ESTADÍSTICA

INFERENCIAL
6. Conceptos básicos

Nazira Calleja
Inferencia estadística
La inferencia estadística
 POBLACIÓN Y MUESTRA

Población Censo

vs.

Muestra
Muestreo
Elemento o unidad
La inferencia estadística
 POBLACIÓN Y MUESTRA
La inferencia estadística
 POBLACIÓN Y ESTRATOS
La inferencia estadística
Notación estadística
Muestreo
 ¿Qué proporción de una foto
tendría que estar descubierta para
poder decir de qué objeto se trata
con cierto grado de confianza?
 ¿4 de 25?
Pero, ¿cuáles son más informativas?
Las elegidas al azar.

Combinaciones posibles de 4 cuadros de 25: 12 650!!

 Cuando no se tiene acceso
a toda la información de un fenómeno,
es mejor elegir al azar
que usar cualquier otro método.

Ejemplo:
¿Qué porcentaje de los votantes
votaría por el candidato X?
Imposible preguntarle a todos.

Preguntamos sólo a unos cuántos;

la mejor forma de elegirlos es al azar.
Tipos de muestreo
Probabilístico o Aleatorio

Al azar simple
Tipos de muestreo
No probabilístico o no aleatorio

Accidental
Cálculo del tamaño de la
muestra
Para variables cualitativas Para variables cuantitativas

z2 p q z 2 σ2
n= n=
E2 E2

Donde  
z Nivel de confianza o seguridad en puntaje Z.
E Nivel de precisión o Error máximo de estimación o Límite
aceptable de error
p Valor proporcional de la variable en la poblacional. Se puede
obtener revisando la literatura o por estudio piloto previos. En caso
de no contar con dicha información, se utiliza valor p = 0.5 (50%).
Valor del complemento de p.
q Se calcula con: q = 1 – p
σ Desviación estándar de la población
 Principios de la
inferencia estadística
 Principios de inferencia
estadística

1. Hay un modelo
estadístico que pueda
usarse para entender
ciertos eventos
observados.
Principios de inferencia
estadística

2. Se observa un
evento y éste es
el foco de
interés.
 Principios de inferencia
estadística
3. Pueden considerarse dos explicaciones:
Explicación 1: El evento, aunque es raro,
no es contrario al modelo estadístico; la
rareza del evento es debida al azar.
Explicación 2: El evento es tan raro en
comparación con el modelo estadístico
dado que se concluye que es
extraordinario y que el modelo, por alguna
razón, no se aplica a esta circunstancia.
 Principios de inferencia
estadística

4. Hay una posibilidad de error al

adoptar cualquiera de las dos
explicaciones. Habrá que
minimizar las posibilidades de
error.
 Principios de inferencia estadística
1. Hay un modelo estadístico que pueda
usarse para entender ciertos eventos
observados.
2. Se observa un evento y éste es el foco
de interés.
3. Pueden considerarse dos
explicaciones:
Explicación 1: El evento, aunque es raro,
no es contrario al modelo estadístico; la
rareza del evento es debida al azar.
Explicación 2: El evento es tan raro en
comparación con el modelo estadístico
dado que se concluye que es
extraordinario y que el modelo, por
alguna razón, no se aplica a esta
circunstancia.
4. Hay una posibilidad de error al adoptar
cualquiera de las dos explicaciones.
Habrá que minimizar las posibilidades de
error.
1. No hay diferencia entre los grupos; es
decir, los dos grupos responden en forma
similar.
2. Observamos las respuestas de los
sujetos de ambos grupos; es el “evento de
interés”.
3. Hay dos explicaciones:
Explicación 1: Realmente no hay diferencia
entre los dos grupos; cualquier diferencia
observada se debe a las variaciones del
azar.
Explicación 2: El grupo 1 y el grupo 2
difieren en su ejecución. Las respuestas
observadas en los sujetos son tan
extraordinarias que no es probable que se
obtengan únicamente por azar. Deben
haberse obtenido porque ambos grupos
realmente difieren.
4. La adopción de una explicación u otra
implicará algún riesgo de error, el cual
debe minimizarse.
Principios de inferencia
estadística
Ejemplo:
Supongamos que estamos interesados en
comparar a hombres y mujeres en el Test
de la bayoneta del aceite, el cual consiste
en levantar el cofre del coche del participante
y pedirle que señale la bayoneta del aceite.

