros se encuentre dentro de dic+o inter-alo, entonces, el inter-alo de
con)ian0a correspondiente lo podemos escribir as:
$ H98 M N M 9JI O [Link] Ha probabilidad de 'ue el par2metro poblacional se
encuentre dentro del inter-alo 98 * 9J es i(ual a [Link]
@
"na )orma de estimar un par2metro poblacional consiste en estimar con al(En (rado de
con)ian0a, un inter-alo 'ue inclu*a un lmite in)erior * un lmite superior dentro de los cuales
esperamos 'ue se encuentre el -erdadero -alor del par2metro. Con esto, estamos admitiendo 'ue
e<iste una probabilidad P Q P de 'ue esto no ocurra * por consi(uiente una probabilidad 46? Q P
de 'ue ello si ocurra. En nuestro e/emplo Q O 8, 8G * 6? Q O [Link]
P Q 5 es la probabilidad de )allar en la estimacin Hes la probabilidad de 'ue el inter-alo no
inclu*a al -erdadero -alor del par2metroI.
46? Q P es el nivel de confianza, es una medida de la con)iabilidad de la estimacin. HEs
la con)iabilidad 'ue merece la estimacinI.
$or e/emplo, si se toma O 68R, entonces 6 ? O L8R * se dice 'ue se tiene un inter-alo
de con)ian0a del L8R * 'ue la probabilidad de 'ue el inter-alo conten(a al -erdadero -alor del
par2metro es del L8R. Es decir, 'ue si repetidamente se muestra * se constru*e tal inter-alo una *
otra -e0, L8 de cada 688 de estos inter-alos, contendr2 al par2metro * 68 de ellos no.
Se puede pensar 'ue 1 si(ni)ica certe0a, se(uridad * si(ni)ica ries(o. a se(uridad
menos el ries(o, es decir 1 - da, por lo tanto, el coe)iciente de con)ian0a de nuestras
a)irmaciones.
INTERCA# DE C#NFIANDA $ARA A 1EDIA, (Des-iacin est2ndar de la poblacinI
C#N#CIDA
Si una poblacin es normal, las medias muestrales H I de todas las muestras de tama;o
4n5, 'ue pueden tomarse de una poblacin 4N5, se distribu*en normalmente, sin importar el
tama;o de la muestra. $or otra parte, si una poblacin no est2 normalmente distribuida o no se
sabe nada de ella, se(En el teorema central del lmite, las medias muestrales se distribuir2n
apro<imadamente de acuerdo a una distribucin normal, siempre * cuando el tama;o de la
muestra sea ma*or 'ue @8 HnS@8I.
Con el (r2)ico si(uiente aclararemos me/or los conceptos relacionados con el inter-alo de con)ian0a.
J
Si 'ueremos estimar la media de una poblacin utili0ando para ello un inter-alo de
con)ian0a, lo primero 'ue tenemos 'ue +acer es calcular la media de una muestra aleatoria
e<trada de dic+a poblacin. Esa media muestral podr2 tener un -alor cual'uiera a lo lar(o del e/e
H I
Sin embar(o, la probabilidad de 'ue el par2metro poblacional se encuentre dentro del
inter-alo 6 *, 7 es i(ual a 46? Q P, mientras 'ue la probabilidad de 'ue no se encuentre
dentro de dic+o inter-alo es i(ual a 4Q5. Es decir, el resultado de 46? Q P, lo -amos a llamar nivel
de confianza.
a a)irmacin 'ue acabamos de +acer, la podemos escribir matem2ticamente como si(ue:
$ H 6 M N M 7 I O 6? Q Ha probabilidad de 'ue el par2metro poblacional se encuentre
dentro del inter-alo 6 *, 7 es i(ual a 46? Q PI
a anterior e<presin de acuerdo con el (r2)ico, re)erida al e/e D, tambi3n la podemos
escribir as: $ H?D
/2
M D M T D
/2
I O 6? Q Ha probabilidad de 'ue el punta/e D Hdel
par2metro poblacional ) se encuentre dentro del inter-alo H?D
/2
* + D
/2
es i(ual a 46? Q PI
Nota Distribucin muestral de medias: Sin importar el tama;o de la muestra 4n5, si se tiene una
poblacin normal de tama;o 4N5, con media N * des-iacin est2ndar U, las medias de todas las
muestras de tama;o 4n5, 'ue se pueden tomar de esa poblacin, tambi3n se distribuir2n
normalmente.

Si nos basamos en el +ec+o de 'ue la -ariable aleatoria representada en el e/e de las
abcisas es , la )rmula para 4D5 la tendramos 'ue escribir as:
Frmula H>.@I

Si la poblacin est normalmente distribuida y se conoce pero se desconoce , entonces el
valor de , puede reemplazarse por la desviacin estndar de la muestra S, siempre y cuando el
tamao de la muestra sea grande HnS@8I. ) !n estas condiciones el valor de " ser#a$
G
TE#RE1A CENTRA DE 1ITE
Cuando una poblacin no est2 normalmente distribuida o se desconoce si se cumple o no
3ste comportamiento, las medias muestrales se distribuir2n apro<imadamente como una
distribucin normal si el tama;o de la muestra 4n5, se(En -arios autores, es ma*or o i(ual 'ue @8
HnS@8I.
El -alor de 4D5 'ue se debe utili0ar corresponde a la )rmula >.@ de la presente p2(ina. El
Teorema Central del mite, es aplicable tambi3n a otros estimadores como la proporcin, la
di)erencia de medias * la di)erencia de proporciones, 'ue se -er2n m2s adelante.
a )rmula para un inter-alo de con)ian0a para la media poblacional utili0ando la
distribucin normal ser2 la si(uiente:
Frmula H9.6I $ H -D
/2
M N M + D
/2
) = 6 ?

Si el tama;o de la muestra era ma*or 'ue @8 Hn S@8I * el -alor de U era desconocida,
entonces, la des-iacin est2ndar de la muestra 4S5, puede reempla0ar al -alor de U. $or lo tanto U,
puede reempla0arse por S en la )rmula 9.6 si se cumple la anterior condicin.
Con el )in de dar ma*or claridad conceptual sobre el inter-alo de con)ian0a, obser-emos
en la )rmula 9.6 'ue para estimar el par2metro poblacional, estamos creando un inter-alo cu*o
lmite in)erior corresponde al lado i0'uierdo de la )rmula, mientras 'ue el lmite superior
corresponde al lado derec+o de la )rmula. Esto 'uiere decir, 'ue para la re)erida estimacin,
aceptamos un mar(en de error por de)ecto o por e<ceso m2<imo de:
D
/2
O
$or lo anterior, entre ma*or ni-el con)ian0a 6? Q 'ueramos tener en la estimacin, ma*or
amplitud presentar2 el inter-alo, por cuanto ma*or ser2 el -alor de D * como consecuencia m2s
d3bil ser2 la estimacin, a menos 'ue aumentemos el tama;o de la muestra 4n5.
EFE1$#
Se recibe un car(amento mu* (rande de 7.G88 bultos de pl2tanos pro-enientes de una
importacin * se desea estimar el peso promedio HNI de dic+os bultos, para lo cual se toma una
muestra aleatoria de 688 de bultos, 'ue arro/an un peso promedio de O 76.> :ilos. Se sabe por
e<periencias anteriores, 'ue la des-iacin est2ndar de dic+os car(amentos es de U O G.6 :ilos. Se
'uiere un ni-el de con)ian0a en la estimacin del LGR H6? Q O [Link].
>
#bser-emos 'ue no se sabe si el peso de los bultos de pl2tano se distribu*e normalmente,
pero como nO688S@8, entonces, las medias muestrales se comportar2n apro<imadamente de
acuerdo a una distribucin normal, se(En el teorema central del lmite. #bser-emos 'ue 688 es el
JR de 7.G88, por lo cual no es necesario aplicar el )actor de correccin para el c2lculo del error
est2ndar. $or otra parte como se di/o en la p2(ina anterior para un ni-el de con)ian0a de [Link] el
-alor de D ser2 V 6.L>.

Reempla0ando en la )rmula 9.6 los -alores de n, U * D, tenemos:
G.6 G.6
$ H76,> W 6,L> M N M 76,> T 6,L> O [Link]
X688 X 688
$or lo tanto: $ H78,> M N M 77,>I O 8,LG
a e<presin anterior, si(ni)ica 'ue el LGR de las medias muestrales de tama;o 688 del
car(amento estar2n dentro del anterior inter-alo, mientras 'ue el GR de dic+as medias muestrales
estar2n por )uera de dic+o inter-alo. En consecuencia, podemos interpretar la re)erida e<presin,
diciendo 'ue con el LGR de con)ian0a la media del peso de todo el car(amento )luctEa entre 78.>
* 77.> :ilos.
9