ESTADÍSTICA INFERENCIAL:

APICACIONES EN SPSS 23

Ing. Darwyn Tinitana, MBA

UNIANDE SANTO DOMINGO
 Tabla de contenido

1. INTRODUCCION ....................................................................................................................... 2

2. HIPÓTESIS ................................................................................................................................. 3

2.1 Hipótesis estadística ........................................................................................................... 3

2.2 Tipos de hipotesis ................................................................................................................ 3

2.3 Nivel de significancia .......................................................................................................... 4

2.4 Tipos de Errores .................................................................................................................... 5

2.5 Zonas críticas ....................................................................................................................... 5

 1. INTRODUCCION
La inferencia estadística es el proceso mediante el cual se utiliza la información de los datos de
una muestra para extraer conclusiones acerca de la población de la que se seleccionó dicha
muestra.

Si cada vez que tomamos decisiones en el campo empresarial, tuviéramos la seguridad del
resultado que obtendremos, todo sería muy sencillo, sin embargo, la característica de tales
decisiones es el desconocimiento o conocimiento parcial de los resultados futuros que se
obtendrán.

En el área de los negocios, la palabra “riesgo” se la define como sinónimo de peligro o

posibilidad de que suceda algo malo. La toma de decisiones empresariales, se las hace bajo
condiciones de riesgo, es decir sin tener la certeza del resultado que podría obtenerse.

El riesgo puede determinase apoyándose en las técnicas estadísticas y más

concretamente con la inferencia estadística, que obtiene conclusiones útiles basados en la
información muestral.

Figura 1. Esquema del proceso de inferencia estadística

̅ y 𝑺𝟐 son estimadores de los parámetros poblacionales µ y σ2 . Se emplean

Los estadísticos 𝑿
en estudios cuantitativos, para evaluar: niveles de ingresos, oferta y demanda, pesos de los
productos, costos, etc.

El estadístico p es un estimador de π o proporción poblacional. Se usa en estudios

cualitativos para evaluar: satisfacción al cliente, preferencia del consumidor, actitudes frente a
un producto o servicio, prevalencia del posicionamiento de un producto en el mercado, etc.
 2. HIPÓTESIS
En muchas ocasiones enfrentamos la necesidad de plantear un proceso mediante el cual se
debe sacar alguna conclusión válida para el problema que se está estudiando y tomar las
decisiones pertinentes.

Ejemplos:

 Un especialista de mercado que desea comprobar si un producto de aseo es aceptado o no

por el 30% de una población objetivo.

 Una oficina de asesoría de cierto candidato a la alcaldía de una ciudad, requiere saber si
más del 40% de los electores favorecerán o no con su voto a dicho candidato.

 Una casa veterinaria, que desea comprobar si cierta droga que se viene suministrando al
ganado vacuno está o no incidiendo en el retardo de su crecimiento

Cualquiera que sea el estudio, el analista lo que realmente plantea es una conjetura o hipótesis,
que la somete a la aprobación o rechazo.

2.1 Hipótesis estadística

Es una aseveración sobre un modelo probabilístico. Enunciado respecto a una población

2
estadística, usualmente respecto a los parámetros µ, σ y π

Ejemplos:

a) La altura media del ecuatoriano adulto es 1,74 m (µ)

b) La máquina enfundadura de papas fritas está llenando fundas con peso promedio

de 250 g y 5 g de desviación estándar (σ=√σ2 )

c) La proporción de clientes que compran con tarjeta de crédito en una determinada

tienda es como mínimo del 25% (π)

Si queremos probar la validez de tales hipótesis se lleva a cabo un experimento o toma de

datos; así, habrían dos caminos posibles: “si” y “no”. A este problema de decisión de dos
caminos, se le llama prueba de hipótesis.

2.2 Tipos de hipotesis

Para efectuar una prueba de hipótesis, en la estadísticas se define dos tipos de hipótesis:

 Hipótesis nula (H0): es la que queremos rechazar o desaprobar y es la que indica que
no hay diferencia entre procedimientos
  Hipótesis alternativa (Ha, H1): es la negación o hipótesis que difiere de una hipótesis
nula. Cuando una investigación está dirigida a probar una aseveración, ésta se toma
como alterna, su negación será la nula

Con los ejemplos anteriores el planteamiento de hipótesis será:

H0:µ = 1.74 m
 La altura media del ecuatoriano adulto es 1,74 m
H1:µ ≠ 1.74 m

 Se está llenando fundas con peso promedio de 250 g y 5 g de H0:σ = 5 g

desviación estándar H1:σ ≠ 5 g

 La proporción de clientes que compran con tarjeta es como minino del H0:π ≥ 0.25
25% H1:π < 0.25

En la investigación científica, es común hacer contrastes o pruebas de hipotesis para hacer

inferencia a dos o más poblaciones.

