ENSAYO SOBRE LA ESTADSTICA INFERENCIAL Y SUS APLICACIONES

INGRI LISSETH SANCHEZ RODRIGUEZ

ID: 258951

CORPORACION UNIVERSITARIA MINUTO DE DIOS

FACULTAD DE CIENCIAS EMPRESARIALES
ESTADISTICA INFERENCIAL
ADMINISTRACION EN SALUD OCUPACIONAL
NEIVA HUILA
2015

ENSAYO SOBRE LA ESTADSTICA INFERENCIAL Y SUS APLICACIONES

INGRI LISSETH SANCHEZ RODRIGUEZ

ID: 258951

DOCENTE: LEONARDO FABIO MEDINA

CORPORACION UNIVERSITARIA MINUTO DE DIOS

FACULTAD DE CIENCIAS EMPRESARIALES
ESTADISTICA INFERENCIAL
ADMINISTRACION EN SALUD OCUPACIONAL
NEIVA HUILA
2015

Introduccin
La teora de la inferencia estadstica puede definirse como aquellos mtodos que
permiten hacer inferencias o generalizaciones sobre una poblacin. La tendencia
actual es distinguir entre el mtodo clsico de estimar el parmetro de una poblacin
obtenida en una muestra aleatoria tomada de la poblacin, y el mtodo bayesiano,
el cual utiliza el conocimiento subjetivo previo acerca de la distribucin de
probabilidad de los parmetros desconocidos junto con la informacin
proporcionada por los datos de la muestra.
En inferencia estadstica se llama estimacin al conjunto de tcnicas que permiten
dar un valor aproximado de un parmetro de una poblacin a partir de los datos
proporcionados por una muestra. Por ejemplo, una estimacin de la media de una
determinada caracterstica de una poblacin de tamao N podra ser la media de
esa misma caracterstica para una muestra de tamao n.

Mtodos clsicos de estimacin: La estimacin de un parmetro de la poblacin

puede darse en formas de estimacin puntual o de estimacin por intervalos. Una
estimacin puntual de algn parmetro de la poblacin es el valor simple de una
estadstica. Por ejemplo el valor x de la estadstica X , calculando a partir de una
muestra de tamao n, es una estimacin puntual del parmetro y de la poblacin.
La estadstica que se emplea para obtener una estimacin puntual recibe el nombre
de estimador o funcin de decisin. Por lo tanto, el estimador S, que es una funcin
de la muestra aleatoria, es un estimador de * y la estimacin s es la accin tomada.
Muestras diferentes nos llevaran generalmente a acciones o estimaciones tambin
diferentes. El conjunto de todas las acciones posibles que pueden tomarse en un
problema de estimacin se llama espacio de accin o espacio de decisin.
Estimacin de la media: El estimador puntual de la media y de la poblacin est
dado por la estadstica X. La distribucin maestral de X est centrada en u y en la
mayora de las aplicaciones la varianza es ms pequea que la cualquier otro
estimador. Por lo tanto, la media de la muestra x se utilizara como una estimacin
puntual para la media de la poblacin u. Recordando que =2/n. de tal manera
que una muestra grande proporcionara un valor de X que proviene de una
distribucin muestra con una varianza pequea.
Estimacin de la diferencia entre dos medias: Si se tienen dos poblaciones con
medias 1 y 2 y varianzas 2/1 y 2/2 respectivamente, un estimador puntual de
la diferencia entre 1 y 2 est dado por la estadstica X1 X2. Por lo tanto para
obtener una estimacin puntual de 1 - 2 se seleccionaran dos muestras aleatorias
independientes, una de cada poblacin, de tamaa n1 y n2 y se calcula la diferencia
de
las
medias
de
la
muestra
x1

x2
Estimacin de una proporcin: Un estimador puntual de la proporcin p en un
experimento binomial est dado por las estadsticas P=X/n. por lo tanto la
proporcin de la muestra p=x/n ser utilizada como la estimacin puntual para el
parmetro p.
Estimacin de la diferencia entre dos proporciones: Considrese muestras
independientes de tamaos n1 y n2 seleccionadas al azar de dos poblaciones
binomial con medidas n1p1 y n2p2 y varianzas n1p1q1 y n2p2q2, respectivamente.
La proporcin de xitos en cada muestra se indica por P1 y P2. Un estimador
puntual de la diferencia entre las dos proporciones p1 - p2 est dado por la
estadstica
P1
P2
Estimacin de la varianza: Una estimacin puntual insesgada de la varianza de la
poblacin 2 est dada por la varianza de la muestra s2. De aqu que a la estadstica
S2 se le llame un estimador de 2.

Estimacin de la razn de dos varianzas: Una estimacin de la razn de

varianzas de dos poblaciones est dada por el cociente s12/s22 de las varianzas de
las muestras. Por lo tanto, a la estadstica S12/S22 se llama un estimador de
21/22
Limites de tolerancia: Para distribucin normal de mediciones con media y
desviacin estndar o desconocidas, los limites de tolerancia estn dados por x+ks. Donde k est determinada de manera que se pueda afirmar con una confianza
de 100y% que los lmites dados contienen al menos la proporcin 1-x de las
mediciones.
Mtodos bayesianos de estimacin: La aproximacin Bayesiana a los mtodos
de estimacin con vina la informacin de la muestra con otra informacin previa
disponible que pueda parecer pertinente. Con esta informacin previa se les llama
probabilidades subjetivas, ya que miden el grado de credibilidad en la persona en
una proposicin. Se emplea la propia experiencia y el conocimiento como la base
para llegar a una probabilidad subjetiva.
Teora de la decisin: Al hablar de la aproximacin clsica a la estimacin puntal
se adapt el criterio de seleccionar la funcin decisin que sea mas eficiente. Esto
es, se escogi de entre todos los estimadores insesgados posibles al que tiene la
varianza ms pequea como el mejor estimador. En la teora de la decisin tambin
se toma en cuenta las recompensas al hacer decisiones correctas y los castigos al
hacer decisiones incorrectas.

