Capı́tulo 6

Introducción a la Inferencia Estadı́stica

6.1. Conceptos generales

De ahora en adelante, vamos a dedicarnos a analizar problemas cuyo objetivo es averiguar algo ac-
erca de las propiedades de un grupo grande de observaciones a partir de la información proporcionada
por un subconjunto del mismo relativamente pequeño.

Definiciones
Población Es el conjunto de referencia sobre el que recaen las observaciones.

Censo Lo realiza el investigador cuando toma información de todos y cada uno de los elementos de
la población.
No siempre es posible realizar un censo, ya que

1. El estudio puede llevar consigo la destrucción del elemento (ensayos destructivos).

Por ejemplo, si para determinar la resistencia de los elementos de una partida es necesaria
una prueba destructiva, se tendrá que escoger un subconjunto representativo.
2. Los elementos pueden existir conceptualmente, no realmente. Por ejemplo, la población
de piezas defectuosas que producirá una máquina.
3. El estudio puede ser económicamente inviable.

En estos casos se seleciona una muestra.

Muestra Subconjunto de elementos de la población.

Tamaño de la muestra Número de elementos seleccionados.

Inferencia estadı́stica Metodologı́a utilizada para hacer referencias, predicciones y generaliza-

ciones sobre la población estadı́stica, basandose sólo en la información contenida en la muestra.

133
134

Los procedimientos de inferencia se pueden clasificar

Respecto al objetivo
• Paramétricos
Procedimientos que suponen los datos provenientes de una distribución conocida
( Normal,Poisson,...) cuyo(s) parámetro(s) es(son) desconocido(s) y se desea(n)
estimar.
Ejemplo: F (x) ≡ N(µ, σ) µ? σ?
• No paramétricos
Estos no suponen conocida la distribución. Introducen hipótesis generales sobre ella
(absolutamente continua, simétrica,...), y se utilizan para comprobar si las hipótesis
hechas con el enfoque paramétrico no son contradictorias con la muestra.
Respecto a la información utilizada
• Clásicos
Procedimientos que suponen que los parámetros son cantidades fijas desconocidas y
que la única información que existe de ellos está contenida en la muestra. (En este
curso se seguirá el enfoque clásico)
• Bayesianos
Consideran los parámetros variables aleatorias y permiten introducir información so-
bre ellos a través de una distribución a priori.

Los procedimentos de inferencia se aplican en dos áreas

Estimación de parámetros.
Pruebas de hipótesis.

6.2. Introducción al muestreo

El objetivo, al extraer una muestra de una población, es hacer afirmaciones que tengan validez
sobre toda la población; por tanto es importante que dicha muestra sea lo más representativa posible.
Existen distintos procedimientos de muestreo dependiendo del tipo de población (su grado de
homogeneidad, composición, si los elementos estan ordenados,... ). La regla general en todos ellos es
utilizar cualquier información previa para subdividir la población y asegurar la representatividad de
la muestra.

Muestreo aleatorio simple. Es el más importante y el que más se utiliza cuando los elementos de
la población son homogéneos. Se estudiará en el siguiente apartado.

Muestreo estratificado. Se utiliza en encuestas de opinión donde los elementos son heterogéneos
en razón de su sexo, edad, profesión, etc.
Interesa que la muestra tenga una composición análoga a la de la población y esto se consigue
mediante una muestra estratificada: los elementos de la población se dividen en clases o es-
tratos y la muestra se toma asignando un número determinado de miembros a cada estrato y
escogiendo por muestreo aleatorio simple dicho número dentro de cada estrato.
Capı́tulo – 6. Introducción a la Inferencia Estadı́stica 135

Muestreo sistemático Se utiliza cuando los elementos de la población estan ordenados en lista.
Dada una población de N elementos se desea tomar una muestra de tamaño n. Sea k el
N
entero más próximo a . La muestra sistemática se toma eligiendo al azar (con números
n
aleatorios) un primer elemento n1 entre los k primeros. A continuación se toman los elementos
n1 + k, n1 + 2k, · · · hasta completar la muestra.

Si el orden de los elementos en la lista es el azar, este procedimento es equivalente al

muestreo aleatorio simple.
Si el orden de la lista es tal que los elementos más próximos tienden a ser más semejantes
que los alejados, este muestreo tiende a ser más representativo que el muestreo aleatorio
simple.

Muestreo polietápico Se utiliza en poblaciones muy heterogéneas. Por ejemplo, para tomar una
muestra de habitantes de Madrid, se pueden seleccionar por muestreo aleatorio simple barrios,
despues calles dentro de los barrios, luego viviendas de la calle y finalmente el piso dentro de
la vivienda.

6.3. Muestreo aleatorio simple

Definición
En el muestreo aleatorio simple

1. Cada elemento de la población tiene la misma probabilidad de ser elegido.

2. Las observaciones se realizarán con reemplazamiento, de manera que la población sea idéntica
en todas las extracciones.

=OBSERVACIÓN=
Para seleccionar una muestra que verifique estas condiciones se utilizan distintos métodos.

Supongamos que los N elementos de la población se meten en un sombrero y se mezclan bien.

Una muestra aleatoria simple se obtiene extrayendo n elementos simultáneamente, o realizando
n extracciones con reposición (procedimento incómodo).

Utilizando tablas de números aleatorios que no son más que conjuntos de números tales que
todos tienen la misma probabilidad de aparecer.
Se puede construir una tabla de números aleatorios escibiendo en secuencia los números premia-
dos de la Loterı́a Nacional en los últimos años. (En cualquier libro de estadı́stica encontraréis
en los apéndices listas de este tipo. Ver TABLA-1 del PEÑA)

Los ordenadores e incluso algunas calculadoras, generan a partir de un valor inicial llamado
semilla con operaciones aritméticas números pseudo-aleatorios. No son totalmente aleato-
rios porque dependen de la semilla, pero son equiprobables.
136

Generación de una muestra aleatoria utilizando una tabla de números aleatorios

Se numeran los elementos de la población de 1 a N.

Se toman n números aleatorios de tantas cifras como tenga N. El valor de cada número aleatorio
indicará el elemento seleccionado.

=OBSERVACIÓN=
Si no se dispone fı́sicamente de los elementos de la población no se puede aplicar el método
anterior. Se suele utilizar el método de Montecarlo que selecciona muestras aleatorias simples de
cualquier población (finita o infinita, real o teórica) si se conoce su distribución de probabilidad.