Nociones Básicás de Estádísticá

Contenido

1. Población y Muestra.................................................................................................................... 1
2. Parámetros poblacionales ........................................................................................................... 3
3. Estadísticos Muestrales ............................................................................................................... 4
4. Inferencia Estadística .................................................................................................................. 8
5. Bibliografía ................................................................................................................................ 10
Nociones Básicás de Estádísticá

1. Población y Muestra

En la práctica, estamos interesados en extraer conclusiones válidas respecto a un grupo de

individuos u objetos. Sin embargo, examinar un grupo o población de manera exhaustiva puede
resultar difícil o imposible. Ya sea por barreras materiales, temporales o de cualquier otra índole
puede llegar a ser más factible realizar estudios sobre un subconjunto de la población de interés.
Si se toma esta segunda opción, la confiabilidad de las conclusiones atribuibles a una población,
dependerá de si la muestra se ha escogido apropiadamente de tal modo que logre ser
representativa (Spiegel, Murray, et. al. 2010).

En general, existen dos opciones para abordar el estudio de una población:

a) Estudio exhaustivo o censo: los datos corresponden a todo los elementos que constituyen
la población.
b) Estudio por muestreo: los datos corresponden a un subconjunto limitado y
convenientemente seleccionado1 de la población.

La Inferencia Estadística utiliza un proceso inductivo (de lo particular a lo general) que permite
obtener conclusiones sobre la población a partir del estudio de una muestra. Uno de los
propósitos de la estadística inferencial es, en consecuencia, estimar las características
poblacionales desconocidas a partir de la información obtenida de una muestra la cual idealmente
será representativa de la población objeto de estudio (Gujarati 2006).

Figura 1. Relación entre población y muestra.

Inferencia
Muestra Población
Estadística

Muestreo

1
No nos enfocaremos en las técnicas de muestreo, pero a grandes rasgos, existe el muestreo aleatorio
simple, el muestreo estratificado, el muestreo por conglomerados y el muestreo sistemático.
Nociones Básicás de Estádísticá

2. Parámetros poblacionales
El conjunto de probabilidades asociadas a la variable aleatoria X conforman la distribución de
probabilidad o distribución de la variable aleatoria X. Se considera que se conoce una población
cuando su distribución de probabilidad f(x) adquiere una forma funcional tal que dicha función
tiene asociados una serie de parámetros que denotan características de la función de
probabilidad. A continuación, se muestra un esquema de algunos parámetros poblacionales
relevantes.

Figura 2. Parámetros poblacionales.

1. Tendencia Central
•Ubican la parte central de una •1.1 Media
distribución de •1.2 Mediana
probabilidades.

2. Localización
•Segmentan el soporte de una •2.1 Percentiles
distribución mediante valores •2.2 Cuartiles
que cuantifican la
probabilidad acumulada.
Parámetros
poblacionales 3. Dispersión
•Miden el grado de variabilidad •3.1 Varianza
de la distribución, es decir, su •3.2 Desviación
estándar
Medidas que grado de concentración o
dispersión. •3.3 Coeficientes de
caracterizan y variación
cuantifican aspectos 4. Simetría y forma
relevantes de una •Permiten inferir el perfil de la •4.1 Coeficiente de
distribución distribución de probabilidades asimetría
•4.2 Coeficiente de
curtosis

Es de utilidad pensar en la Función de Densidad de Probabilidad (f.d.p.), la cual cumple con la

característica de ser igual o mayor a cero, ya que los parámetros que nos ayudarán a caracterizar a
la población se refieren a esta función probabilística. Una de las características de toda función de
probabilidad es que la sumatoria de todos sus elementos es 1. En particular, para la función de
densidad de población, se cumple que el área debajo de la curva es igual a la unidad.
Nociones Básicás de Estádísticá
Figura 3. Función de Densidad de Probabilidad.

Caso continuo Caso discreto

3. Estadísticos Muestrales
En general, a cada parámetro poblacional le corresponde un estadístico muestral cuya función es
estimar dicho parámetro. Así, por ejemplo, la media de los valores de una muestra sirve para
estimar su respectiva media poblacional. En ese sentido, nos interesará definir los estadísticos que
corresponden a cada una de los parámetros poblacionales de la Figura2.

Sean variables aleatorias, para toda muestra de tamaño n tenemos los siguientes
estadísticos.

a) Media

En el caso de la muestra aleatoria simple, consiste en el cálculo de un promedio simple. Para otros
tipos de muestra se utilizará una variación que corresponda a un promedio ponderado, es decir,
donde el denominador de cada pueda variar.

Figura 4. Representación gráfica de la media muestral.

Caso discreto Caso continuo

𝑋̂ 𝑋̂
Nociones Básicás de Estádísticá
b) Mediana

( )
̅
( ) ( )
{

Donde el subíndice de se refiere a la posición que tiene una vez que los datos fueron
ordenados, ya sea de manera ascendente o descendente. Esto, con el propósito de localizar los
valores centrales.

Figura 5. Representación gráfica de la mediana muestral.

Caso discreto Caso continuo

𝑋̅

c) Cuantiles y percentiles

El cuartil de una distribución se refiere al área presente en la cola derecha de la distribución de

la variable aleatoria . El cuartil , a su vez, es el área presente en la cola izquierda de la
distribución de la variable aleatoria De tal manera que y .

Figura 6. Representación gráfica de la correspondencia entre cuantil y percentil.

Nociones Básicás de Estádísticá
d) Cuartiles

Los cuartiles son los valores de soporte de que dividen la distribución de probabilidad en cuatro
regiones, tal que cada región concentra el 25% de la distribución.

