1

INSTITUTO TECNOLOGICO SUPERIOR DE

ATLIXCO

MATERIA: PROBABILIDAD Y ESTADISTICA

ALUMNA: ELVIRA MUÑOZ ZAMBRANO

DOCENTE: MTRO. IVAN REYES CASTILLO

INGENERIA MECATÓNICA

“INFERENCIA ESTADISTICA”

2º”B”
 2
INFERENCIA ESTADISTICA

A. CONCEPTOS BÁSICOS MUESTREO ALEATORIO: es aquel

procedimiento de selección de la muestra en el
que todos y cada uno de los elementos de la
Inferencia estadística: Inferir es, en general, población tiene una cierta probabilidad de
establecer un nuevo conocimiento partiendo de resultar elegidos.
uno ya "dado". La inferencia estadística va a ser
MUESTREO ALEATORIO SIMPLE: (M.A S.): es
una forma especial de realizar este proceso.
aquel muestreo aleatorio en el que la
Consiste, básicamente, en determinar algunas
probabilidad de que un elemento resulte
características desconocidas de una población
seleccionado se mantiene
partiendo de datos muestrales conocidos.
Constante a lo largo de todo el proceso de
Fundamentalmente la Inferencia Estadística
obtención de la misma.
consiste en la resolución de dos grandes
categorías de problemas: Muestra genérica de tamaño n: Es una variable
aleatoria
La estimación: Determinar el valor de una
característica poblacional desconocida. Podrá N-dimensional; X = [x1, x2, x 3,..., xn] donde
ser: cada xj (con j=1,2,...n)

• Por punto: Determinación de un valor En la medida en que en el muestreo aleatorio

poblacional concreto cada elemento de la población tiene una
probabilidad de ser elegido, cada dato muestral
• Por intervalo: Determinación de un
genérico será una variable aleatoria que tendrá
intervalo en el que quede incluido el valor de la
asociada una función de probabilidad f(x) (de
característica con cierto grado de probabilidad.
cuantía o de densidad) según una determinada
El contraste de hipótesis: Determinar si es distribución que llamaremos distribución básica,
aceptable, partiendo de los datos muestrales, madre, o, simplemente, distribución de la
que la característica poblacional estudiada tome población y recorrerá todos los posibles valores
un valor determinado o bien que pertenezca a de la población.
un intervalo de valores determinado.
Estadístico: Es cualquier función de los valores
Poblacion: Colectivo sujeto del estudio .Cabe muestrales que dependa exclusivamente de
distinguir entre Población (colectivo en el que estos. En la medida en que los valores
estamos considerando la magnitud sujeta a muestrales son variables aleatorias también lo
estudio) y Universo (colectivo de todos los serán las funciones de éstos: los estadísticos.
elementos sujetos del estudio, en el que no [1]

consideramos la magnitud).

Muestra: Un subconjunto cualquiera de la

B. MUESTREO
población. Para que la muestra nos sirva para
extraer conclusiones sobre la población deber
ser representativa, lo que se consigue
seleccionando sus elementos al azar, lo que da El muestreo es una herramienta de la
lugar a una muestra aleatoria investigación científica, cuya función básica es
determinar que parte de una población debe
Muestreo: Procedimiento para la obtención de examinarse, con la finalidad de hacer
una muestra inferencias sobre dicha población.
Muestreo opinatico: es aquel procedimiento de Los errores más comunes que se pueden
selección de los elementos muestrales que se cometer son:
realiza según el criterio del investigador.
 3

1.- Hacer conclusiones muy generales a partir extrae de) entre los estratos predeterminados
de la observación de sólo una parte de la según la naturaleza de la población.
Población, se denomina error de muestreo.
Muestreo por conglomerados. La unidad
2.- Hacer conclusiones hacia una Población muestral es un grupo de elementos de la
mucho más grandes de la que originalmente se población que forman previsiblemente una
tomó la muestra. Error de Inferencia. unidad de comportamiento representativo.
Dicha unidad es el conglomerado cuyo
Existen diferentes criterios de clasificación de comportamiento interno puede ser muy disperso
los diferentes tipos de muestreo, aunque en (varianza grande) pero que presumiblemente
general pueden dividirse en dos grandes poseerá un comportamiento próximo a otros
grupos: métodos de muestreo probabilísticos y conglomerados (varianza entre conglomerados,
métodos de muestreo no probabilísticos. pequeña).

