INTRODUCCIN A LA

ESTADSTICA INFERENCIAL.
Los clculos que se presentan para aplicar las herramientas de la inferencia
estadstica son para que los lectores entiendan su cmo y porqu y,
asimismo, la interpretacin de los resultados obtenidos. Dejamos bien en
claro que en ningn momento se pretende
adiestrar a los lectores solamente en clculos, sino en que aprendan los
conocimientos tericos Estadsticos de la inferencia (saber), apliquen las
herramientas estadsticas (saber hacer) y desarrollen una actitud positiva
hacia la estadstica. Esto es, que la estadstica no solamente es clculo, o el
simple uso de las frmulas o expresiones que aparecen en ste y en diversos
libros de estadstica, sino razonamiento crtico basado en evidencias
objetivas que se obtienen de la poblacin bajo estudio (ser).asi lo han descrito
los autores como (Violeta Alicia Nolberto Sifuentes y Mara Estela Ponce
Aruneri, 2008)
Una vez que el lector haya asimilado los conocimientos estadsticos, y sus
aplicaciones,
que brindamos en el presente curso , estar en la capacidad de usar software
estadstico, que es un instrumento comparable a una calculadora. El
aprendizaje de estadstica usando software estadstico no debe reducirse, sin
embargo, a manipulaciones mecnicas, pues ste sirve como apoyo del
profesor para mostrar, en forma precisa y rpida, los grficos y clculos
estadsticos. (Violeta Alicia Nolberto Sifuentes y Mara Estela Ponce
Aruneri, 2008).
As como forma introductoria podemos decir o mencionar que la estadstica
inferencial , tambin se le llama inferencia estadstica, pero previamente
recordemos que la estadstica. (EI) comprende el conjunto de mtodos
estadsticos que permiten deducir (inferir) cmo se distribuye la poblacin
bajo estudio, a partir de la informacin que proporciona una muestra
representativa obtenida de dicha poblacin.

Rama de la estadstica que estudia el comportamiento y propiedades de las

muestras, y la posibilidad y lmites de la generalizacin de los resultados
obtenidos a partir de aquellas a las poblaciones que representan. Esta
generalizacin de tipo inductivo, se basa en la probabilidad. Tambin se le
llama estadstica matemtica, por su complejidad matemtica en relacin a
Tiene como objetivo generalizar las propiedades de la poblacin bajo estudio,
la estadstica descriptiva.
basado en los resultados de una muestra representativa de la poblacin.

En cuanto a la probabilidad, Pedro Juez Martel y Francisco Diez Vegas (1997)

Manifiestan que hoy en da la probabilidad y la estadstica, ntimamente

unidas en s, desempean un papel fundamental en prcticamente todos los
campos del saber, tanto en las ciencias naturales como en las ciencias
humanas, papel que va cobrando cada vez mayor importancia.

Para que la estadstica inferencial proporcione buenos resultados debe:

1. Basarse en una tcnica estadstico-matemtica adecuada al problema y

suficientemente validada.

2. Utilizar una muestra que realmente sea representativa de la poblacin y

de un tamao suficiente.

Ningn mtodo estadstico puede corregir los defectos por una inadecuada
seleccin del problema que se investiga, o por una mala recoleccin de datos.
Una investigacin que empieza mal, con seguridad termina mal.
 Tipos de muestreo
Conceptos generales

Estadstica inferencial
La estadstica inferencial se ocupa de extender o extrapolar a toda una poblacin,
informaciones obtenidas de una muestra, as como de la toma de decisiones.

Poblacin
Es el conjunto total de individuos susceptibles de poseer la informacin buscada.
No se refiere exclusivamente a personas, la poblacin puede estar formada por
todos los rboles de un bosque.

Muestra
Es la parte de la poblacin en la que se miden las caractersticas estudiadas. El
nmero de individuos de la muestra se llama tamao de la muestra.

Muestreo
Es el proceso seguido para la extraccin de una muestra.

Encuesta
Es el proceso de obtener la informacin buscada entre los elementos de la
muestra.
Tipos de muestreo

No aleatorios
Se eligen los elementos, en funcin de que sean representativos, segn la
opinin del investigador.

