Tema 1
Introducción a la
inferencia estadística
Objetivos
Comprender el comportamiento aleatorio de los
valores muestrales, así como el concepto de
estadístico como variable aleatoria.
Comprender y generar las distribuciones
muestrales de los estadísticos más habituales a
partir de diferentes muestras.
1.- Conceptos básicos.
2.- Introducción.
3.- Tipos de inferencias acerca de la población.
4.- Distribución de estadísticos en el muestreo.
5.- Determinación de la distribución muestral de
algunos estadísticos.
6.- Ejemplos.
1. Conceptos básicos
Conceptos básicos
Población
Es el conjunto de todos los elementos que comparten una o varias
características.
Muestra
Es un conjunto representativo de una determinada población.
(todos los elementos de una población han de tener la misma
probabilidad de ser elegidos).
Ahora, vamos a considerar a la muestra como el conjunto
formado por n variables aleatorias, todas ellas igualmente
distribuidas, y que pueden ser dependientes o independientes.
Parámetros Conceptos básicos
Son los diferentes índices (media, varianza, etc.) que permiten
describir una población.
Cada población tendrá un único índice descriptivo (una media,
una varianza, etc.).
Se designan por letras del alfabeto griego (media = µ, desviación
típica = s, proporción = p, etc.).
Estadísticos
Son los diferentes índices (media, varianza, etc.) que permiten
describir una muestra extraída de una población.
Por cada muestra extraída habrá un estadístico (una media, una
varianza, etc.) que puede ser diferente a los estadístico calculados
con las otras posibles muestras que se pueden extraer.
Se designan por letras del alfabeto latino.
2. Introducción
Introducción
Las poblaciones de interés para los psicólogos,
Si demasiado amplias à necesario utilizar la Estadística
Inferencial.
La Estadística Descriptiva sirve como un prerrequisito
necesario, para legitimar las generalizaciones sobre las
poblaciones usando datos de muestras.
Introducción
Cualquier estudio implica:
• Identificar una población.
• Seleccionar una muestra representativa.
• Obtener datos de esa muestra.
• Realizar análisis estadísticos apropiados.
• Hacer inferencias acerca de toda la población a
partir de la que se seleccionó la muestra.
Introducción
Las muestras que se extraen de las poblaciones deben ser
representativas, a fin de juzgar la validez de las inferencias
que se realizan.
Métodos más recomendables: muestreo aleatorio y el
sistemático.
3. Tipos de inferencia
acerca de la población
Tipos de inferencia acerca de la población
Pueden clasificarse en tres categorías:
1) Estimación puntual de parámetros
ü Consiste en estimar los valores de los parámetros
poblacionales. Cualquier estadístico calculado para producir
una estimación del parámetro correspondiente recibe el
nombre de estimador puntual.
ü Error de muestreo: diferencia entre el valor OBTENIDO (para
la muestra) y el ESTIMADO (para la población).
ü A mayor muestra, menor error de muestreo (si lo demás no
cambia y la muestra es representativa).
Tipos de inferencia acerca de la población
2) Estimación por intervalos o cálculo de
intervalos de confianza
• Un estimador puntual no resulta suficientemente informativo
ya que no indica la proximidad al parámetro real.
• Esta información la proporciona el intervalo de confianza,
• IC àConjunto de valores con una probabilidad conocida de
contener el verdadero valor del parámetro.
3) Contraste de hipótesis
Evalúa la probabilidad de obtener ciertos tipos de resultados
muestrales cuando se emplean determinadas condiciones
poblacionales.
4. Distribución de
estadísticos
en el muestreo
La inferencia estadística es un tipo de razonamiento
que procede de lo concreto (muestra) a lo general
(población)
Intenta extraer conclusiones sobre los parámetros, a
partir de la información contenida en los estadísticos
de una muestra procedente de esa población.
Basándose en el conocimiento de la variabilidad
mostrada por un estadístico, de una muestra a
otra, (cómo un estadístico se comporta en las
distintas muestras que es posible extraer de una
población).
Concepto de distribución muestral
Distribución Muestral: “distribución teórica que
asigna una probabilidad concreta a cada uno de los
valores que puede tomar un estadístico en todas las
muestras, del mismo tamaño, que es posible extraer
de una determinada población.”
Un estadístico en una distribución muestral es una
variable aleatoria (los valores que pueda tomar en
todas las muestras, serán los valores posibles de dicha
variable).
Tiene una distribución teórica a la que se aproxima.
La media y la varianza de una distribución muestral
Una distribución muestral queda bien caracterizada,
mediante su media y desviación típica.
Cuando se trabaja con distribuciones muestrales, es
habitual utilizar la desviación típica, en vez de la
varianza, refiriéndose a ella como error típico.
