Inferencia estadstica

La inferencia estadstica o estadstica inferencial es una parte de la

Estadstica que comprende los mtodos y procedimientos para deducir
propiedades (hacer inferencias) de una poblacin, a partir de una pequea
parte de la misma (muestra).
En inferencia estadstica se llama estimacin al conjunto de tcnicas que
permiten dar un valor aproximado de un parmetro de una poblacin a partir de
los datos proporcionados por una muestra. Por ejemplo, una estimacin de la
media de una determinada caracterstica de una poblacin de tamao N podra
ser la media de esa misma caracterstica para una muestra de tamao n.
La estimacin se divide en tres grandes bloques, cada uno de los cuales tiene
distintos mtodos que se usan en funcin de las caractersticas y propsitos del
estudio:

Estimacin puntual

Estimacin por intervalos.

Estimacin bayesiana.

Estimador
Un estimador de un parmetro poblacional es una funcin de los datos
mustrales, tambin llamado estadstica. En pocas palabras, es una frmula
que depende de los valores obtenidos de una muestra, para realizar
estimaciones.
Formalmente, si es un parmetro poblacional, se dice que es un estimador
puntual de si
, donde x1,x2,...,xn son las variables
aleatorias que integran una muestra aleatoria de tamao n de la poblacin en
cuestin.
Por ejemplo, un estimador de la media poblacional, , puede ser la media
muestral, , segn la siguiente frmula:

Donde (x1, x2, ..., xn) sera el conjunto de de datos de la muestra.

El estimador es una variable aleatoria que asigna a cada posible valor de la
muestra un valor numrico. Como tal, tiene sentido calcular su esperanza, su
varianza y otras caractersticas propias de las variables aleatorias.

Estimador insesgado
Por supuesto, cualquier funcin de la muestra, con la definicin anterior, podra
ser un estimador, pero es deseable que las estimaciones que surjan a partir de
un estimador "se parezcan", en cierto modo, al parmetro que se desea
estimar.
Con este propsito, se dice que un estimador de un parmetro es insesgado
si su esperanza es el propio .
Estimador eficiente
Un estimador de un parmetro es eficiente si su varianza es mnima. Esto
hace que haya menos variabilidad entre las distintas estimaciones que
podemos obtener (cada muestra dar una estimacin diferente). De esta forma,
la estimacin ser ms fiable. Hay una cota mnima dentro de las varianzas
que se puede obtener para cualquier estimador con un sesgo determinado.

Estimacin puntual
Consiste en la estimacin del valor del parmetro mediante un slo valor,
obtenido de una frmula determinada. Por ejemplo, si se pretende estimar la
talla media de un determinado grupo de individuos, puede extraerse una
muestra y ofrecer como estimacin puntual la talla media de los individuos. Lo
ms importante de un estimador, es que sea un estimador eficiente. Es decir,
que sea insesgado (ausencia de sesgos) y estable en el muestreo o eficiente
(varianza mnima)

Estimacin por intervalos

Consiste en la obtencin de un intervalo dentro del cual estar el valor del
parmetro estimado con una cierta probabilidad. En la estimacin por intervalos
se usan los siguientes conceptos:
Intervalo de confianza
El intervalo de confianza es una expresin del tipo [1, 2] 1 2, donde
es el parmetro a estimar. Este intervalo contiene al parmetro estimado con
una determinada certeza o nivel de confianza. Pero a veces puede cambiar
este intervalo cuando la muestra no garantiza un axioma o un equivalente
circunstancial.
Variabilidad del Parmetro
Si no se conoce, puede obtenerse una aproximacin en los datos aportados
por la literatura cientfica o en un estudio piloto. Tambin hay mtodos para
calcular el tamao de la muestra que prescinden de este aspecto.
Habitualmente se usa como medida de esta variabilidad la desviacin tpica
poblacional y se denota .

Error de la estimacin
Es una medida de su precisin que se corresponde con la amplitud del
intervalo de confianza. Cuanta ms precisin se desee en la estimacin de un
parmetro, ms estrecho deber ser el intervalo de confianza y, si se quiere
mantener o disminuir el error, ms ocurrencias debern incluirse en la muestra
estudiada. En caso de no incluir nuevas observaciones para la muestra, ms
error se comete al aumentar la precisin. Se suele llamar E, segn la frmula E
= 2 - 1.
Limite de Confianza
Es la probabilidad de que el verdadero valor del parmetro estimado en la
poblacin se site en el intervalo de confianza obtenido. El nivel de confianza
se denota por (1-), aunque habitualmente suele expresarse con un porcentaje
((1-)100%). Es habitual tomar como nivel de confianza un 95% o un 99%, que
se corresponden con valores de 0,05 y 0,01 respectivamente.
Valor
Tambin llamado nivel de significacin. Es la probabilidad (en tanto por uno)
de fallar en nuestra estimacin, esto es, la diferencia entre la certeza (1) y el
nivel de confianza (1-). Por ejemplo, en una estimacin con un nivel de
confianza del 95%, el valor es (100-95)/100 = 0,05
Valor crtico
Se representa por Z/2. Es el valor de la abscisa en una determinada
distribucin que deja a su derecha un rea igual a /2, siendo 1- el nivel de
confianza. Normalmente los valores crticos estn tabulados o pueden
calcularse en funcin de la distribucin de la poblacin. Por ejemplo, para una
distribucin normal, de media 0 y desviacin tpica 1, el valor crtico para =
0,05 se calculara del siguiente modo: se busca en la tabla de la distribucin
ese valor (o el ms aproximado), bajo la columna "rea"; se observa que se
corresponde con -1,64. Entonces Z /2 = 1,64. Si la media o desviacin tpica de
la distribucin normal no coinciden con las de la tabla, se puede realizar el
cambio de variable t =(X-)/ para su clculo.
Con estas definiciones, si tras la extraccin de una muestra se dice que "3 es
una estimacin de la media con un margen de error de 0,6 y un nivel de
confianza del 99%", podemos interpretar que el verdadero valor de la media se
encuentra entre 2,7 y 3,3, con una probabilidad del 99%. Los valores 2,7 y 3,3
se obtienen restando y sumando, respectivamente, la mitad del error, para
obtener el intervalo de confianza segn las definiciones dadas.
Para un tamao fijo de la muestra, los conceptos de error y nivel de confianza
van relacionados. Si admitimos un error mayor, esto es, aumentamos el tamao
del intervalo de confianza, tenemos tambin una mayor probabilidad de xito
en nuestra estimacin, es decir, un mayor nivel de confianza.