Por ejemplo se quiere probar el efecto de una dieta para bajar de pesos, una vez definida la
población objetivo (sexo masculino, edad entre 45 y 50 años, con 15 a 20 libras de sobrepeso),
se debe realizar dos mediciones: peso inicial y peso al final (después de aplicada la dieta),
entonces la hipotesis de plantearía así:

Hipotesis nula: peso inicial es menor o igual al peso final (H0: µ1 ≤ µ2)

Hipotesis alternativa: peso inicial es mayor al peso final (H1: µ1 > µ2)

Nótese: que en las hipotesis nula, siempre prevalece la condición de igualdad de procedimiento
(=, ≤, ≥) y en la práctica es la que el investigador busca rechazar.

2.3 Nivel de significancia

Es la probabilidad de rechazar la hipótesis nula cuando es verdadera, se denota mediante α.

Los niveles de significancia más usados son:

Nivel de significancia ( ) Nivel de confianza (1- )

α = 0.05 (5%) 1- = 0.95 (95%)

α = 0.01 (1%) 1- = 0.99 (99%)

α = 0.10 (10%) 1- = 0.90 (90%)

Para proyectos de investigación sobre consumo tradicionalmente se selecciona el nivel 0.05 o
nivel de 5%, para aseguramiento de calidad el de 0.01 y el 0.10 para encuestas políticas

2.4 Tipos de Errores

Cuando tomamos una decisión acerca de la hipótesis propuesta basados en datos de una
muestra, corremos el riesgo de cometer dos tipos de errores:

 Error de Tipo I (error α)

Rechazar la hipótesis nula, cuando en realidad es verdadera. Se denota con la letra α

 Error de Tipo II (error β)

Aceptar la hipótesis nula cuando en realidad es falsa. Se denota con la letra β

La estadística considera que es más costoso cometer el error α, por lo que los niveles de
significancia están dados a la probabilidad de no cometer este tipo de error

2.5 Zonas críticas

En toda prueba de hipótesis se presentan tres casos de zonas críticas o también llamadas
zonas de rechazo de la hipótesis nula:

Prueba bilateral: H0: μ1 = μ2; H1: μ1 ≠ μ2

Prueba unilateral con cola hacia la derecha: H 0: μ1 ≤ μ2; H1: μ1 > μ2

Prueba unilateral con cola hacia la izquierda: H 0: μ1 ≥ μ2; H1: μ1 < μ2

En todos los programas estadísticos las pruebas de hipótesis se hace en función del valor de
p.

Ejemplo 1
Se desea probar la hipotesis de que los hombres tienen ingresos promedio por mes superior al
de las mujeres, con los mismos puestos directivos y profesionales. De una muestra aleatoria se
obtuvo la siguiente información.

Tabla 1. Ingresos mensuales (en dólares) de hombres y mujeres con puestos directivos
y profesionales

Hombres 1400 1300 1410 1423 1420 1440 1400 1470 1550 1500 1300 1200
Mujeres 1400 1159 1170 1300 1200 1350 1300 1250 1200 1400 1300 1226

a) El tipo de estudio es cuantitativo, ya que la variable en estudio es ingresos.

b) El parámetro a estimar es la media poblacional µ
c) El tipo de prueba para muestras pequeñas es el test de t de Student para muestras
independientes.
d) Elegimos el nivel de significancia α = 0.05
e) La hipotesis a probar son:

Hipotesis nula: ingreso promedio de los hombres es igual al de las mujeres

H0: μ1 = μ2

Hipotesis alternativa: ingreso promedio de los hombres es diferente al de las mujeres

H1: μ1 ≠ μ2

f) La regla de decisión para rechazar la hipotesis nula es:

(Observe en la figura 1)

Si el estadístico t tiene un valor de p menor que α = 0.05 se rechaza la H0

Si el estadístico t tiene un valor de p mayor que α = 0.05 se acepta la H0
g) Los resultados arrojados por el SPSS, son los siguientes:

Estadísticas de grupo
Desviación Media de error
SEXO N Media estándar estándar
INGRESO MENSUAL Hombres 12 1400,83 95,295 27,509
Mujeres 12 1273,25 82,954 23,947