Figura 7. Representación gráfica de la correspondencia de los cuartiles.

e) Varianza muestral

Es una medida de dispersión de la distribución de la variable aleatoria respecto a su media.

̂ ̂ ̂

Figura 8. Representación gráfica de la varianza muestral.

𝑋̂

𝑋 𝑋̂

𝑋 𝑋̂

f) Desviación Estándar muestral

Es el indicador de variación promedio de las observaciones respecto a la media, en particular es la

raíz cuadrada de la varianza.

̂ ̂ ̂
√ √
Nociones Básicás de Estádísticá
g) Coeficiente de Variación

Expresa la desviación estándar, o desviación típica, como porcentaje de la media.

( )
̂

h) Coeficiente de asimetría

El más utilizado es el Coeficiente de Asimetría de Pearson, el cual mide qué tanto se desvía una
distribución, respecto a una simetría entre la masa a la izquierda y la masa a la derecha del punto
de corte central. Tiene tres clasificaciones: con sesgo derecho si el coeficiente es mayor a cero, con
sesgo izquierdo si el coeficiente es menor a cero y simétrico si el coeficiente es igual acero.

Figura 8. Representación gráfica de las tres clasificaciones del coeficiente de asimetría.

Asimétrica con sesgo derecho Asimétrica con sesgo izquierdo Simétrica

𝑋̅ 𝑋̅
𝑋̂ 𝑋̂ 𝑋̅ 𝑋̂

i) Coeficiente de curtosis

Permite clasificar una distribución de probabilidad de acuerdo con su grado de planura o picudez.
En general tenemos tres clasificaciones: leptocúrtica si el coeficiente es mayor a tres, platicúrtica si
el coeficiente es menor a tres y mesocúrtica si el coeficiente es igual a tres. Al igual que el
coeficiente de asimetría utiliza momentos centrales en su cálculo.
Nociones Básicás de Estádísticá

Figura 9. Representación gráfica de las tres clasificaciones del coeficiente de curtosis.

Leptocúrtica Mesocúrtica Platicúrtica

4. Inferencia Estadística
Como se mencionó en la primera sección, la Inferencia Estadística utiliza un proceso inductivo que
permite estimar las características poblacionales desconocidas a partir de la información obtenida
de una muestra. Con este propósito, los métodos paramétricos de la inferencia estadística se
pueden dividir en dos: métodos de estimación de parámetros y métodos de contraste de
hipótesis.

La estimación de parámetros consiste en asignar un valor concreto al parámetro o parámetros que

caracterizan la distribución de probabilidad de la población. Esta estimación tendrá un error de
estimación asociado, desconocido, por lo que se construye un intervalo de confianza que permita
valorar el grado de precisión asociado a la estimación. Así, el grado de confianza de un intervalo se
refiere a la probabilidad de que éste contenga el valor verdadero del parámetro poblacional; la
amplitud de este intervalo constituye en sí una medida del grado de precisión de la estimación del
parámetro.

Los métodos de contraste de hipótesis, por otro lado, tienen como objetivo comprobar si se
cumple o no determinado supuesto en relación a cierto parámetro o parámetros poblacionales.
Los supuestos que se establecen respecto a los parámetros se llaman hipótesis paramétricas, estas
se contrastan respecto a un criterio de decisión y están formadas por una hipótesis nula y una
hipótesis alternativa.

Tipos de error Ho es falso Ho es verdadero

Rechazar cuando Ho es falso Rechazar cuando Ho es verdadero
Rechazo Ho
(error tipo I)
Aceptar cuando Ho es falso Aceptar cuando Ho es verdadero
Acepto Ho
(error tipo II)
Nociones Básicás de Estádísticá
Una herramienta útil para contrastar hipótesis es el estadístico Z. En particular, cuando queremos
comparar dos parámetros podemos plantear una hipótesis respecto a la diferencia estadística
entre ambos. Así, la prueba de hipótesis que tenemos en mente puede tomar la siguiente forma:

Para continuar con nuestro propósito, probar o rechazar nuestra hipótesis, es necesario introducir
un concepto que utiliza algunos de los estadísticos muestrales desarrollados en la tercera sección:
el estadístico de prueba Z. Observando este estadístico, notamos que el numerador es la media
muestral menos el valor al que se iguala nuestra hipótesis nula y el denominador es la raíz de la
varianza muestral.

̂
√

Utilizando este concepto para nuestro ejemplo particular, definimos el estadístico Z cuya hipótesis
nula es que la diferencia entre dos parámetros es igual a una constante .

Tal como se mencionó anteriormente, el último elemento para realizar inferencia es un criterio de
decisión, dicho criterio estará asociado al estadístico Z. Como se podrá observar en la Figura 10, el
valor Z se puede ubicar en el eje horizontal de la Función de Densidad de Probabilidad, en este
sentido, el criterio de decisión hace referencia al valor-p, que es el área a la derecha del corte
definido por el valor Z. Se dice que se rechaza la hipótesis nula, Ho, si el valor-p es menor o igual a
cierta magnitud (las magnitudes más utilizadas son =0.1, =0.05 y =0.01).

Figura 10. Relación entre el estadístico Z y el valor-p.

𝒗𝒂𝒍𝒐𝒓 𝒑 𝜶

Z(X)
Nociones Básicás de Estádísticá

5. Bibliografía

Gujarati, D. N., & López, Y. M. (2006). Principios de econometría. McGraw-Hill.

Spiegel, M. R., Schiller, J. J., Srinivasan, R. A., & Stephens, M. (2010).Probabilidad y estadística.
McGraw-Hill.