La media y la varianza de una distribución muestral
Distribución muestral de la media
Un caso concreto
Supongamos que estamos trabajando con una población
formada por cinco puntuaciones. Tenemos, por tanto:
N=5
X ={1, 2, 3, 4, 5}
Media = 3
Varianza = 2
åX 5 + 4 + 3 + 2 +1
µ= i
= =3
N 5
å (X - µ ) å X 5 + 4 + 3 + 2 +1
2 2 2 2 2 2 2
σ =
2 i
= i
-µ =
2
-3 = 2
2
N N 5
La media y la varianza de una distribución muestral
Esto mismo se puede expresar en términos
probabilísticos, de modo que tendremos una V.A. cuya
distribución de probabilidad será:
x 1 2 3 4 5
f(x) 1/5 1/5 1/5 1/5 1/5
•Media y desviación típica de la distribución de
probabilidad de la población
1
E(x) = å x i × f(x i ) = (1 + 2 + 3 + 4 + 5) × = 3
5
é 2 1ù 2
var(x) = å x i × f(x i ) - [E(x )] = ê(1 + 2 + 3 + 4 + 5 ) × ú - 3 = 2
2 2 2 2 2 2
ë 5û
Si de esta población extraemos todas las posibles muestras
binarias, sabemos que tenemos: 25 muestras distintas, las
cuales son equiprobables.
Si ahora calculamos la media aritmética en cada una de las
25 muestras veremos puede tomar distintos valores a lo largo
de las posibles muestras y unos valores tienen mayor
probabilidad de aparición que otros.
La media aritmética es, por consiguiente una variable
aleatoria, y el conjunto formado por sus posibles valores y la
correspondiente probabilidad asociada es lo que llamamos
distribución muestral de la media.
La media y la varianza de una distribución muestral
muestra Valores Media muestra valores Media
1 1,1 1,0 14 3,4 3,5
2 1,2 1,5 15 3,5 4,0
3 1,3 2,0 16 4,1 2,5
4 1,4 2,5 17 4,2 3,0
5 1,5 3,0 18 4,3 3,5
6 2,1 1,5 19 4,4 4,0
7 2,2 2,0 20 4,5 4,5
8 2,3 2,5 21 5,1 3,0
9 2,4 3,0 22 5,2 3,5
10 2,5 3,5 23 5.3 4,0
11 3,1 2,0 24 5,4 4,5
12 3,2 2,5 25 5,5 5,0
13 3,3 3,0
La media y la varianza de una distribución muestral
La tabla anterior puede resumirse en:
Número de Media f(xi)
Muestras (Xi)
1 1,0 1/25
2 1,5 2/25
3 2,0 3/25
4 2,5 4/25
5 3,0 5/25
4 3,5 4/25
3 4,0 3/25
2 4,5 2/25
1 5,0 1/25
La media y la varianza de una distribución muestral
Si calculamos la media y la varianza de esta distribución,
tenemos:
E(x) = å x f ( x ) =
i i
1 2 3 4 5 4 3 2 1
(1 + 1,5 + 2 + 2,5 + 3 + 3,5 + 4 + 4,5 + 5 ) = 3
25 25 25 25 25 25 25 25 25
var(x) = å x × f(x ) - [E(x )] =
2 2
i i
é 1 2 3 4 5 4 3 2 1 ù
êë(1 25 + 1,5 25 + 2 25 + 2,5 25 + 3 25 + 3,5 25 + 4 25 + 4,5 25 + 5 25)úû - 3 = 1
2 2 2 2 2 2 2 2 2 2
La media y la varianza de una distribución muestral
Si representamos gráficamente la distribución, tenemos:
1 1,5 2 2,5 3 3,5 4 4,5 5
5. Determinación de la
distribución muestral de
algunos estadísticos
Distribución muestral de la media
Sean X1, X2,…, Xn, variables independientes e igualmente
distribuidas (cualquiera que sea su distribución), con
parámetros µ y s, ambos finitos, así:
(
!" → $(&, )
√*
Es decir, la distribución muestral de la media, es una
distribución normal.
Distribución muestral de algunos estadísticos
Bajo las mismas circunstancias, la variable tipificada:
Así, se puede utilizar la distribución normal
estandarizadapara conocer las probabilidades
asociadas a los distintos valores del estadístico X en
su distribución muestral.
El error típico y el tamaño muestral se encuentran
íntimamente relacionados: conforme aumenta el
tamaño muestral, disminuye el error típico.
Conforme la variabilidad tiende a 0, los posibles
valores que tome el estadístico X se parecerán cada
vez más a su valor esperado µ
Si el parámetro s es desconocido:
X -µ X -µ
Z= ~ =Z= à tn-1
S/ n S / n -1
Si el parámetro s es desconocido pero n ³ 100:
X -µ
Z= à N(0, 1)
s/ n
Distribución muestral de lavarianza
Existen dos tipos de varianza:
å X 2 å X - (X ) 2
la sesgada - ( X ) y la insesgada n - 1
2
2
n
Ambas tienen una distribución idéntica pero no es
una distribución conocida. Para que sigan una
distribución conocida es necesario transformarlas:
~2
2 nS (n - 1)S
2
X = 2 = à c 2
n -1
s s 2
Si n > 30, entonces:
Z=
(nS 2 / s 2 ) - (n - 1)
=
[ ~
(n - 1)S 2
]
/ s 2 ) - (n - 1)
à N(0,1)
2(n - 1) 2(n - 1)
Distribución muestral de algunos estadísticos
Distribución muestral de la proporción
El estadístico “proporción de éxitos en n extracciones”
à p = X/N, con X = Nº éxitos en las n extracciones, se
distribuye según una Binomial (n, p) con E(p) = p y
s(p) = p (1 - p )
n
6. Ejemplos
Ejemplos
EJEMPLO (1) PARA LA DISTRIBUCIÓN MUESTRAL DE LA MEDIA
Supongamos que la población de estudiantes de Psicología
se distribuye normalmente, N(100,15) en una escala de
empatía. Si extraemos una muestra aleatoria de 100
estudiantes, indicar: ¿cuál es la probabilidad de obtener
una media de 103 o mayor?.
X - µ 103 - 100
Z= = = 2 à N(0,1).
s / n 15 / 100
Mirando en las tablas de la Normal estandarizada, P(Z ³ 2) =
0.0228 .
Por lo que es muy poco probable que en una muestra de
100 estudiantes podamos obtener una media de 103 o
mayor.
Ejemplos
EJEMPLO (2) PARA LA DISTRIBUCIÓN MUESTRAL DE LA MEDIA
La media del CI (Cociente Intelectual) de la población masculina de una
universidad es 110 y su desviación típica es de 16. Si se extrae una
muestra aleatoria de 16 estudiantes ¿cuál es la probabilidad de que la
media de la muestra esté más o menos 6 puntos de la media de la
población?
La media muestral des este ejemplo sigue: N(110, 16/4) .Si se quiere
determinar la probabilidad de que la media de la muestra esté en un
intervalo de ± 6 puntos de la media poblacional, es decir, entre 104 y 116,
y sabiendo que la distribución muestral de la media es normal, hallaremos
las puntuaciones típicas correspondientes a estos valores (ver próxima
diapositiva).
Ejemplos
EJEMPLO (2) PARA LA DISTRIBUCIÓN MUESTRAL DE LA MEDIA
æ ö æ ö
ç 116 - 110 ÷ ç 104 - 110 ÷
P(104 < X < 116) = Pç z £
16 ÷ - Pç z £ 16 ÷ = P(z = 1,5) - P(z = -1,5) = 0,9332 - 0,0668 = 0,8664
ç ÷ ç ÷
è 16 ø è 16 ø
La probabilidad de que la media de
la muestra esté entre 104 y 116 (± 6
puntos la media poblacional) será de
0,8664.
0.8664
104 116
Z = -1,5 Z = 1,5
Ejemplos
EJEMPLO PARA LA DISTRIBUCIÓN MUESTRAL DE LA MEDIA CON s
DESCONOCIDA
Supongamos que la población de estudiantes de Arquitectura
se distribuye en una escala de razonamiento abstracto
mediante una N(100, s). Si extraemos una muestra aleatoria
de 20 estudiantes y se obtiene una desviación típica
insesgada de 19,5, indicar cuál será la probabilidad de
obtener una media de 103 o mayor.
X - µ 103 - 100
T=~ = = 0,688 à t19
S / n 19,5 / 20
Buscando en la tabla t de Student, con 19 gl. P(T³ 0,688) ~
0.25
Ejemplos
EJEMPLO PARA LA DISTRIBUCIÓN MUESTRAL DE LA VARIANZA
Un psicólogo utiliza una prueba diseñada por él para evaluar la
capacidad de atención en niños hiperactivos de 6-8 años. Con
esta prueba, las puntuaciones de los niños siguen una N(17.6,
6). Para mejorar la discriminación de la prueba, el psicólogo
modifica algunos aspectos y aplica la prueba modificada a una
muestra aleatoria de 30 niños de esas edades. En los
resultados obtiene una media de 17.2 y una varianza de 9.5.
Indicar cuál es la probabilidad de obtener varianzas como la
obtenida o mayores.
Ejemplos
nS 2 30 × 9,5
X =
2
= = 47,5 à c 2
s2
29
6
Buscamos en las tablas de Chi-cuadrado, con esos
grados de libertad: P(X2 ³ 47,5) ~ 0.02.
Por lo que existe una probabilidad muy pequeña
(<0.02) de obtener varianzas de 9.5 o mayores.
Ejemplos
EJEMPLO PARA LA DISTRIBUCIÓN MUESTRAL DE LA
PROPORCION
Consideremos la población de pacientes depresivos
de un hospital formada por un 30% de hombres y un
70% de mujeres. Si de esa población extraemos
aleatoriamente una muestra de 10 personas, ¿cuál
será la probabilidad de que en la muestra aparezcan
más de 8 mujeres?
Siendo p la probabilidad de ser mujer y X el número
de mujeres aparecidas en una muestra de 10
personas, con p = 0.7, mirando las tablas de la
binomial obtenemos que:
P(X > 8 ) = 1 – 0.851 = 0.149
