Unidad 4: Estadstica Inferencial

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.

4.1 Inferencia estadstica

La Inferencia Estadstica, que actualmente se conoce con el nombre de Estadstica terica o matemtica, en contraposicin con la Estadstica Descriptiva, permitir obtener aquellos valores medios de los valores de las variables psicolgicas a las que nos hemos referido (adems de otras caractersticas de los elementos del conjunto que se intenta describir); pero el origen de la Estadstica Terica se encuentra en el Clculo de Probabilidades, que acabamos de contemplar. El objeto esencial de la Estadstica es el de inferir resultados vlidos, para un conjunto o poblacin a partir de las observaciones realizadas en una parte, subconjunto o muestra de dicha poblacin. Si, por ejemplo, se quiere conocer la cifra de espaoles que trabajan en alguna actividad productiva (poblacin activa), se puede seleccionar un subconjunto (muestra) de la poblacin total espaola y, una vez consultados sobre su actividad, los mtodos estadsticos permiten estimar la cifra que interesa conocer, con unos resultados cuya fiabilidad o exactitud se mide en trminos de probabilidad. La estimacin constituye, precisamente, el problema esencial de la inferencia estadstica, que presenta distintas modalidades; pero a este problema esencial de la inferencia hay que aadirle el de la contrastacin de hiptesis estadsticas para completar el cuadro de la Teora de la Inferencia. Si, por ejemplo, un comerciante acepta un pedido de fbrica solamente en el caso de que reciba un 5 por 100 de piezas defectuosas, deber seleccionar una parte o muestra representativa de la mercanca recibida y comprobar la bondad de cada pieza seleccionada; con tales resultados los mtodos estadsticos en que se basa el control de calidad permiten formular una conclusin sobre la aceptacin o el rechazo del lote de mercanca, que tambin vendr precisada en trminos de probabilidad. El rigor matemtico con el que se resuelve el problema de la contrastacin de hiptesis ha sido un potente motor para desarrollar los campos de las ciencias experimentales y de todas las que basan sus teoras en la observacin emprica de la realidad. Cuando los psiclogos construan teora sin hechos -como dira Simiand refirindose a los economistas- podan llegar a conclusiones tericamente aceptables pero poco o nada realistas, al no haber contrastado por mtodos estadsticos sus hiptesis bsicas de trabajo, que fundamentaban la teora que haba sido desarrollada.

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.

4.2 Muestreo estadstico

En estadstica un muestreo es la tcnica para la seleccin de una muestra a partir de una poblacin. En el muestreo, si el tamao de la muestra es ms pequeo que el tamao de la poblacin, se puede extraer dos o ms muestras de la misma poblacin. Al conjunto de muestras que se pueden obtener de la poblacin se denomina espacio muestral. La variable que asocia a cada muestra su probabilidad de extraccin. El muestreo: es una herramienta de la investigacin cientfica. Su funcin bsica es determinar que parte de una realidad en estudio (poblacin o universo) debe examinarse con la finalidad de hacer inferencias sobre dicha poblacin El Muestreo es ms que el procedimiento empleado para obtener una o ms muestras de una poblacin; el muestreo es una tcnica que sirve para obtener una o ms muestras de poblacin. Este se realiza una vez que se ha establecido un marco muestral representativo de la poblacin, se procede a la seleccin de los elementos de la muestra aunque hay muchos diseos de la muestra. Al tomar varias muestras de una poblacin, las estadsticas que calculamos para cada muestra no necesariamente seran iguales, y lo ms probable es que variaran de una muestra a otra.

Tcnicas de seleccin del muestreo a travs del muestreo estadstico

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:

Basados en el juicio de una persona Seleccin aleatoria (al azar).

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).

4.4 Estimacin puntual

Una estimacin puntual del valor de un parmetro poblacional desconocido (como puede ser la media , o la desviacin estndar ), es un nmero que se utiliza para aproximar el verdadero valor de dicho parmetro poblacional. A fin de realizar tal estimacin, tomaremos una muestra de la poblacin y calcularemos el parmetro muestral asociado (x para la media, s para la desviacin estndar, etc.). El valor de este parmetro muestral ser la estimacin puntual delparmetro poblacional. Por ejemplo, supongamos que la compaa Sonytron desea estimar la edad media de los compradores de equipos de alta fidelidad. Seleccionan una muestra de 100 compradores y calculan la media de esta muestra, este valor ser un estimador puntual de la media de la poblacin. Propiedades de un buen estimador Insesgado: Un estimador es insesgado cuando la media de su distribucin muestral asociada coincide con la media de la poblacin. Esto ocurre, por ejemplo, con el estimador x, ya que = x y con estimador p ya que p p =

 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 .