.Muestreo por unidades monetarias .Este tipo

de muestreo es especifico en auditoría , viene a
Probabilísticos
solucionar el problema que plantea la selección
Muestreo probabilístico. Los métodos de aleatoria de partidas contables que no tienen
muestreo probabilísticos son aquellos que se (evidentemente) el mismo monto económico y
basan en el principio de equiprobabilidad. Es por ello en un muestreo estrictamente aleatorio
decir, aquellos en los que todos los individuos se "primaría" la inspección de las numerosas
tienen la misma probabilidad de ser elegidos partidas pequeñas irrelevantes dejando sin
para formar parte de una muestra y, inspección las importantes y cuantiosas.
consiguientemente, todas las posibles muestras
de tamaño n tienen la misma probabilidad de
ser seleccionadas.

Muestreo aleatorio simple: El procedimiento No probabilísticos

empleado es el siguiente: 1) se asigna un
número a cada individuo de la población y 2) a Muestreo por cuotas: También denominado en
través de algún medio mecánico (bolas dentro ocasiones "accidental". Se asienta
de una bolsa, tablas de números aleatorios, generalmente sobre la base de un buen
números aleatorios generados con una conocimiento de los estratos de la población y/o
calculadora u ordenador, etc.) se eligen tantos de los individuos más "representativos" o
sujetos como sea necesario para completar el "adecuados" para los fines de la investigación.
tamaño de muestra requerido. Mantiene, por tanto, semejanzas con el
muestreo aleatorio estratificado, pero no tiene el
Muestreo aleatorio sistemático. Esta técnica carácter de aleatoriedad de aquél.
consiste en extraer elementos de la población
mediante una regla sistematizadora que
previamente hemos creado (sencillamente cada
K elementos). Así; numerada la población, se Muestreo intencional o de conveniencia: Este
elige (aleatoriamente) un primer elemento base, tipo de muestreo se caracteriza por un esfuerzo
partiendo de éste se aplica la regla para deliberado de obtener muestras
conseguir los demás hasta conseguir el tamaño "representativas" mediante la inclusión en la
muestral adecuado. Este procedimiento muestra de grupos supuestamente típicos. Es
conlleva el riesgo de dar resultados sesgados si muy frecuente su utilización en sondeos
en la población se dan periodicidades o rachas. preelectorales de zonas que en anteriores
votaciones han marcado tendencias de voto.
Muestreo aleatorio estratificado. Consiste en
considerar categorías típicas diferentes entre sí Bola de nieve: Se localiza a algunos individuos,
(estratos) que poseen una gran homogeneidad los cuales conducen a otros, y estos a otros, y
interna (poca varianza interna) y no obstante así hasta conseguir una muestra suficiente.
son heterogéneos entre sí (mucha varianza Este tipo se emplea muy frecuentemente
entre estratos). La muestra se distribuye (se cuando se hacen estudios con poblaciones
 4

"marginales", delincuentes, sectas, • Recuerda que la proporción poblacional es la

determinados tipos de enfermos, etc. media µ de la distribución de probabilidad
que tiene
Muestreo Discrecional: A criterio del
investigador los elementos son elegidos sobre • La desviación estándar de la distancia. de
lo que él cree que pueden aportar al estudio. [2] probabilidad es:

   (1   ) (e.g., 0.50 when   0.50)

C. ESTIMACION

• El error estándar de la proporción muestral es:

¿Cómo podemos utilizar la muestra para  ˆ   / n   (1   ) / n

estimar valores de los parámetros
[3]
poblacionales?