Aleatorios
Todos los miembros de la muestra han sido elegidos al azar, de forma que cada
miembro de la poblacin tuvo igual oportunidad de salir en la muestra.

Simple
Elegido el tamao de la muestra, los elementos que la compongan se han de
elegir aleatoriamente
entre los N de la poblacin.
Con calculadora: se utilizan los nmeros aleatorios

Sistemtico
Se ordenan previamente los individuos de la poblacin; despus se elige uno
de ellos al azar,
a continuacin, a intervalos constantes, se eligen todos los dems hasta
completar la muestra.

Estratificado
Se divide la poblacin total en clases homogneas, llamadas estratos; por
ejemplo, por grupos de
edades, por sexo. Hecho esto la muestra se escoge aleatoriamente en
nmero proporcional al de
los componentes de cada clase o estrato.
Ejemplo
 Tipos de muestreo

Los autores proponen diferentes criterios de clasificacin de los diferentes

tipos de muestreo, aunque en general pueden dividirse en dos grandes
grupos: mtodos de muestreo probabilsticos y mtodos de muestreo no
probabilsticos.
Mtodos de muestreo probabilsticos
Los mtodos de muestreo probabilsticos son aquellos que se basan en el
principio de equiprobabilidad. Es decir, aquellos en los que todos los
individuos tienen la misma probabilidad de ser elegidos para formar parte
de una muestra y, consiguientemente, todas las posibles muestras de
tamao n tienen la misma probabilidad de ser elegidas. Slo estos mtodos
de muestreo probabilsticos nos aseguran la representatividad de la muestra
extrada y son, por tanto, los ms recomendables. Dentro de los mtodos de
muestreo probabilsticos encontramos los siguientes tipos:
Muestreo aleatorio simple: El procedimiento empleado es el siguiente: 1)
se asigna un nmero a cada individuo de la poblacin y 2) a travs de algn
medio mecnico (bolas dentro de una bolsa, tablas de nmeros aleatorios,
nmeros aleatorios generados con una calculadora u ordenador, etc) se
eligen tantos sujetos como sea necesario para completar el tamao de
muestra requerido.
Este procedimiento, atractivo por su simpleza, tiene poca o nula utilidad
prctica cuando la poblacin que estamos manejando es muy grande.