Desde una perspectiva empírica, diríamos que los hombres tienen un ingreso promedio
mensual superior al de las mujeres en los mismos puestos directivos y profesionales. Pero no
podemos sacar conclusiones precipitadas, ya que se trata de una muestra y hay que remover
el error de muestreo y para ello sometimos a los datos a la prueba de t de Student.
Prueba de muestras independientes

Prueba de Levene de
igualdad de varianzas prueba t para la igualdad de medias

95% de intervalo de
confianza de la
Diferencia diferencia
Sig. Diferencia de error
F Sig. t gl (bilateral) de medias estándar Inferior Superior

INGRESO Se asumen
,002 ,962 3,498 22 ,002 127,583 36,472 51,945 203,221
MENSUAL varianzas iguales

No se asumen
3,498 21,590 ,002 127,583 36,472 51,862 203,305
varianzas iguales

Antes de someter a la prueba de t, hay que resolver sobre la igualdad de varianzas, por lo que
planteas las siguientes hipótesis:
Hipotesis nula: la varianza de los ingresos de hombres y mujeres son iguales
H0 :σ21 = σ22

Hipotesis alternativa: varianza de los ingresos de los hombres y mujeres no son iguales

H1 :σ21 ≠ σ22
Para ello nos fijamos en el estadístico F. En el cuadro la abreviatura Sig. corresponde al valor
de p (marca verde). Como valor-p = 0.962 es mayor a α = 0.05, se acepta la H0. Por lo tanto,
con un nivel de confianza de 95%, asumimos las varianzas iguales de los ingresos de hombres
y mujeres.
h) Ahora vamos a realizar el contraste de las hipótesis del literal f, que es lo que realmente en
nuestro estudio queremos definir (observemos el valor de p marcado con amarillo).

Valor p = 0.02 es menor a α = 0.05, se rechaza la H0 y se acepta H1

CONCLUSION: con un nivel de significancia de 5%, podemos afirmar que el sueldo promedio
mensual de los hombres es mayor que el de las mujeres en los mismos puestos directivos y
profesionales.
Ejemplo 2
La empresa Limpia Ya SA, comercializa tres tipos de detergentes A, B, C. En un análisis de
segmentación de mercado para los tres productos, el grupo de investigación de mercado ha
planteado la duda de si la preferencia de los tres detergentes son diferentes entre los grupos
de consumidores de los sectores alto, Medio, Bajo. Si la preferencia de los detergentes fuera
independiente del sector consumidor, se iniciara una única campaña de publicidad para los tres
productos; sin embargo, si la preferencia depende del sector consumo, se ajustaran las
promociones para tener distintos mercados de venta.
Procedimiento:

a) El tipo de estudio es cualitativo, las variables en estudio son: sector consumidor y tipo de
detergente.
b) Se aplica una prueba de independencia con Chi-cuadrado a una muestra aleatoria de 120
consumidores. Después de usar los tres tipos de detergentes, se les pide manifestar su
preferencia

Tabla cruzada Sector*Tipo de detergente

Recuento
Tipo de detergente
A B C Total
Sector Alto 14 12 10 36
Medio 21 16 8 45
Bajo 15 12 12 39
Total 50 40 30 120

c) El objetivo es comprobar que la preferencia de un determinado tipo de detergente es

independiente del sector consumidor, para lo cual se plantean las siguientes hipótesis:

H0: La preferencia por un determinado tipo de producto es independiente del sector

consumidor
H1: La preferencia por un determinado tipo de producto no es independiente del sector
consumidor

d) El resultado de la prueba es el siguiente:

Pruebas de chi-cuadrado
Significación
asintótica
Valor gl (bilateral)
Chi-cuadrado de Pearson 2,146a 4 ,709
Razón de verosimilitud 2,207 4 ,698
Asociación lineal por lineal ,047 1 ,829
N de casos válidos 120
a. 0 casillas (0,0%) han esperado un recuento menor que 5. El recuento
mínimo esperado es 9,00.
Chi-cuadrado tiene un valor-p = 0.709 > 0.05, se acepta Ho. Por lo tanto, la preferencia por
un determinado tipo de detergente es independiente del sector consumidor
La Razón de verosimilitud RV con un valor-p = 0.698 > 0.05, conduce aceptar H0, llegando a la
misma conclusión que Chi-cuadrado.
DECISION: se realizará una campaña única de publicidad para los tres productos