INSTITUTO TECNOLOGICO DE LÁZARO CÁRDENAS

RESUMEN DE UNIDAD 1
INTRODUCCION A LA ESTADISTICA INFERENCIAL

MATERIA
ESTADISTICA INFERENCIAL

ALUMNA
AIDA GUADALUPE ZEPEDA CRUZ

PROFESOR
ISAAC VAZQUEZ ESQUEDA

GRUPO
41G
 1. INTRODUCCION A LA ESTADÍSTICA INFERENCIAL

La estadística inferencial es una rama de la estadística que se encarga de estudiar una población a partir de una
muestra de datos. Su objetivo es extraer conclusiones y hacer deducciones sobre la población a partir de la
información de la muestra, basándose en pruebas estadísticas y modelos de probabilidad. En la estadística
inferencial se pueden tener un margen de error debido a que son el resultado de cálculos probabilísticos. Utilizando
diferentes métodos como, estimación de parámetros, contraste de hipótesis, intervalos de confianza, distribución de
probabilidad.

1.1 BREVE HISTORIA DE LA ESTADÍSTICA

1. Antigüedad: Egipcios, babilonios, chinos y romanos llevaban registros censales para la administración de
impuestos y la planificación económica.
2. Edad Media: Se usaban datos estadísticos para la administración feudal y el comercio.
3. Siglo XVII: Surgió la estadística moderna con John Graunt y William Petty, quienes aplicaron métodos
cuantitativos al estudio de la población y la economía (estadística demográfica).
4. Siglo XVIII: Jacob Bernoulli y Thomas Bayes introdujeron conceptos de probabilidad, fundamentales en la
estadística moderna.
5. Siglo XIX: Adolphe Quetelet y Francis Galton aplicaron la estadística en las ciencias sociales y la biología,
desarrollando conceptos como la regresión y la correlación.
6. Siglo XX: Se consolidó como disciplina matemática con figuras como Karl Pearson y Ronald Fisher, quienes
desarrollaron herramientas como el análisis de varianza y la inferencia estadística.
7. Actualidad: La estadística es esencial en la ciencia de datos, inteligencia artificial, economía y muchas otras
áreas, con el uso de software avanzado y big data.

1.2 CONCEPTO DE ESTADISTICA

 La estadística es una diciplina científica formal y deductiva, a menudo considerada rama de las matemáticas,
que estudia la variabilidad y las leyes de la probabilidad, a través de herramientas diversas, tanto
conceptuales como de muestreo. Para recolectar información de la realidad y organizarla, contextualizarla y
clasificarla para poder obtener conclusiones viables, expresadas matemáticamente.
 La estadística es la rama de las matemáticas que examina las formas de procesar y analizar datos. Ofrece los
procedimientos para recolectar y transformar los datos de manera que sean útiles a quienes toman
decisiones en los negocios. La estadística se divide en dos ramas ambas aplicables en la administración de
negocios las cuales son: descriptiva y inferencial.
 La estadística es el arte y la ciencia de reunir datos analizarlos, presentarlos e interpretarlos. Especialmente
en los negocios y en la economía, la información.
 La estadística analiza, presenta, recolecta e interpreta datos.
 La estadística contempla cuatro niveles de medición de datos, conocidos como escalas de medición estadística, que
son:

 Nominal que describe variables cuya diferencia entre si radica más en la cualidad que en la cantidad.
 Ordinal que describe variables sobres un continuo en el que sus valores pueden ordenarse, o sea, asignar
una jerarquía o un orden a los datos.
 Intervalar que describe variables cuyos valores establecen intervalos reconocibles.
 Racional que describe variables con intervalos iguales y que permiten situar unos cero absolutos, de modo
tal que represente la ausencia de características.
1.3 ESTADISTICA DESCRIPTIVAS

Es la técnica matemática que obtiene, organiza, presenta y describe un conjunto de datos con el propósito de facilitar el
uso, generalmente con el apoyo de tablas, medidas numéricas o gráficas, en la etapa donde el investigador necesita
procesar y analizar los datos recolectados en dicho estudio. Es el sentido de contar sustantivos contables. Su objetivo
principal es describir y analizar un conjunto de datos sin hacer inferencias o predicciones sobre poblaciones más
grandes. Es una herramienta esencial para obtener una visión general y organizada de la información.

Puede decirse que la estadística descriptiva trata fundamentalmente la presentación de datos en forma de tablas y
graficas. El cálculo de parámetros definidores y transcriptores de muchas de las características de la población estudia.
Se entiende como el resumen de datos o análisis de datos.