Muestreo aleatorio sistemtico: Este procedimiento exige, como el anterior,

numerar todos los elementos de la poblacin, pero en lugar de extraer n
nmeros aleatorios slo se extrae uno. Se parte de ese nmero aleatorio i, que
es un nmero elegido al azar, y los elementos que integran la muestra son los
que ocupan los lugares i, i+k, i+2k, i+3k,...,i+(n-1)k, es decir se toman los
individuos de k en k, siendo k el resultado de dividir el tamao de la poblacin
entre el tamao de la muestra: k=N/n. El nmero i que empleamos como punto
de partida ser un nmero al azar entre 1 y k.
El riesgo se este tipo de muestreo est en los casos en que se dan periodicidades
en la poblacin ya que al elegir a los miembros de la muestra con una
periodicidad constante (k) podemos introducir una homogeneidad que no se da
en la poblacin. Imaginemos que estamos seleccionando una muestra sobre
listas de 10 individuos en los que los 5 primeros son varones y los 5 ltimos
mujeres, si empleamos un muestreo aleatorio sistemtico con k=10 siempre
seleccionaramos o slo hombres o slo mujeres, no podra haber una
representacin de los dos sexos
Muestreo aleatorio estratificado: Trata de obviar las dificultades que
presentan los anteriores ya que simplifican los procesos y suelen reducir el error
muestral para un tamao dado de la muestra. Consiste en considerar categoras
tpicas diferentes entre s (estratos) que poseen gran homogeneidad respecto a
alguna caracterstica (se puede estratificar, por ejemplo, segn la profesin, el
municipio de residencia, el sexo, el estado civil, etc). Lo que se pretende con este
tipo de muestreo es asegurarse de que todos los estratos de inters estarn
representados adecuadamente en la muestra. Cada estrato funciona
independientemente, pudiendo aplicarse dentro de ellos el muestreo aleatorio
simple o el estratificado para elegir los elementos concretos que formarn parte
de la muestra. En ocasiones las dificultades que plantean son demasiado
grandes, pues exige un conocimiento detallado de la poblacin. (tamao
geogrfico, sexos,
La distribucin deedades,...).
la muestra en funcin de los diferentes estratos se denomina
afijacin, y puede ser de diferentes tipos:
Afijacin Simple: A cada estrato le corresponde igual nmero de elementos
muestrales.
Afijacin Proporcional: La distribucin se hace de acuerdo con el peso
(tamao) de la poblacin en cada estrato.
Afijacin Optima: Se tiene en cuenta la previsible dispersin de los
resultados, de modo que se considera la proporcin y la desviacin tpica. Tiene
poca aplicacin ya que no se suele conocer la desviacin.
Supongamos que estamos interesados en estudiar el grado de aceptacin que la
implantacin de la reforma educativa ha tenido entre los padres de una
determinada provincia. A tal efecto seleccionamos una muestra de 600 sujetos.
Conocemos por los datos del ministerio que de los 10000 nios escolarizados en
las edades que nos interesan, 6000 acuden a colegios pblicos, 3000 a colegios
privados concertados y 1000 a colegios privados no concertados. Como estamos
interesados en que en nuestra muestra estn representados todos los tipos de
colegio, realizamos un muestreo estratificado empleando como variable de
estratificacin el tipo de centro.
Si empleamos una afijacin simple elegiramos 200 nios de cada tipo de
centro, pero en este caso parece ms razonable utilizar una afijacin
proporcional pues hay bastante diferencia en el tamao de los estratos. Por
consiguiente, calculamos que proporcin supone cada uno de los estratos
respecto de la poblacin para poder reflejarlo en la muestra.
Colegios pblicos: 6000/10000=0.60
Colegios privados concertados: 3000/10000=0.30
Colegios privados no concertados: 1000/10000=0.10
Para conocer el tamao de cada estrato en la muestra no tenemos ms que
multiplicar esa proporcin por el tamao muestral.
Colegios pblicos: 0.60x600=360 sujetos
Colegios privados concertados: 0.30x600=180 sujetos
Colegios privados no concertados: 0.10x600= 60 sujetos
Muestreo aleatorio por conglomerados: Los mtodos presentados hasta
ahora estn pensados para seleccionar directamente los elementos de la
poblacin, es decir, que las unidades muestrales son los elementos de la
poblacin. En el muestreo por conglomerados la unidad muestral es un grupo de
elementos de la poblacin que forman una unidad, a la que llamamos
conglomerado. Las unidades hospitalarias, los departamentos universitarios,
una caja de determinado producto, etc, son conglomerados naturales. En otras
ocasiones se pueden utilizar conglomerados no naturales como, por ejemplo, las
urnas electorales. Cuando los conglomerados son rea geogrficas suele hablarse
de "muestreo por reas".
El muestreo por conglomerados consiste en seleccionar aleatoriamente un cierto
numero de conglomerados (el necesario para alcanzar el tamao muestral
establecido) y en investigar despus todos los elementos pertenecientes a los
En una investigacin
conglomerados elegidos.en la que se trata de conocer el grado de satisfaccin
laboral los profesores de instituto necesitamos una muestra de 700 sujetos. Ante
la dificultad de acceder individualmente a estos sujetos se decide hacer una
muestra por conglomerados. Sabiendo que el nmero de profesores por instituto
es aproximadamente de 35, los pasos a seguir seran los siguientes:
1. Recoger un listado de todos los institutos.
2. Asignar un nmero a cada uno de ellos.
3. Elegir por muestreo aleatorio simple o sistemtico los 20 institutos
(700/35=20) que nos proporcionarn los 700 profesores que necesitamos.
De los mtodos de muestreo probabilsticos es necesario comentar que ante lo
compleja que puede llegar a ser la situacin real de muestreo con la que nos
enfrentemos es muy comn emplear lo que se denomina muestreo polietpico.
Este tipo de muestreo se caracteriza por operar en sucesivas etapas,
empleando en cada una de ellas el mtodo de muestreo probabilstico ms
adecuado
Mtodos de muestreo no probabilsticos