El propósito del estudio es determinar si los

hombres y las mujeres difieren en su
ejecución del Test de la bayoneta del aceite.
Supóngase que cuatro hombres y cuatro
mujeres son elegidos al azar de la
población de posibles sujetos.
 Principios de la inferencia estadística
1. No hay diferencias en el Test de la bayoneta del aceite entre hombres y
mujeres, entonces la respuesta de los dos grupos será similar. La
probabilidad de que una mujer pase el test es la misma que la
probabilidad que tiene un hombre de pasarlo.
2. Observaremos la ejecución de ocho personas en el Test de la bayoneta
del aceite. Éste es nuestro “evento de interés”.
3. Se examinan dos explicaciones:
Explicación 1: Realmente no hay diferencia entre hombres y mujeres en
el Test de la bayoneta del aceite; cualquier diferencia en la respuesta de
estas ocho personas se debe sólo a las variaciones del azar.
Explicación 2. Los hombres y las mujeres difieren en el Test de la bayoneta
del aceite. Las respuestas observadas para estos ocho sujetos son tan
extraordinarias que es improbable que hayan sido obtenidas sólo por
azar. Deben haberse obtenido porque los hombres y las mujeres
realmente difieren.
4. La adopción de una explicación o la otra implica algún riesgo de error,
el cual deseamos minimizar.
Todos los posibles resultados (25) que podrían
obtenerse de cuatro hombres (H) y cuatro mujeres
(M) que hicieron el Test de la bayoneta del aceite;
cada uno de ellos pasando (P) o reprobando (R) el
test:
P R P R P R P R P R
H 4 0 H 3 1 H 2 2 H 1 3 H 0 4
M 0 4 M 0 4 M 0 4 M 0 4 M 0 4

P R P R P R P R P R
H 4 0 H 3 1 H 2 2 H 1 3 H 0 4
M 1 3 M 1 3 M 1 3 M 1 3 M 1 3

P R P R P R P R P R
H 4 0 H 3 1 H 2 2 H 1 3 H 0 4
M 2 2 M 2 2 M 2 2 M 2 2 M 2 2

P R P R P R P R P R
H 4 0 H 3 1 H 2 2 H 1 3 H 0 4
M 3 1 M 3 1 M 3 1 M 3 1 M 3 1

P R P R P R P R P R
H 4 0 H 3 1 H 2 2 H 1 3 H 0 4
M 4 0 M 4 0 M 4 0 M 4 0 M 4 0
 
¿Cuál configuración nos convencería de que los
hombres (H) y las mujeres (M) difieren en pasar (P)
o reprobar (R) el test?
P R P R P R P R P R
H 4 0 H 3 1 H 2 2 H 1 3 H 0 4
M 0 4 M 0 4 M 0 4 M 0 4 M 0 4

P R P R P R P R P R
H 4 0 H 3 1 H 2 2 H 1 3 H 0 4
M 1 3 M 1 3 M 1 3 M 1 3 M 1 3

P R P R P R P R P R
H 4 0 H 3 1 H 2 2 H 1 3 H 0 4
M 2 2 M 2 2 M 2 2 M 2 2 M 2 2

P R P R P R P R P R
H 4 0 H 3 1 H 2 2 H 1 3 H 0 4
M 3 1 M 3 1 M 3 1 M 3 1 M 3 1

P R P R P R P R P R
H 4 0 H 3 1 H 2 2 H 1 3 H 0 4
M 4 0 M 4 0 M 4 0 M 4 0 M 4 0
 ¿Qué tan convincente es?
Probabilidad de error

Si un resultado observado pudiera haber

sido obtenido fácilmente sólo por azar
cuando en realidad no hay diferencia entre
los grupos, obtener ese resultado
difícilmente podría ser una prueba
convincente de que los grupos sí difieren.
Ejemplo: P R
H 2 2
M 3 1
  
Si los resultados del Test de la bayoneta del
aceite fueran:
P R P R P R P R P R
H 4 0 H 3 1 H 2 2 H 1 3 H 0 4
M 0 4 M 0 4 M 0 4 M 0 4 M 0 4

P R P R P R P R P R
H 4 0 H 3 1 H 2 2 H 1 3 H 0 4
M 1 3 M 1 3 M 1 3 M 1 3 M 1 3

P R P R P R P R P R
H 4 0 H 3 1 H 2 2 H 1 3 H 0 4
M 2 2 M 2 2 M 2 2 M 2 2 M 2 2

P R P R P R P R P R
H 4 0 H 3 1 H 2 2 H 1 3 H 0 4
M 3 1 M 3 1 M 3 1 M 3 1 M 3 1

P R P R P R P R P R
H 4 0 H 3 1 H 2 2 H 1 3 H 0 4
M 4 0 M 4 0 M 4 0 M 4 0 M 4 0
Si adoptáramos la explicación 2 y
concluyéramos que los hombres y las mujeres
difieren, basaríamos nuestra conclusión en
evidencia poco sólida.
La probabilidad de cometer un error –decir que
existe una diferencia cuando de hecho no la hay–
sería muy alta.
 