1. Recopilación de datos:
o Implica obtener información de una muestra o población, ya sea a través de encuestas, experimentos o
registros.
2. Organización de datos:
o Se utilizan tablas, gráficos y diagramas para estructurar los datos de manera que sean fáciles de interpretar.
3. Medidas de centralización:
o Representa un resumen de la colección de números.
 Media truncada: Para una colección finita de elementos se llama media truncada de orden:

Mediana muestral : Dada una colección finita de elementos la

mediana muestral 􀁐 es el valor

central, entendiendo como tal el valor si n es impar y M =

si n es par.

Moda: Valor o valores que aparecen con mayor frecuencia.

4. Medidas de dispersión:
o Indican cómo se distribuyen los datos alrededor de la tendencia central.
  Rango: Diferencia entre el valor máximo y el mínimo.
 Varianza: Mide la variabilidad de los datos.
 Desviación estándar: Raíz cuadrada de la varianza, indica la dispersión promedio respecto a la
media.
5. Representación gráfica:
o Se utilizan gráficos para visualizar los datos de manera intuitiva.
 Histogramas.
 Gráficos de barras.
 Diagramas de caja y bigotes.
 Polígonos de frecuencias.

1.4 ESTADISTICA INFERENCIAL

Se llama estadística inferencial o inferencia estadística a la rama de la estadística encargada de hacer deducciones,
es decir, inferir propiedades, conclusiones y tendencias, a partir de una muestra del conjunto. Su papel es
interpretar, hacer proyecciones y comparaciones. Es sumamente útil en el análisis de poblaciones y tendencias, para
hacerse una idea posible de las acciones y reacciones de la misma de cara a condiciones específicas. Esto no significa
que se las pueda predecir fielmente, ni que estemos en presencia de una ciencia exacta, pero si de una
aproximación posible al resultado final.

1. Estimación de parámetro:
 Se usa una muestra para estimar valores desconocidos de una población.
 Estimación puntual: Proporciona un único valor como mejor estimación del parámetro
poblacional.
 Estimación por intervalo (Intervalo de confianza): Determina un rango de valores dentro del cual
es probable que se encuentre el parámetro poblacional
2. Pruebas de hipótesis
 Se formulan suposiciones sobre una población y se evalúan mediante datos muestrales.
Hipótesis nula (H0H_0H0): Afirma que no hay diferencia o efecto significativo.
 Hipótesis alternativa (H1H_1H1): Indica que existe una diferencia o efecto significativo.
 Se utilizan pruebas estadísticas (como t de Student, chi-cuadrado, ANOVA) para aceptar o
rechazar la hipótesis nula.
3. Regresión y correlación
 Regresión: Modela la relación entre variables y permite hacer predicciones.
 Correlación: Mide la intensidad y dirección de la relación entre dos variables.
4. Análisis de varianza (ANOVA)
  Compara medias de múltiples grupos para determinar si existen diferencias significativas entre
ellos.

1.5 BREVE INTRODUCCION A LA INFERENCIA ESTADISTICA

Es la rama de la estadística que permite extraer conclusiones sobre una población a partir de una muestra de datos.
Utiliza métodos probabilísticos para estimar parámetros desconocidos y evaluar hipótesis con cierto margen de error.

Sus principales técnicas incluyen la estimación de parámetros, las pruebas de hipótesis, el análisis de regresión y el
análisis de varianza (ANOVA). Se aplica en diversas áreas como la economía, la medicina y la investigación científica,
permitiendo tomar decisiones fundamentadas en datos.

1.6 TEORIA DE DECISION EN ESTADISTICA

Es la ciencia que estudia como tomar decisiones optimas en situaciones de incertidumbre. En el análisis estadístico, esta
teoría ayuda los riesgos y beneficios de cada decisión.

El cual el objetivo es proporcionar una metodología para analizar adecuadamente la información con la que se cuenta y
decidir de manera razonable sobre la mejor forma de actuar.

Elementos clave:
  Espacio de decisiones: Conjunto de opciones disponibles.
 Estados de la naturaleza: Posibles escenarios desconocidos.
 Matriz de pagos: Representa ganancias o pérdidas según la decisión tomada.
 Reglas de decisión: Métodos como minimax, máxima verosimilitud y criterio de Bayes para elegir la mejor
opción.

1.7 COMPONENTES DE UNA INVESTIGACIÓN ESTADISTICA

Una investigación estadística sigue una estructura específica para recolectar, analizar e interpretar datos con el fin de
responder preguntas o validar hipótesis.