Estimación puntual: Una única estadística que

es la mejor suposición para el valor del D. PRUEBA DE HIPOTESIS
parámetro

Estimación por intervalos: Un intervalo de

números alrededor de la estimación puntual, Otra manera de hacer inferencia es haciendo
que tiene un “nivel de confianza” fijo de una afirmación acerca del valor que el
contener el valor del parámetro, llamado parámetro de la población bajo estudio puede
intervalo de confianza. tomar. Esta afirmación puede estar basada en
alguna creencia o experiencia pasada que será
PROPIEDADES DE BUENOS contrastada con la evidencia que nosotros
ESTIMADORES obtengamos a través de la información
contenida en la muestra. Esto es a lo que
Insesgado: Distribuciones muestrales del
llamamos Prueba de Hipótesis.
estimador se centra alrededor del valor del
parámetro Una prueba de hipótesis comprende cuatro
componentes principales:
Eficiente: El error estándar más pequeño
posible, comparado con otros estimadores. -Hipótesis Nula -Hipótesis Alternativa -
Estadística de Prueba -Región de Rechazo
INTERVALOS DE CONFIANZA
La Hipótesis Nula, denotada como H0 siempre
Un intervalo de confianza (IC) es un intervalo de
especifica un solo valor del parámetro de la
números que se cree contienen el valor del
población si la hipótesis es simple o un conjunto
parámetro. La mayoría de los IC tiene la forma
de valores si es compuesta (es lo que queremos
Estimación puntual ± margen de desacreditar)
error

Con el margen de error basado en la dispersión

de la distribución muestral del estimador
puntual. La Hipótesis Alternativa, denotada como H1 es
la que responde nuestra pregunta, la que se
IC PARA UNA PROPOCIÓN establece en base a la evidencia que tenemos.
(EN UNA DETERMINADA CATEGORÍA) Puede tener cuatro formas:

• Recuerda que la proporción muestral es

una media para variables binarias , donde y
= 1 para una observación en la categoría de
interés, y = 0 de lo contrario
 5

Tamaño de los errores al tomar una decisión

incorrecta en una Prueba de Hipótesis:

Otros estimadores puntuales Existen

alternativas al estimador de máxima verosimilitud. El
uso de métodos bayesianos clásicos de estimación,
que serán comentados en la sección 3.4,
proporciona una serie de estimadores puntuales de
las probabilidades multinomial. Los 2 más
La Región de Rechazo es el conjunto de valores
habituales son los siguientes:
tales que si la prueba estadística cae dentro de
este rango, decidimos rechazar la Hipótesis
Nula

Su localización depende de la forma de la

Hipótesis Alternativa: Si entonces la
región se encuentra en la cola derecha de la Observamos que, a diferencia del estimador de
distribución de la estadística de prueba. máxima verosimilitud pbi, estos estimadores sı
tienen resultados admisibles puesto que si xi = 0,
Si rechazamos la Hipótesis Nula, concluimos entonces:
que “hay suficiente evidencia estadística para
inferir que la hipótesis nula es falsa”

Si no rechazamos la Hipótesis Nula, concluimos

que “no hay suficiente evidencia estadística [5]
para inferir que la hipótesis nula es falsa”

La Estadística de Prueba es una estadística que

se deriva del estimador puntual del parámetro
que estemos probando y en ella basamos F. ESTIMADOR INSESGADO
nuestra decisión acerca de si rechazar o no
rechazar la Hipótesis Nula. [4]

E. METODO CLASICO DE ESTIMACION Estimador: Es un estadístico que intenta

PUNTUAL predecir el valor de algún parámetro de cierta
población. Es decir, se requiere generalizar el
El estimador puntual más empleado es el de resultado obtenido de la muestra para toda
máxima verosimilitud. Dada una muestra población.
multinomial
Por ejemplo, si se desea conocer el precio
x = [x1,. . ., xk], siendo n = x1 + · · · + xk, la medio poblacional de un artículo (parámetro
verosimilitud de los parámetros tiene la desconocido) se recogen observaciones del
siguiente expresión: precio de dicho artículo en diversos
establecimientos (muestra) pudiendo utilizarse
la media aritmética de las observaciones para
estimar el precio medio poblacional.
Los valores de p1,. . . , pk que maximizan el
Insesgado: Un estimador es Insesgado si la
valor de esta función y por tanto los estimadores de
media de su distribución es igual al parámetro
máxima verosimilitud pb1, . . . , pbk de las
de su población. Es decir, se trata de una media
probabilidades multinomial son:
de las medias.
 6

