1 INTRODUCCIN A LA ESTADSTICA INFERENCIAL.

1.1 Breve historia de la estadstica.

1.2 Concepto de estadstica.
1.3 Estadstica descriptiva.
1.4 Estadstica inferencial.

1.5 Breve introduccin a la inferencia estadstica.

La estadstica Inferencia, es el proceso por el cual se deducen (infieren) propiedades o

caractersticas de una poblacin a partir de una muestra significativa. Uno de los aspectos
principales de la inferencia es la estimacin de parmetros estadsticos.
Por ejemplo, para averiguar la media, , de las estaturas de todos los soldados de un batallon, se
extrae una muestra y se obtiene su media, . La media de la muestra (media muestral), , es un
estimador de la media poblacional, . Si el proceso de muestreo est bien realizado (es decir, la
muestra tiene el tamao adecuado y ha sido seleccionada aleatoriamente), entonces el valor de
, desconocido, puede ser inferido a partir de .
La inferencia siempre se realiza en trminos aproximados y declarando un cierto nivel de
confianza.
Por ejemplo, si en una muestra de n = 500 soldados se obtiene una estatura media = 172 cm, se
puede llegar a una conclusin del siguiente tipo: la estatura media, , de todos los soldados del
reemplazo est comprendida entre 171 cm y 173 cm, y esta afirmacin se realiza con un nivel de
confianza de un 90%. (Esto quiere decir que se acertar en el 90% de los estudios realizados en
las mismas condiciones que ste y en el 10% restante se cometer error.)
Si se quiere mejorar el nivel de confianza, se deber aumentar el tamao de la muestra, o bien
disminuir la precisin de la estimacin dando un tramo ms amplio que el formado por el de
extremos 171, 173. Recprocamente, si se quiere aumentar la precisin en la estimacin
disminuyendo el tamao del intervalo, entonces hay que aumentar el tamao de la muestra o bien
consentir un nivel de confianza menor. Finalmente, si se quiere mejorar tanto la precisin como el
nivel de confianza, hay que tomar una muestra suficientemente grande.

1.6 Teora de decisin en estadstica.

Nuestro objetivo es estudiar los metodos para abordar el tipo de problemas de toma de
decisiones. Una persona que tiene que tomar una decision se enfrenta a un numero finito, K, de
acciones posibles, que llamaremos ai , aj ... , aK .
En el momento en que tiene que elegir una accion, no sabe como evolucionara en el futuro un
factor que determinara las consecuencias de la accion elegida. Se supone que un numero finito,
H, de estados de la naturaleza posibles puede caracterizar las posibilidades de este factor. Estos
se representan por medio de S1, S2, .. . , SH'
Por ultimo, se supone que la persona que tiene que tomar la decision es capaz de especificar la
recompensa monetaria o rendimiento de cada combinacion accion-estado de la naturaleza. Sea
Mij el rendimiento de la accion a j en el supuesto de que ocurra el estado de la naturaleza Sj. Las
acciones, los estados de la naturaleza, los rendimientos monetarios y las tablas de rendimientos
forman parte del marco general para analizar cualquier problema de toma de decisiones.
Marco para analizar los problemas de toma de decisiones
1. La persona que tiene que tomar una decisi6n tiene K cursos de acci6n posibles: ai , aj , .. . , a K
. Las acciones a veces se IIaman alternativas.
2. Hay H estados de la naturaleza inciertos posibles: S1, S2, ... , SH . Los estados de la
naturaleza son los resultados posibles que el que toma la decisi6n no controla. A veces se IIaman
sucesos.
3. Cada combinacion posible accion-estado de la naturaleza tiene un resultado que representa un
beneficia 0 una perdida, IIamado rendimiento monetario, Mij que corresponde a la acci6n 8 j y al
estado de la naturaleza Sj .La tabla de todos los resLltados de un problema de decisi6n se llama
tabla de rendimientos.
La Tabla 21.1 muestra la forma general de una tabla de rendimientos.
Tabla 21.1. Tabla de rendimientos de un problema de decision
en el que hay K acciones posibles y H estados de la naturaleza posibles.

En todo proceso de decisin se necesita recabar informacin que sea capaz de responder a
nuestras indagaciones. Para que los resultados sean fiables, tanto la recogida de datos como
su anlisis deben ser realizados con criterio y de forma objetiva.
Las herramientas estadsticas permiten recolectar, analizar e interpretar de forma inteligente los
datos relevantes en el proceso de toma de decisin. De esta manera, para que la utilizacin de
los resultados estadsticos se haga de una forma correcta, resulta necesario que
el gerente conozca los principios bsicos de las tcnicas usadas.
La estadstica ayuda a tomar decisiones econmicas bajo incertidumbre, a predecir
con eficacia pautas de comportamiento de las variables, en definitiva, a crear modelos sobre los
que basar dichas decisiones.
En este sentido, la utilidad de la estadstica de negocio puede reflejarse en numerosos campos y
aplicaciones:
- Empleo de tcnicas de muestreo aleatorio en el mbito de la auditora.
- Aseguramiento de la calidad de los productos, gracias al empleo de tcnicas estadsticas
de control de la calidad.
- Empleo de mtodos de regresin y correlacin para entender las relaciones entre variables y
predecir comportamientos.
- Utilizacin de pruebas de significancia para aceptar o rechazar una hiptesis.
- Empleo de tcnicas estadsticas para la prediccin, por ejemplo, en el mbito de las ventas.
En definitiva, se trata de utilizar la estadstica como una herramienta diferenciadora respecto de la
competencia para aproximarse a la solucin que satisfaga las necesidades de empresa, y as
crear una oportunidad de negocio que nos permita posicionarnos en el mercado de manera
estratgica