Sus principales componentes son:

1. Planteamiento del problema

o Define la pregunta de investigación y su importancia.
o Ejemplo: ¿Cuál es la relación entre el ejercicio y el nivel de colesterol en adultos?
2. Población y muestra
o Población: Conjunto total de elementos a estudiar.
o Muestra: Subconjunto representativo de la población, seleccionado mediante técnicas
como muestreo aleatorio o estratificado.
3. Variables y tipos de datos
o Variables: Características que se medirán (ejemplo: edad, peso, nivel de colesterol).
o Datos cualitativos: Categóricos (ejemplo: género, tipo de ejercicio).
o Datos cuantitativos: Numéricos (ejemplo: altura, nivel de colesterol).
4. Recolección de datos
o Uso de encuestas, experimentos, observaciones o bases de datos.
5. Organización y presentación de datos
o Tablas de frecuencias, gráficos de barras, histogramas, diagramas de dispersión, entre
otros.
6. Análisis estadístico
o Estadística descriptiva: Media, mediana, moda, desviación estándar, etc.
o Estadística inferencial: Pruebas de hipótesis, regresión, análisis de varianza.
7. Interpretación de resultados
o Explicación de los hallazgos y su relación con la hipótesis.
8. Conclusiones y recomendaciones
o Resumen de los resultados y sugerencias para futuras investigaciones.
 9. Referencias y bibliografía
o Citas de estudios previos y metodologías utilizadas.

1.8 RECOLECCIÓN DE DATOS

La recolección de datos es el proceso de obtener información para su análisis en una investigación

estadística. Es fundamental para garantizar la validez y confiabilidad de los resultados.

METODOS DE DATOS:

1. Encuestas y cuestionarios
o Se aplican preguntas estructuradas a una muestra de la población.
o Pueden ser presenciales, telefónicas o en línea.
2. Observación directa
o Se registran datos sin intervención del investigador.
o Útil en estudios de comportamiento o fenómenos naturales.
3. Experimentos
o Se manipulan variables en un entorno controlado para medir su efecto.
o Ejemplo: Ensayos clínicos para probar medicamentos.
4. Registros y bases de datos
o Se utilizan datos históricos o administrativos, como censos o reportes financieros.
5. Entrevistas
o Se obtiene información mediante preguntas abiertas o estructuradas.
6. Muestreo de sensores y dispositivos
o Se emplean herramientas tecnológicas como sensores de temperatura o dispositivos
médicos.

TIPOS DE DATOS

 Datos cualitativos: Describen características o categorías (género, color de ojos).

 Datos cuantitativos: Son numéricos y medibles (edad, ingresos, temperatura).

1.9 ESTADÍSTICA PARAMETRICA (POBLACIÓN Y MUESTRA

ALEATORIA)
Es un enfoque en el que se supone que los datos siguen una distribución específica, como la
distribución normal, y se utilizan parámetros de esa distribución para hacer inferencias sobre la
población. En este tipo de estadística, se realiza un análisis basándose en la población y la
muestra aleatoria, asumiendo que los datos cumplen con ciertas condiciones.

1. Población
o La población es el conjunto completo de elementos que se desea estudiar o analizar.
o Puede ser finita o infinita, dependiendo del contexto de la investigación.
o Ejemplo: Todos los estudiantes de una universidad o todos los productos fabricados en
una planta.
2. Muestra Aleatoria
o Es un subconjunto representativo de la población, seleccionado de manera que todos
los elementos de la población tengan la misma probabilidad de ser elegidos.
o El muestreo aleatorio es crucial para garantizar que la muestra sea representativa y
que los resultados sean generalizables a la población.
o Ejemplo: Seleccionar aleatoriamente 100 estudiantes de una universidad para un
estudio.
3. Parámetros y Estimadores
o Parámetros: Son valores que describen una característica de la población (como la
media μ\mu, la desviación estándar σ\sigma o la varianza).
o Estimadores: Son valores calculados a partir de la muestra que se usan para estimar
los parámetros de la población.
 Ejemplo: La media muestral es un estimador de la media poblacional (μ\mu).
4. Distribuciones de Probabilidad
o En estadística paramétrica, se asume que los datos siguen una distribución específica,
generalmente una distribución normal.
o Se utilizan distribuciones como la normal, t de Student, chi-cuadrado, y F para hacer
inferencias sobre los parámetros de la población.
5. Pruebas de Hipótesis
o Se utilizan para probar si una hipótesis sobre un parámetro poblacional es verdadera o
falsa, basándose en los datos de la muestra.
o Ejemplo: Probar si la media de una población es igual a un valor específico utilizando
una prueba t de Student.
6. Intervalos de Confianza
 o En estadística paramétrica, los intervalos de confianza se calculan para estimar un
parámetro poblacional con un cierto nivel de certeza.
o Ejemplo: Estimar el rango en el que se encuentra la media de la población con un 95%
de confianza.