Esta estimación puede ser puntual o bien por

intervalo. La mejor estimación puntual de un
parámetro es simplemente el valor del
estadístico correspondiente, pero es poco
informativa porque la probabilidad de no dar con
el valor correcto es muy elevada, es por eso
que se acostumbra a dar una estimación por
intervalo, en el que se espera encontrar el valor
La razón de buscar un estimador Insesgado es del parámetro con una elevada probabilidad.
que el parámetro que deseamos estimar esté Esta estimación recibe el nombre de estimación
bien estimado. Es decir, si queremos estimar la mediante intervalos de confianza. La estimación
por intervalos de confianza consiste en
media de goles por partido de determinado
jugador de fútbol, hemos de utilizar una fórmula determinar un posible rango de valores o
que nos proporcione un valor lo más intervalo (a; b), en el que, con una determinada
aproximado posible al valor real. probabilidad, sus límites contendrán el valor del
parámetro poblacional que andamos buscando.
Para cada muestra obtendremos un intervalo
distinto que, para el X % de ellas, contendrá el
verdadero valor del parámetro. A este intervalo
se le denomina intervalo de confianza.
Evidentemente esta técnica no tiene por qué dar
siempre un resultado correcto, tal y como
hemos comentado para algunas muestras el
intervalo correspondiente contendrá el
verdadero valor del parámetro y para otras no.
A la probabilidad de que hayamos acertado al
decir que el intervalo contiene al parámetro se
la denomina nivel de confianza (o simplemente
confianza). También se denomina nivel de
significación a la probabilidad de errar en esta
afirmación, es decir la significación (probabilidad
de errar con nuestro intervalo) será igual a 1-
(nivel de confianza), ya que el nivel de
confianza corresponde a la probabilidad de que
el intervalo contenga el valor verdadero del
[6]
parámetro.

Ejemplo:

Supongamos que tenemos una m.a. X X X n

G. INTERVALOS DE CONFIANZA , ,..., 1 2 de una distribución ( , ) 2 N µ σ o
con varianza 2 σ o conocida. Por ser los
datos normales, sabemos que:
Cuando se obtiene una estimación puntual de
un parámetro, es conveniente acompañar dicha
estimación por una “medida” de la precisión de
la estimación. Un modo de hacerlo es informar
el estimador y su error estándar. Otro modo es
reemplazar la estimación puntual por un
intervalo de valores posibles para el parámetro.
[7]

El proceso de inferencia es aquel mediante el

cual se pretende estimar el valor de un
parámetro a partir del valor de un estadístico.
 7

Y, por lo tanto, sabemos que la https://prezi.com/z2nhemvvlopy/metodo-

probabilidad de que clasico-de-estimacion-puntual/

[6] S. De la Fuente (2019, Marzo 25).

Estimadores. [Online] Available:
Se encuentre entre –1.96 y 1.96 es 0.95, es http://www.fuenterrebollo.com/Aeronauti
decir: ca2016/estimadores.pdf

[7] A. García (2019, Marzo 25). Inferencia

estadística (intervalos de confianza y p-
valor). Comparación de dos poblaciones
(test t de comparación de medias,
comparación de dos proporciones,
comparación de dos varianzas). [Online]
Available:
https://www.uv.es/~mamtnez/IECRC.pdf

Inferencia
[8] A. Bianco (2019, Marzo 25).
estadística – Intervalos de confianza.
[Online] Available:
[8]
http://www.dm.uba.ar/materias/probabilid
ades_estadistica_C/2005/1/PyEC014.pdf

REFERENCIAS

[1] I. Mtnez. (2011). Introducción a la inferencia

estadística. [Online] Available:
http://ocw.uv.es/ciencias-sociales-y-
juridicas/inferencia/mats02.pdf

[2] (2019, Marzo 25). Muestreo. [Online]

Available:
http://www.estadistica.mat.uson.mx/Mate
rial/elmuestreo.pdf

[3] (2019, Marzo 25). Tema 7. Muestreo.

[Online] Available:
https://www.ugr.es/~bioestad/_private/Te
ma_7.pdf

[4] V. Rohen (2019, Marzo 25). Pruebas de

Hipótesis. [Online] Available:
http://lcolladotor.github.io/courses/Course
s/MEyAdDG/day2/Pruebas%20de%20Hip%
C3%B3tesis.pdf

[5] P. Rodríguez (2015, Marzo 13). Método

clásico de estimación puntual. [Online]
Available: