Escolar Documentos
Profissional Documentos
Cultura Documentos
La estadstica inferencial es una parte de la estadstica que comprende los mtodos y procedimientos que por medio de la induccin determina propiedades de una poblacin estadstica, a partir de una pequea parte de la misma. La estadstica inferencial comprende como aspectos importantes:
La toma de muestras o muestreo. La estimacin de parmetros o variables estadsticas. El contraste de hiptesis. El diseo experimental. La inferencia bayesiana. Los mtodos no paramtricos.
Los modelos matemticos que utiliza la inferencia estadstica han sido tomados, en general, de los que estudiaba el antiguo Clculo de Probabilidades y pueden hacer referencia a la estimacin de caractersticas poblacionales (totales, proporciones, promedios) o a los parmetros ratios que establecen las relaciones funcionales entre dos o ms variables estadsticas (relacin entre la edad mental y la cronolgica, para el clculo del cociente intelectual del individuo, por ejemplo). El segundo problema se conoce en la terminologa estadstica con el nombre de teora de la regresin y los propios economistas (psiclogos) han ampliado las posibilidades de dicha teora estimando no una ecuacin, sino un sistema de ecuaciones simultneas que pueden describir, conjuntamente, el funcionamiento de una economa nacional (o de un sistema psicolgico). Estos sistemas se denominan modelos economtricos (modelos psicomtricos), que se han utilizado despus en otros campos cientficos con el nombre genrico de modelos matemticos. El gran problema de la inferencia estadstica es, para Mood, el de proporcionar medidas de la incertidumbre de las conclusiones obtenidas a partir de los datos experimentales , de donde se intuye la extensa lista de posibilidades de aplicacin de la ESTADSTICA MATEMTICA; es decir, todos los problemas de la tecnologa y de las ciencias sociales en los que es posible medir los resultados conseguidos al concluir cada experimento aislado, si puede concebirse ilimitada la serie a la que pertenece cada uno de dichos experimentos. Dentro de la Inferencia Estadstica se presentan dos problemas esenciales: los de la estimacin y de la contrastacin de hiptesis. El primer problema consiste en inferir resultados vlidos para un conjunto o poblacin a partir de las observaciones realizadas en una parte, subconjuntos o muestra representativa de dicha poblacin o universo y, utilizando los mtodos estadsticos, estimar la cifra que interese. Los mtodos de muestreo resuelven en la prctica el problema de la estimacin, pero en los manuales corrientes de Estadstica esta tcnica se refiere a poblaciones infinitas, lo que facilita el tratamiento terico, pero sus resultados no son aplicables directamente al tratar de inferir estimaciones vlidas a partir de una muestra correspondiente a poblaciones finitas. La contrastacin de hiptesis estadsticas constituye la aportacin ms fecunda de los mtodos estadstico-matemticos para aceptar o rechazar hiptesis y teoras en cualquier campo cientfico que hayan de contrastarse con la realidad, o tambin para resolver problemas menos cientficos pero de indudable valor prctico, cual es el caso de muchos de los que se plantean en la Psicologa. Ahora bien, seala R. Bays que las investigaciones de Skinner, Pavlov y Bernard poseen algunos rasgos comunes que no queremos dejar de sealar. Uno de los ms interesantes es, a mi juicio, el de que todos estos investigadores ponen su nfasis en la consecucin de un control experimental riguroso al tiempo que prescinden del llamado control estadstico. Para algunos estudiantes de Psicologa, acostumbrados a un ambiente en el cual la Estadstica (adems de ser una asignatura frecuentemente difcil de superar en las Facultades) es contemplada como una especie de dios severo que juzga inexorablemente sobre la significacin de los datos y la representatividad de las muestras, puede parecer casi milagroso que Pavlov utilizando unos cuantos perros y un nico reflejo, o que
Skinner, con un nmero muy reducido de ratas y la respuesta de apretar una palanca, y habiendo elegido estos elementos atendiendo a motivos de conveniencia y sin tener en cuenta exigencia muestral alguna, consiguieran descubrimientos generalizables no slo al mismo reflejo en todos los perros o a la conducta de apretar la palanca en todas los roedores de la misma cepa, sino a todos los organismos individuales de gran nmero de especies distintas en cualquier respuesta refleja u operante, segn el caso. De todas formas, si lo pensamos, el hecho es coherente con el enfoque que hemos presentado y nada tiene de extraordinario. En efecto, si descubrimos una relacin funcional real entre un aspecto del ambiente y un aspecto de la conducta, debemos poder observar esta relacin por lo menos en todos y cada uno de los ejemplares de la especie, ya que, de lo contrario, esto significara, o bien que algunos individuos estaran sometidos a leyes distintas a los dems, o bien que dichas leyes serian variables. En un enfoque verdaderamente experimental no es suficiente que se demuestre que determinada variable ambiental tiene influencia sobre la media de un grupo, sino que es imprescindible que pueda demostrarse que cada cambio ambiental similar produce una alteracin similar en la conducta de cada organismo. Cuando se observan diferencias conductuales ante el mismo tratamiento de variable independiente, debe efectuarse un anlisis para averiguar cul o cules son los factores responsables de la diferencia. No pueden existir excepciones; una ley conductual que no rigiera para algn organismo no sera, propiamente hablando, una ley conductual. Si la ley es tal ley y se hallan diferencias, debe existir una causa para que se produzcan tales diferencias; encontrarla es una tarea tpicamente experimental, de la que puede servir de ejemplo una de las investigaciones de Sidman.
Muestreo probabilstico: Forman parte de este tipo de muestreo todos aquellos mtodos para los que puede calcularse la probabilidad de extraccin de cualquiera de las muestras posibles. Este conjunto de tcnicas de muestreo es el ms aconsejable, aunque en ocasiones no es posible optar por l. Muestreo estratificado: Consiste en la divisin previa de la poblacin de estudio en grupos o clases que se suponen homogneos respecto a caracterstica a estudiar. A cada uno de estos estratos se le asignara una cuota que determinara el nmero de miembros del mismo que compondrn la muestra. Muestreo sistemtico: Es la eleccin de una muestra a partir de los elementos de una lista segn un orden determinado, o recorriendo la lista a partir de un nmero aleatorio determinado. Muestreo por conglomerados: Cuando la poblacin se encuentra dividida, de manera natural, en grupos que se suponen que contienen toda la variabilidad de la poblacin, es decir, la representan fielmente respecto a la caracterstica a elegir, pueden seleccionarse slo algunos de estos grupos o conglomerados para la realizacin del estudio. Muestreo errtico: Tambin se llama sin norma. La muestra se realiza de cualquier forma, valorando nicamente la comodidad o la oportunidad en trminos de costes, tiempo u otro factor no estadstico.
Al realizar un muestreo en una poblacin podemos hablar de muestreos probabilsticas y no probabilsticas, entre estas tcnicas o procedimientos estn:
Muestreo simple: Este tipo de muestreo toma solamente una muestra de una poblacin dada para el propsito de inferencia estadstica. Puesto que solamente una muestra es tomada, el tamao de muestra debe ser los suficientemente grandes para extraer una conclusin. Una muestra grande muchas veces cuesta demasiado dinero y tiempo. Muestreo aleatorio simple: Es aquel en que cada elemento de la poblacin tiene la misma probabilidad de ser seleccionado para integrar la muestra. Una muestra simple aleatoria es aquella en que sus elementos son seleccionados mediante el muestreo aleatorio simple.
Ejemplo: De modo que una muestra simple aleatoria se puede interpretar como un conjunto de valores de variables aleatorias independientes, cada una de las cuales tiene la misma distribucin que es llamada distribucin poblacin. Existen dos formas de extraer una muestra de una poblacin: con reposicin y sin reposicin.
Muestreo doble: cuando el resultado del estudio de la primera muestra no es decisivo, una segunda muestra es extrada de la misma poblacin. Las dos muestras son combinadas para analizar los resultados. Este mtodo permite a una persona principiar con una muestra relativamente pequea para ahorrar costos y tiempo. Si la primera muestra arroja una resultado definitivo, la segunda muestra puede no necesitarse.
Muestreo mltiple: El procedimiento bajo este mtodo es similar al expuesto en el muestreo doble, excepto que el nmero de muestras sucesivas requerido para llegar a una decisin es ms de dos muestras. Mtodos de muestreo clasificados de acuerdo con las maneras usadas en seleccionar los elementos de una muestra. Los elementos de una muestra pueden ser seleccionados de dos maneras diferentes:
Muestreo con reemplazo: Es aquel en que un elemento puede ser seleccionado ms de una vez en la muestra para ello se extrae un elemento de la poblacin se observa y se devuelve a la poblacin, por lo que de esta forma se pueden hacer infinitas extracciones de la poblacin aun siendo esta finita. Muestreo sin reemplazo: No se devuelve los elementos extrados a la poblacin hasta que no se hallan extrados todos los elementos de la poblacin que conforman la muestra.
4.3 Estimadores
En estadstica, un estimador es un estadstico (esto es, una funcin de la muestra) usado para estimar un parmetro desconocido de la poblacin. Por ejemplo, si se desea conocer el precio medio de un artculo (el parmetro desconocido) se recogern observaciones del precio de dicho artculo en diversos establecimientos (la muestra) y la media aritmtica de las observaciones puede utilizarse como estimador del precio medio. Para cada parmetro pueden existir varios estimadores diferentes. En general, escogeremos el estimador que posea mejores propiedades que los restantes, como insesgadez, eficiencia, convergencia y robustez (consistencia).
De varianza mnima: La variabilidad de un estimador viene determinada por el cuadrado de su desviacin estndar. En el caso del estimador x , su desviacin estndar es x n = , tambin llamada error estndar de .