5/24/2018 Definici n de Estad stica Inferencial
1/3
DEFINICIN DE ESTADSTICA INFERENCIAL
De acuerdo con el diccionario de la Real Academia Espaola,
inferir significa "sacar una
consecuencia o deducir algo de otra cosa".
El principal objetivo de la Estadstica consiste en poder decir
algo con respecto a un gran conjunto
de personas, mediciones u otros entes (poblacin) con base en las
observaciones hechas sobre
slo una parte (muestra) de dicho gran conjunto. La capacidad
para "decir algo" sobre poblaciones
con base en muestras est basada en supuestos con respecto a algn
modelo de probabilidad que
permite explicar las caractersticas del fenmeno bajo
observacin.
Al conjunto de procedimientos estadsticos en los que interviene
la aplicacin de modelos de
probabilidad y mediante los cuales se realiza alguna afirmacin
sobre poblaciones con base en la
informacin producida por muestras se le llama Inferencia
Estadstica o Estadstica Inferencial.
Sin entrar demasiado en detalles, te comento que el proceso de
inferencia estadstica consiste en
poder hacer afirmaciones sobre las caractersticas de una
poblacin, a las cuales llamamosparmetros, con base en informacin
observada nicamente en un pequeo subconjunto de la
poblacin, llamado muestra.
De manera general, podemos hacer inferencia estadstica
mediante:
Estimacin de parmetros, que puede ser puntual (un slo valor) o
por intervalo(intervalos de confianza). En este tipo de inferencia
obtenemos, a partir de mediciones en
la muestra, un estadstico o valor que aproxima el verdadero
valor del parmetro.
Contraste de hiptesis. Aqu hacemos una afirmacin sobre uno o ms
parmetros, yluego concluimos si lo observado en la muestra
contradice o no tal afirmacin.
Elaboracin de modelos. Podramos considerar que este modo de
inferencia combina losdos tipos anteriores, ya que en l se
establece de qu tipo son las relaciones entre
distintas variables que participan en un fenmeno, y con base en
estimaciones puntuales y
contraste de hiptesis valoramos dichas relaciones.
ESTADSTICA PARAMTRICA Y NO PARAMTRICA
La Estadstica no paramtrica es una rama de la Estadstica que
estudia las pruebas y modelos
estadsticos cuya distribucin subyacente no se ajusta a los
llamados criterios paramtricos. Su
distribucin no puede ser definida a priori, pues son los datos
observados los que la determinan.La utilizacin de estos mtodos se
hace recomendable cuando no se puede asumir que los datos
se ajusten a una distribucin normal o cuando el nivel de medida
empleado no sea, como mnimo,
de intervalo. Las principales pruebas no paramtricas son las
siguientes:
Prueba de chi-cuadrado Prueba binomial Prueba de
Anderson-Darling
Prueba de Cochran Prueba de Cohen kappa Prueba de Fisher
5/24/2018 Definici n de Estad stica Inferencial
2/3
Prueba de Friedman Prueba de Kendall Prueba de
Kolmogorov-Smirnov Prueba de Kruskal-Wallis Prueba de Kuiper
Prueba de Mann-Whitney o pruebade Wilcoxon
Prueba de McNemar
Prueba de la mediana Prueba de Siegel-Tukey Coeficiente de
correlacin de
Spearman
Tablas de contingencia
Prueba de Wald-Wolfowitz Prueba de los signos de Wilcoxon
Estadstica paramtrica, es la que requiere que los elementos que
integran las muestras
contengan elementos parmetros o medibles.
La estadstica paramtrica clsica plantea tres tipos de problemas:
Estimacin puntual en la que pretendemos dar un valor al parmetro a
estimar. Estimacin por intervalos (buscamos un intervalo de
confianza). Contrastes de hiptesis donde buscamos contrastar
informacin acerca del parmetro.
Las principales pruebas paramtricas son las siguientes:
Prueba del valor Z de la distribucin normal Prueba T de Student
para datos relacionados (muestras dependientes) Prueba T de Student
para datos no relacionados (muestras independientes) Prueba T de
Student-Welch para dos muestras independientes con varianzas no
homogneas
Prueba de ji cuadrada de Bartlett para demostrar la homogeneidad
de varianzas Prueba F (anlisis de varianza o ANOVA)
