UN ACERCAMIENTO A LA ESTADSTICA INFERENCIAL (resumen)

CCH SUR
Estadstica y probabilidad II

Nombre: Jocelyn Mexicano Rodrguez

Grupo: 609

La investigacin es un conjunto de fases en la bsqueda de una respuesta a una

problemtica; un
procedimiento reflexivo, sistemtico, controlado y crtico con el fin de interpretar hechos y
fenmenos, relaciones y leyes de un mbito de la realidad, descubriendo verdades o
falsedades parciales.
El mtodo es el camino a seguir mediante una serie de operaciones, reglas y
procedimientos fijados voluntariamente para alcanzar un fin.
La investigacin comprende un conjunto de fases: formulacin y definicin de problemas,
formulacin de hiptesis, recopilacin, sistematizacin y elaboracin de datos, formulacin
de deducciones y preposiciones generales, y el anlisis de conclusiones.
La estadstica es un conjunto de hechos numricos que han sido recopilados, organizados y
analizados a travs de varias observaciones. Como parte de la investigacin, la estadstica
est en las fases tcnicas del anlisis y del muestreo.
Debemos diferenciar dos funciones del mtodo estadstico:
Estadstica descriptiva: usualmente, cuando un investigador realiza un estudio rene gran
cantidad de datos. La funcin descriptiva es cuando el estadstico formula reglas y
procedimientos para la presentacin de estos datos de una manera significativa y ms til,
adems de que pueden expresarse grficamente.
Estadstica inferencial o inductiva: la induccin estadstica consiste en inferir propiedades
de una poblacin sobre la base de una muestra con resultados conocidos; se basa en la
teora de la probabilidad. Los mtodos de la inferencia estadstica capacita al experimento
para hacer afirmaciones limitadas respecto a cierta caracterstica de una poblacin,
basndose en datos obtenidos de slo una parte de esa poblacin (muestra).
Una muestra aleatoria es aquella tomada de forma tal que asegure que todo elemento de la
poblacin tenga igual posibilidad de ser incluido. Los valores que se obtienen a raz de la la
muestra (medias y desviaciones estndar) se llaman estadsticas; mientras que los valores
poblacionales se denominan parmetros.
De esta manera, en la inferencia estadstica se extraen muestras de poblaciones, derivamos
estadsticas muestrales y nos servimos de stos como bases para estimar parmetros
poblacionales desconocidos.
Distribucin muestral: Las inferencias sobre los parmetros se hacen a partir de los
estadsticos que se calculan con base en una muestra de observaciones, obtenidas al azar
en la poblacin; si se contina obteniendo muestras de n tamao, se podran encontrar
diferencias en los valores estadsticos. Este es el concepto de la distribucin de
muestras.Es una distribucin de probabilidad teorica de todos los valores posibles de
algunos estadsticos de las muestras que ourriran si fuese posible obtener todas las
muestras del mismo tamao a partir de una poblacin dada.
Hay tres casos importantes que se deben aprender a partir de un estudio cuidadoso:
Distribucin de las medias aritmticas de las muestras: obtenida a partir de
una poblacin distribuida normalmente, tiende a formar una curva de campana;
tiende a ser normal.

 Media aritmtica de las medias aritmticas de las muestras: media aritmtica

de la poblacin a partir de la cual se extrajeron las muestras.
Distribucin de las medias aritmticas de las muestras se vuelve ms y ms
compacta a medida que aumenta el tamao de la muestra.
Estas tres observaciones ilustran dos teoremas fundamentales en la inferencia estadstica:
Teorema central del lmite: si se extraen respectivamente muestras al azar
de tamao fijo de una poblacin normal, la distribucin resultante de las medias
aritmticas de las muestras ser normal y la media total de esta es parecida a la
media aritmtica de la poblacin, la varianza ser igual a
/n y el error
estndar ser igual a /n.
Ley de los grandes nmeros: si las muestras al azar de una n fija se
extraen de cualquier poblacin sea mayor, la distribucin de las medias aritmticas
de las muestras se aproxima a la normal y la media de la distribucin de las medias
aritmticas es muy parecido a la varianza de las medias aritmticas de las muestras
ser igual a

/n y el error estndar ser igual a /n.

Intervalos de confianza: la estadstica descriptiva puede usar directamente la toma de

decisiones a menos que se trate de estadsticas muestrales; a esto se conoce como
Inferencia estadstica y comprende dos tipos de problemas.
Estimacin: se utiliza un estadstico muestral para estimar el parmetro
correspondiente. A su vez, comprende dos subproblemas.
Estimacin de punto o puntual: un solo valor numrico
obtenido mediante clculos a partir de valores de la muestra y sirve de
aproximacin para el valor del parmetro correspondiente de la poblacin.
Estimacin por intervalo: consiste de dos valores numricos
que define un intervalo; obtenidos por clculos de valores de muestra y se
espera que contenga en su interior el valor del parmetro que se est
estimando. Cuenta con gran exactitud, por lo que estas estimaciones son
llamadas intervalos de confianza.
Prueba de hiptesis: se trata de determinar si un estadstico muestral
corresponde o no a la afirmacin hecha acerca del correspondiente parmetro de la
poblacin.Una hiptesis estadstica es cualquier suposicin que se haga acerca de
una o ms poblaciones; es una afirmacin sobre alguna caracterstica de esta y
puede ser apoyada por las muestras; existen dos tipos que deben anunciarse
explcitamente:
Hiptesis nula: se establece en principio con el propsito de
rechazarla.
Hiptesis alterna identificada: es una disposicin que
difiere de la nula.
Una decisin estadstica es cualquier decisin que se toma acerca de un apoblacin con
base a la informacin que se tenga de sus muestras; con esta se puede cometer un error,
ya sea de tipo I (cuando se rechaza una hiptesis estadstica que es cierta realmente) o de
tipo II (cuando se acepta una hiptesis estadstica que sea falsa realmente); en ambos
casos, se habr tomado una mala decisin.