El proceso de inferencia estadística
comúnmente se realiza de tal manera que estos
errores no ocurran.
Podríamos determinar que un resultado
como ése probablemente nos convencería
de que los grupos difieren. Pero si queremos
aplicar el principio 4, debemos ser más
precisos.
 
De los 25 probables resultados, ¿cuántos
son tan extremos, o más, que el observado?
Los más extremos son:

P R P R
H 4 0 H 0 4
M 0 4 M 4 0
  
Los más extremos:

P R P R P R P R P R
H 4 0 H 3 1 H 2 2 H 1 3 H 0 4
M 0 4 M 0 4 M 0 4 M 0 4 M 0 4

P R P R P R P R P R
H 4 0 H 3 1 H 2 2 H 1 3 H 0 4
M 1 3 M 1 3 M 1 3 M 1 3 M 1 3

P R P R P R P R P R
H 4 0 H 3 1 H 2 2 H 1 3 H 0 4
M 2 2 M 2 2 M 2 2 M 2 2 M 2 2

P R P R P R P R P R
H 4 0 H 3 1 H 2 2 H 1 3 H 0 4
M 3 1 M 3 1 M 3 1 M 3 1 M 3 1

P R P R P R P R P R
H 4 0 H 3 1 H 2 2 H 1 3 H 0 4
M 4 0 M 4 0 M 4 0 M 4 0 M 4 0
 Los resultados tan extremos como el
observado son:
P R P R P R P R
H 4 0 H 3 1 H 1 3 H 0 4
M 1 3 M 0 4 M 4 0 M 3 1

Juntos hay 2 + 4 = 6 resultados que son tan

extremos como, o más extremos que, el
resultado observado.
La probabilidad de obtener los resultados
observados o resultados más extremos sólo
por azar es 6/25 o 0.24.
  
Tan extremos como el obtenido:

P R P R P R P R P R
H 4 0 H 3 1 H 2 2 H 1 3 H 0 4
M 0 4 M 0 4 M 0 4 M 0 4 M 0 4

P R P R P R P R P R
H 4 0 H 3 1 H 2 2 H 1 3 H 0 4
M 1 3 M 1 3 M 1 3 M 1 3 M 1 3

P R P R P R P R P R
H 4 0 H 3 1 H 2 2 H 1 3 H 0 4
M 2 2 M 2 2 M 2 2 M 2 2 M 2 2

P R P R P R P R P R
H 4 0 H 3 1 H 2 2 H 1 3 H 0 4
M 3 1 M 3 1 M 3 1 M 3 1 M 3 1

P R P R P R P R P R
H 4 0 H 3 1 H 2 2 H 1 3 H 0 4
M 4 0 M 4 0 M 4 0 M 4 0 M 4 0
Siguiente pregunta: Un resultado obtenido
que tiene una probabilidad de 24% de ser
igualado o sobrepasado meramente por azar,
¿es suficientemente extremo para ser una
evidencia convincente de que los hombres en
verdad difieren en el Test de la bayoneta del
aceite?
Supongamos que consideramos denominar a
nuestro resultado observado
“convincentemente extremo.”
Esto significaría que rechazaríamos la
explicación de “no diferencia” (1) a favor de la
explicación de que “los grupos difieren” (2).
¿Cuál es nuestra probabilidad de cometer
un error? Si adoptamos la explicación 2 y
concluimos que los hombres difieren de las
mujeres, la probabilidad de cometer un error es
de 0.24 o 24%, lo cual es un riesgo enorme en
la investigación científica.
Preferiríamos riesgos más pequeños:
10% o 5% o 1%.
Así que diremos que no podemos
concluir que hay una verdadera
diferencia entre los hombres y las
mujeres en el Test de la bayoneta del
aceite, pues el riesgo de error
asociado con la adopción de la
explicación 2 es demasiado grande,
por lo que debemos refugiarnos en la
explicación 1: no hay diferencias
entre hombres y mujeres.
Pasos para la prueba de hipótesis
1. Hipótesis de investigación
La V1 se relaciona con la V2
2. Hipótesis estadísticas:
Hipótesis nulaH0 La V1 no se relaciona con la V2
Hipótesis alterna HA La V1 se relaciona con la V2
3. Prueba estadística
4. Regla de decisión
 0.05 (0.01, 0.001)
5. Cálculos
6. Decisión
Se rechaza (o no se rechaza) la hipótesis nula
7. Conclusión
La V1 se relaciona con la V2 (o no se relaciona)