TIPOS DE MUESTREO
Muestreo Probabilstico: Cuando el muestreo o proceso para seleccionar una
muestra es aleatorio.
As definimos una muestra probabilstica a una muestra extrada de una poblacin
de tal manera que todo elemento de la poblacin conocida pueda ser incluida en la
muestra. Puede ser a su vez:

MUESTREO ALEATORIO SIMPLE: (M.A.S.): Es aquel muestreo aleatorio en el que

la probabilidad de que un elemento resulte seleccionado se mantiene constante a
lo largo de todo el proceso de obtencin de la misma. La tcnica del muestreo puede
asimilarse a un modelo de extraccin de bolas de una urna con devolucin
(reemplazamiento) de la bola extrada. Un mismo dato puede, en consecuencia,
resultar muestreado ms de una vez. Cada eleccin no depender de las anteriores
y, por tanto, los datos muestrales sern estocsticamente independientes.

MUESTREO ALEATORIO SISTEMTICO. Esta tcnica consiste en extraer

elementos de la poblacin mediante una regla sistematizadora que previamente
hemos creado (sencillamente cada K elementos). As; numerada la poblacin, se
elige (aleatoriamente) un primer elemento base, partiendo de ste se aplica la regla
para conseguir los dems hasta conseguir el tamao muestral adecuado. Este
procedimiento conlleva el riesgo de dar resultados sesgados si en la poblacin se
dan periodicidades o rachas.

MUESTREO ALEATORIO ESTRATIFICADO: Consiste en considerar categoras

tpicas diferentes entre s (estratos) que poseen una gran homogeneidad interna
(poca varianza interna) y no obstante son heterogneos entre s (mucha varianza
entre estratos). La muestra se distribuye (se extrae de) entre los estratos
predeterminados segn la naturaleza de la poblacin (ejemplo: sexo, lugar
geogrfico, etc.). Dicha distribucin-reparto de la muestra se denomina afijacin ;
que
puede
ser
de
varias
formas
:
Afijacin simple: a cada estrato le corresponde igual nmero de elementos
(extracciones)
muestrales.
Afijacin proporcional: La distribucin se hace de acuerdo con el peso (tamao)
relativo
de
cada
estrato.
Afijacin ptima: Se tiene en cuenta la previsible dispersin de los resultados, de
modo que se considera la proporcin y la desviacin tpica.
D. MUESTREO POR CONGLOMERADOS: La unidad muestral es un grupo de
elementos de la poblacin que forman previsiblemente una unidad de
comportamiento representativo. Dicha unidad es el conglomerado cuyo
comportamiento interno puede ser muy disperso (varianza grande) pero que
presumiblemente poseer un comportamiento prximo a otros conglomerados
(varianza entre conglomerados, pequea). Los conglomerados se estudian en
profundidad
hasta
conseguir
el
tamao
muestral
adecuado.
OTROS TIPOS DE MUESTREO. Es evidente que los planteados no son las nicas
tcnicas de muestreo. Existen otras como las no aleatorias: Cuotas, Intencional,
Incidental, bola de nieve, etc. Y otras aleatorias y complicadas como el muestreo
por superpoblaciones, y que en este curso no podemos desarrollar.
ESTIMACION DE INTERVALO
La "estimacin por intervalo" consiste en determinar un par de valores a y b, tales
que constituidos en intervalo [a ,b] ; y para una probabilidad 1- prefijada (nivel de
confianza) se verifique en relacin al parmetro a estimar se cumpla:
en otros trminos:

.
Podemos considerar el nivel de confianza (1- ) que hemos prefijado para la
expresin anterior como la probabilidad que existe (antes de tomar la muestra) de
que el intervalo a construir a partir de la muestra incluya el verdadero valor del
parmetro a estimar. Refleja la "confianza" en la "construccin" del intervalo y de
que ste tras concretar la muestra contendr el valor a estimar. De ah que en
trminos numricos dicho nivel o probabilidad haya de tomar un valor alto (0.9, 0.95,
0.99).
Evidentemente el complementario al nivel de confianza; es decir , nivel de
significacin supondr las probabilidades de cometer el error de no dar por incluido
el verdadero valor del parmetro a estimar en un intervalo en el que realmente si
est. De ah y dado que se trata de un error posible a cometer, su cuantificacin en
trminos de probabilidad sea muy pequea (0.1, 0.05, 0.005,..).
En relacin a lo anterior. Obviamente, cuanto mayor sea el nivel de confianza
prefijado la amplitud del intervalo de estimacin ser tambin mayor y por tanto la
estimacin ser menos precisa.

REFERENCIAS BIBLIOGRAFICAS:

Probabilidad y Estadstica para Ingenieros

R.E. WALPOLE
R.H. MYERS