A veces, para estudios exploratorios, el muestreo probabilstico resulta

excesivamente costoso y se acude a mtodos no probabilsticos, aun siendo
conscientes de que no sirven para realizar generalizaciones, pues no se tiene
certeza de que la muestra extrada sea representativa, ya que no todos los
sujetos de la poblacin tienen la misma probabilidad de se elegidos. En general
se seleccionan a los sujetos siguiendo determinados criterios procurando que la
muestra sea representativa.
Muestreo por cuotas: Tambin denominado en ocasiones "accidental". Se
asienta generalmente sobre la base de un buen conocimiento de los estratos de
la poblacin y/o de los individuos ms "representativos" o "adecuados" para los
fines de la investigacin. Mantiene, por tanto, semejanzas con el muestreo
aleatorio estratificado, pero no tiene el carcter de aleatoriedad de aqul.
En este tipo de muestreo se fijan unas "cuotas" que consisten en un nmero
de individuos que renen unas determinadas condiciones, por ejemplo: 20
individuos de 25 a 40 aos, de sexo femenino y residentes en Gijn. Una vez
determinada la cuota se eligen los primeros que se encuentren que cumplan
esas caractersticas. Este mtodo se utiliza mucho en las encuestas de
opinin.
Por ejemplo, la Consejera de Sanidad desea estudiar la incidencia de las
drogas en la adolescencia. Lo que deberamos hacer sera: conocer por los
informes de la Consejera de Educacin cuales son los centros ms afectados
por el problema, fijar un nmero de sujetos a entrevistar proporcional a cada
uno de los estratos (cuotas) y finalmente dejar en manos de los responsables
del trabajo de campo a que sujetos concretos se deber entrevistar.
Muestreo opintico o intencional: Este tipo de muestreo se caracteriza por
un esfuerzo deliberado de obtener muestras "representativas" mediante la
inclusin en la muestra de grupos supuestamente tpicos. Es muy frecuente
su utilizacin en sondeos preelectorales de zonas que en anteriores votaciones
han marcado tendencias de voto.
Muestreo casual o incidental: Se trata de un proceso en el que el
investigador selecciona directa e intencionadamente los individuos de la
poblacin. El caso ms frecuente de este procedimiento el utilizar como
muestra los individuos a los que se tiene fcil acceso (los profesores de
universidad emplean con mucha frecuencia a sus propios alumnos). Un caso
particular es el de los voluntarios.

Bola de nieve: Se localiza a algunos individuos, los cuales conducen a otros,

y estos a otros, y as hasta conseguir una muestra suficiente. Este tipo se
emplea muy frecuentemente cuando se hacen estudios con poblaciones
"marginales", delincuentes, sectas, determinados tipos de enfermos, etc.
PRUEBA DE HIPTESIS

ESTADSTICA INFERENCIAL
PRUEBA DE HIPTESIS
HIPOTESIS: Enunciado acerca del valor
de un parmetro poblacional.

PRUEBA DE HIPOTESIS:
Procedimiento basado en la evidencia
muestral y en la teora de probabilidad
que se emplea para determinar si la
hiptesis es un enunciado razonable y no
debe rechazarse o si es irracionable y debe
ser rechazada.
4/25/17
NIVEL DE VERDAD EMPRICA
La contrastacin emprica de la hiptesis o
bien proceso de validacin de la hiptesis,
puede realizarse de uno o dos modos:
mediante confirmacin
mediante verificacin.
Si la hiptesis se fundamenta en la
observacin o la experiencia personal se le
conoce como emprica.
En otras disciplinas, las hiptesis son cursos
de accin.

4/25/17
TRES MTODOS PARA PRUEBA DE
HIPTESIS
Del valor crtico
Del valor P

Del intervalo de confianza

4/25/17
MTODO DEL VALOR CRTICO

En este mtodo se determinan los llamados valores

crticos del estadstico de prueba que dictarn el
rechazo de la hiptesis.
Despus compara el estadstico de prueba
observado con los valores crticos.
Este fue el primer mtodo que se desarroll para
probar hiptesis.

4/25/17
MTODO DEL VALOR P
Es el ms fcil de usar por el uso de
software.
Se basa en determinar la probabilidad
condicional de que el valor encontrado en
un estadstico muestral se presenta por
casualidad, dado que un determinado
valor propuesto para el parmetro
poblacional correspondiente sea en efecto
verdadero.