1.7 Componentes de una investigacin estadstica.

El estudio estadstico de una situacin con propsitos inferenciales se centra en dos conceptos
fundamentales: poblacin y muestra, los cuales sern definidos a continuacin:
Poblacin. Es el conjunto formado por todos los valores posibles que puede asumir,
la variable objeto de estudio.
As por ejemplo, en un estudio sobre la preferencia de los votantes en una
eleccin presidencial, la poblacin consiste en todas las respuestas de los votantes
registrados. Pero el trmino no slo est asociado a la coleccin de seres humanos u
organismos vivos; y tenemos as que, si se va a hacer una investigacin de las ventas
anuales de los supermercados, entonces las ventas anuales de todos los supermercados
constituyen as mismo la poblacin.
Es bueno tener en cuenta que el trmino poblacin se interpreta de dos maneras cuando
se hace un estudio estadstico, a saber:
1. La interpretacin propia en
hemos presentado anteriormente.

el

Anlisis

Estadstico,

que

corresponde

la

que

2. Como el conjunto de objetos sobre los cuales acta la variable considerada.

Por tanto, no es extrao escuchar expresiones tales como, "se hizo un estudio de los
niveles de ingreso de la poblacin trabajadora", entendindose con ello que el
elemento estadstico objeto de anlisis fue el registro numrico de los ingresos.
Muestra. Es cualquier subconjunto de la poblacin, escogido al seguir ciertos criterios
de seleccin.
La muestra es el elemento bsico sobre el cual se fundamenta la posterior inferencia
acerca de la poblacin de donde se ha tomado. Por ello, su seleccin debe hacerse siguiendo
ciertos procedimientos que son ampliamente tratados en la parte de la estadstica llamada
Teora de muestreo.
El concepto de muestra tiene tambin las dos connotaciones que hemos sealado para
la poblacin.
Las caractersticas de una poblacin se resumen para su estudio generalmente ir
mediante lo que se denominan parmetros; stos a su vez se toman o consideran como
valores verdaderos de la caracterstica estudiada.
Por ejemplo, la proporcin de todos los clientes que declaran cierta preferencia por una marca
particular de un producto dado, es un parmetro de la poblacin de todos los clientes; es la
verdadera proporcin de la poblacin. Igualmente, la media aritmtica de las cuentas
corrientes de los clientes de un banco determinado constituye un parmetro de la poblacin
de las cuentas de los clientes de ese banco.
Cuando la caracterstica de la poblacin estudiada se reduce a una muestra el resumen
de esa caracterstica se hace mediante una medida esta o estadgrafo.

As por ejemplo. si se toman 100 de todos los posibles clientes y se les entrevista para ver si
estn a favor de una marca particular de un producto, estos 100 clientes la constituyen una
muestra. Si hay 70 clientes que prefieren dicha marca entonces la proporcin muestral ser
0.70 y constituir un estadgrafo; de igual manera si se escogen 1,000 cuentas del total de
las cuentas comentes; las 1,000 observaciones conforman una muestra y el promedio
aritmtico de estas cuentas un estimador.
La inferencia estadstica se orienta a sacar conclusiones acerca del parmetro o
parmetros poblacionales con base en el valor de un estimador obtenido a partir de los datos
mustrales extrados de esa poblacin.
Para llegar a ese objetivo a travs de un proceso racional y eficaz, se aconseja que se tengan
en cuenta los siguientes pasos:
1. Formulacin del problema. En este punto se debe especificar de manera clara
la pregunta que se debe responder y la poblacin de datos asociada a la pregunta.
Los conceptos deben ser precisos y deben ponerse limitaciones adecuadas al
problema motivadas por el tiempo, dinero disponible y la habilidad de los Investigadores.
Algunos conceptos como, artculo defectuoso, econmico, salario, pueden variar en cada caso
y para cada problema debemos coincidir con las ideas sealadas en el estudio.

2. Diseo del experimento. Este aspecto es de gran importancia, puesto que la recoleccin
de datos requiere dinero y tiempo. Es siempre nuestro deseo obtener mxima Informacin
con el mnimo costo (dinero y tiempo) posible. Incluir excesiva Informacin en la muestra es
a menudo costoso y antieconmico. Incluir poca tambin es poco satisfactorio. Esto implica,
entre otras cosas, que debemos determinar el tamao de la muestra o la cantidad o tipo de
datos que nos permita resolver el problema de la manera ms eficiente.
3. Recoleccin de datos. Esta parte, por lo general, es la que exige ms tiempo en
la Investigacin. Esta recoleccin debe ajustarse a reglas estrictas ya que de los
datos esperamos extraer la Informacin deseada.
4. Tabulacin y descripcin de los resultados. En esta etapa, los datos muestrales
se exponen de manera clara y se ilustran con representaciones tabulares y
grficas (diagramas.
histogramas,
etc.);
adems
se
calculan
las
medidas
estadsticas apropiadas al proceso inferencial que haya sido escogido.
5. Inferencia estadstica y conclusiones. Este ltimo paso constituye tal vez
la contribucin ms importante de la estadstica al proceso inferencial. Aqu se fija el nivel de
confiabilidad para la inferencia; esto es debido a que las conclusiones derivadas de
inferencias estadsticas jams se pueden tomar con un 100% de certeza, pero s se les puede
asociar un nivel de confiabilidad; en trminos de probabilidad denominados nivel de
confianza y nivel de significancia. El proceso Inferencial nos llevar a una conclusin
estadstica que servir de orientacin a quien o quienes deban tomar la decisin
(administrativa o clnica) sobre el tema objeto de estudio.

1.8 Recoleccin de datos.

1.9 Estadstica parametrica (poblacin y muestra aleatoria).

1.10 Aplicaciones.