CAPÍTULO II

BASES DE LA INFERENCIA ESTADÍSTICA

Ing° Oscar Cárdenas Riveros
 Cap. II BASES DE LA INFERENCIA ESTADÍSTICA
2.1. INFERENCIA INDUCTIVA
 Los científicos pueden generalizar partiendo de un experimento particular. Esta forma
de extensión de lo particular a lo general se llama “Inferencia Inductiva”.

 A la Inferencia Inductiva se le conoce como un proceso al azar.

 Se realizan inferencias con cierto grado de incertidumbre y el grado de ésta

incertidumbre puede medirse si es que el experimento se ha realizado de conformidad
con ciertos principios.

 La incertidumbre se medirá en términos de probabilidades.

 Mientras que las conclusiones obtenidas mediante el empleo de la Inferencia Inductiva

son de tipo probabilístico, aquellas conclusiones que se obtienen mediante la
Inferencia Deductiva serán concluyentes.
Cap. II BASES DE LA INFERENCIA ESTADÍSTICA
 Ejemplo de Inferencia Deductiva:
Premisa Mayor : Todos los graduados de la UPT, tienen más de 18 años.
Premisa Menor : Carlos Álvarez es un graduado de la UPC.
Conclusión : Carlos Álvarez es mayor de 18 años.
En la Inferencia Deductiva la conclusión es verdadera si las premisas son verdaderas.

Los graduados de la UPT, son un subconjunto de todas las personas mayores de 18 años
y Carlos Álvarez es un elemento de éste subconjunto de graduados de las UPT; por
consiguiente, Álvarez es también un elemento del conjunto de personas que están sobre
los 18 años.
Cap. II BASES DE LA INFERENCIA ESTADÍSTICA
 Ejemplo de Inferencia Inductiva:
− Supongamos que somos propietarios de un almacén en el cual tenemos 10 millones
semillas de cierta planta que sabemos han de producir flores blancas o rojas.
− La información de deseamos obtener es: Cuántas (o qué porcentaje) de éstas 10
millones de semillas nos producirán flores blancas.
− La única forma que podemos estar seguros totalmente, es plantando cada una de las
semillas y luego observando el número de flores blancas que se han producido.
− Sin embargo, consideramos que esto no es factible o practicable.
− Otra situación es plantar sólo una pequeña cantidad de semillas y sobre la base del
color de las flores producidas por ésas semillas, hacer una proposición o establecer
una conclusión sobre cuántas de los 10 millones de semillas producirán flores blancas.
− La respuesta es que no podemos establecer una predicción exacta sobre cuántas
flores blancas producirán las semillas, pero sí podemos establecer una proposición
probabilística, si es que seleccionamos una pequeña cantidad de semillas en una
cierta forma.
 Cap. II BASES DE LA INFERENCIA ESTADÍSTICA
− Esto es inferencia Inductiva: Seleccionar unas cuántas de las 10 millones de semillas,
sembrarlas, observar el número de las flores blancas producidas y sobre la base de
ésta pequeña cantidad de semillas, hacemos una predicción sobre cuántas de las 10
millones producirán flores blancas.
− No podemos estar seguros de nuestra respuesta , pero debemos tener un cierto grado
de confianza en un sentido probabilístico.

2.2. CONCEPTO DE POBLACIÓN O UNIVERSO

Se denomina Población o Universo a cualquier conjunto de

individuos (u objetos) que tengan alguna característica común
observable
Cap. II BASES DE LA INFERENCIA ESTADÍSTICA

CLASES
1) Población Finita: Aquellos cuyos datos que pueden ser contados o de tamaño limitado.
Ejemplo, la altura de los alumnos de la Escuela de Ingeniería Industrial de la UPT; o el
número de focos de luz producidos por una determinada fábrica en un día.

2) Población Infinita: Aquellos datos que no pueden ser contados; o en otras palabras,
son aquellas poblaciones indefinidamente grandes.
Ejemplo, número de granos de trigo procesados en un molino en un día; o el número de
bolas blancas que pueden extraerse de una ánfora que contiene bolas rojas, verdes y
blancas, si después de cada extracción se reintegra la bola extraída al ánfora.
 Cap. II BASES DE LA INFERENCIA ESTADÍSTICA
2.3. MUESTRAS Y MUESTREO
− La Muestra es una parte pequeña de la Población, es decir, es un subconjunto, sub-
grupo o porción de una población.
− La acción o labor de extraer una muestra se denomina Muestreo.
− Cuando cada elemento de una población tiene igual oportunidad de ser elegido, para ser
incluido en una muestra, decimos que se trata de una muestra aleatoria o al azar.

− Ejemplos:
1) Estudio sobre los pesos de los hombres de la ciudad de Tacna.
Elegimos 1,000 personas escogiéndolas de diferentes lugares y al azar y anotamos
sus pesos. La población está conformada por todos los hombres de la ciudad de
Tacna. La característica medible es el peso de cada uno de ellos y la muestra
constará de los mil hombres elegidos.
Cap. II BASES DE LA INFERENCIA ESTADÍSTICA
2) Se esta llevando a cabo una investigación para probar los efectos de un cierto
tipo de vacuna contra tétanos.
A un grupo determinado de ratas se le inocula el virus del tétanos y luego se le trata
con la vacuna. Posteriormente se observa la proporción o cantidad de ratas que se
recuperan dentro de un intervalo de tiempo establecido.
El Universo estará formado por todas las ratas a las que se le podría inocular el
tétano y luego tratarlos con la vacuna.
La muestra estará formada por el número de ratas empleadas en el experimento y
la característica es, o bien la mejoría o bien su incapacidad para recobrarse dentro
del intervalo de tiempo predeterminado.
El Universo en éste caso, no podría ser observado puesto que no podríamos hacer
este experimento con todas las ratas existentes.
 Cap. II BASES DE LA INFERENCIA ESTADÍSTICA
3) Un campo de trigo tiene un área de 500,000 parcelas de diez metros cuadrados cada
una. Se ha elegido 100 de éstas parcelas y se ha pesado la cosecha de trigo en cada
una de ellas. La población estará formada por las 500,000 parcelas, la muestra son las
100 parcelas elegidas y la característica medible es la cosecha en cada parcela.

2.4. CONCEPTO DE PARÁMETRO Y ESTADÍGRAFO

Los Parámetros, son cualquier característica medible del universo o población (parámetros
poblacionales). Son constantes que caracterizan a una población. Así tenemos la media
aritmética de la población o universo que se designa por la letra μ (mu) y la varianza que se
designa con la letra griega σ2 (signa cuadrado). La desviación típica o standard se le
designa por σ (sigma).

Los Estadígrafos o Estadísticos, son las características medibles correspondientes a una

muestra. Las características medibles de los elementos de una muestra forman una
distribución que tienen una media designada por 𝑋 y una varianza designada por s2.
 Cap. II BASES DE LA INFERENCIA ESTADÍSTICA
Probablemente 𝑋 y s2 que podemos medir, realmente nos darían alguna información acerca
de μ y σ2 cuyos valores, en general, son desconocidos.
𝑋 y s2 son diferentes de muestra en muestra, mientras que μ y σ2 son fijos.

2.5. LA OBSERVACIÓN COMO ELEMENTO DE UNA POBLACIÓN O MUESTRA

Observación es cualquier clase de registro o dato numérico.
En la investigación de cualquier fenómeno, se hace necesario observar y recoger alguna
característica de los objetos en estudio.
Debemos obtener observaciones de alguna forma, aunque sean éstas las más
rudimentarias.
FIN