1.10 APLICACIONES

 Investigación médica: Evaluar la efectividad de un tratamiento o medicamento en una

población de pacientes.
 Psicología: Estudiar la relación entre variables psicológicas y de comportamiento.
 Economía: Analizar el impacto de políticas económicas sobre el crecimiento de un país.
 Ingeniería: Estimar las propiedades de materiales a partir de una muestra.

INFERENCIA ESTADISTICA

El modelo matemático de la Inferencia Estadística viene dado por una variable aleatoria a la que se
llama universo o población cuya función de distribución viene determinada por algún elemento de
una familia P de distribuciones de probabilidad.

La Estadística pretende elegir un elemento de entre una familia P de modelos de probabilidad, que
en la mayor parte de los casos es conocida excepto por un número limitado de parámetros
desconocidos, para responder a ¿son los datos consistentes con la familia P? Suponiendo que los
datos han sido obtenidos de uno de los modelos de P, ¿qué puede concluirse sobre los valores de
los parámetros desconocidos o acerca de los valores de observaciones extraídas del mismo
modelo?

Se puede decir que la Inferencia Estadística pretende, dados unos datos sujetos a incertidumbre,
obtener el conocimiento de los parámetros, en un sentido amplio, del modelo de Cálculo de
Probabilidades que aceptablemente se ajuste a dichos datos. En este sentido, la Inferencia
Estadística utiliza un razonamiento de tipo inductivo.

METODOS DE INFERENCIA ESTADISTICA

 ESTIMACION PUNTUAL

Se trata de determinar la distancia, o error máximo entre la estimación

puntual y el valor del parámetro que se desea estimar, con algún

nivel de certeza especificado.

ESTIMACION POR
INTERVALO

Con el valor del estimador se contruye un intervalo que contenga al valor

del parámetro que se desea estimar, con algún nivel de certeza

especificado.

Si donde Li y Ls son los limites inferior y superior del intervalo

Formula
Ejercicio

INTERVALOS DE
CONFIANZA
UNILATERALES

Es un rango de valores que estima

el limite superior o inferior de un parámetro. Se utiliza para aumentar la
precisión de una estimación cuando solo se requiere saber si un valor es
mayor o menor que un valor de corte.

 Tiene un margen de error mas pequeño que un intervalo de

confianza bilateral.
 Solo indica un parámetro mayor o menor que un valor de
corte
 No proporciona información sobre el parámetro en la
dirección opuesta.

Formula

PRUEBA DE

HIPOTESIS
Es un procedimiento estadístico que permite determinar si una afirmación
sobre una población es verdadera o no. Se basa en la comparación de dos
hipótesis opuestas: la hipótesis nula y la hipótesis alternativa.

PROPIEDADES DE LOS ESTIMADORES

Insesgado: un estimador insesgado es aquel cuya media o valor esperado

coincide con el parámetro que se quiere estimar.

Formula de la media poblacional

Eficiente: un estimador es más eficiente si tiene menor varianza.

Consistente: a medida que el tamaño de la muestra aumenta, su valor se
acerca al parámetro verdadero. Conforme la muestra crece, la probabilidad
de que el estimador esté muy cerca del verdadero valor del parámetro se
acerca a 1.

Formula de la media muestral

EJERCICIO

INFERENCIAS RELACIONADAS CON LA MEDIA

Procedimientos estadísticos que permiten estimar o tomar decisiones sobre

la media de una población.

 La muestra debe ser aleatoria

 La muestra debe ser aproximadamente normal
 ESTIMACION PUNTUAL DE LA MEDIA

Calculo que se realiza para aproximar el valor de la media de una

población. Se obtiene a partir de su muestra de la población y un estimador.

Valores:

Zo.1 = 1.28

Z0.05 = 1.645

Z0.025= 1.96

Z0.01= 2.33

Z0.005= 2.575

Formula:

Ejercicio

TAMAÑO DE LA MUESTRA

Permite saber cuantos individuos necesarios estudiar, para poder estimar

un parámetro determinado con el grado de confianza deseado, o el numero
necesario para poder detectar una determinada diferencia entre los grupos
de estudio, suponiendo que existiese realmente.
Formula

Ejercicio