4/25/17 Estadstica Administrativa II

MTODO DEL INTERVALO DE
CONFIANZA
Se basa en la observacin de si el valor propuesto
para el parmetro poblacional se encuentra
dentro del rango de valores que define un
intervalo de confianza para ese parmetro.

4/25/17
OBSERVACIN IMPORTANTE
Independientemente del mtodo que se
utilice en las PdH, observe que cuando no
se rechaza el valor hipottico, y por tanto
se acepta, esto no constituye una prueba
de que el valor hipottico sea correcto.
La aceptacin de un valor propuesto
simplemente indica que es un valor
plausible o verosmil, de acuerdo con el
valor observado en el estadstico muestral.

4/25/17
 PROCEDIMIENTO DE
5 PASOS PARA PROBAR UNA
HIPTESIS

4/25/17 Estadstica Administrativa II

PASO 1.- PLANTEAMIENTO DE
HIPTESIS

Se plantean la:
- Ho: Hiptesis Nula
- H1: Hiptesis Alternativa
Hiptesis Nula.- Una afirmacin o enunciado
tentativo que se realiza acerca del valor de
un parmetro poblacional. Por lo comn en
una afirmacin de que el parmetro de
poblacin tiene valor especifico.
Hiptesis Alternativa.- Una afirmacin o
enunciado que se aceptar si los datos
muestrales proporcionan amplia evidencia
de que la hiptesis nula es falsa
4/25/17 Estadstica Administrativa II
 PASO 2.- ESPECIFICAR EL
NIVEL DE SIGNIFICANCIA.
El riesgo que se asume acerca e rechazar la hiptesis nula cuando
en realidad deben asemejarse por ser verdadera.
El nivel de significacin se denota mediante la letra griega alfa ().
No hay un nivel de significacin que se aplique a todos los estudios
que implican muestreo. Deben tomarse una decisin de usar el
nivel 0.05, el nivel 0.01, el 0.10 o cualquier otro nivel entre 0 y 1
Tradicionalmente se relaciona el nivel 0.05 para proyectos de
investigacin sobre consumo, el 0.01 para control de calidad y el
0.10 para encuesta polticas. Como investigador debe decidir el
nivel de significacin antes de formular una regla de decisin y
recopilar datos muestrales.
ERROR TIPO 1.- La probabilidad de rechazar la hiptesis nula
cuando en realidad es verdadera.
ERROR TIPO 2.- L probabilidad de aceptar la hiptesis nula
cuando en realidad es falsa.
4/25/17
PASO 3.- ELEGIR EL
ESTADISTICO DE PRUEBA (EdP)
Un valor, determinado a partir de la informacin
muestral, que se utiliza para aceptar o rechazar la
hiptesis nula.
Por ejemplo, con el objeto de probar un valor
hipottico para la media poblacional, como EdP
puede emplearse la media de una muestra aleatoria
tomada de esa poblacin.

4/25/17
PASO 4.- REGLA DE DECISION
Es una regla simple la cual es una afirmacin de las
condiciones bajo las que se acepta la hiptesis nula.

4/25/17
PASO 5.- TOMA DE DECISIN
Es la toma de decisin si se debe aceptar o rechazar
la hiptesis nula.
Esta decisin puede tener relevancia en otras
decisiones que tendrn que tomar los
administradores de la operacin en cuestin. Por
ejemplo, si se mantiene o no un estndar de
rendimiento o cul de dos estrategias de mercadeo se
debe utilizar.

4/25/17
4/25/17
Construya la siguiente hiptesis en hiptesis estadstica: La
edad media de los alumnos del turno vespertino del ITESCAM
es de 22 aos.

Construya la siguiente hiptesis en hiptesis estadstica: La

temperatura media de la ciudad de Monterrey, Mxico, durante
los meses de enero y febrero no es ms fra que 4.4 C

Construya la siguiente hiptesis en hiptesis estadstica: La

longitud media de los peces conservados por los pescadores
en el lago de Ptzcuaro el ao pasado fue de 36 cm..

Construya la siguiente hiptesis en hiptesis estadstica: El

ingreso anual per cpita en la ciudad de Campeche es cuando
menos de $10 000.

Construya la siguiente hiptesis en hiptesis estadstica: La

proporcin de recin nacidos varones en el Hospital de
Calkin, no es mayor que 0.60.