TECNOLÓGICO DE ESTUDIOS SUPERIORES DE ECATEPEC

DIFERENCIA DE
ESTADÍSTICA INFERENCIAL
Y ESTADÍSTICA
DIFERENCIAL
Gutierrez Marin Adrian
GESTION DE LA CALIDAD
 DIFERENCIAS ENTRE ESTADÍSTICA DESCRIPTIVA Y ESTADÍSTICA
INFERENCIAL

INTRODUCCION:
Se realiza una revisión bibliografica de textos electrónicos publicados en internet con el fin de
establecer las diferencias entre la Estadística Descriptiva y la Estadística Inferencial para la
materia de Estadistica I de la carrera de Psicología.

LA ESTADISTICA DESCRIPTIVA:

+ Es la rama de la estadística que se ocupa de la recolección, presentación, descripción,

análisis e interpetación de un conjunto de datos.

+ Analiza, estudia y describe las características particulares de la totalidad de los individuos

de un grupo.

+ Tiene como finalidad obtener información, analizarla, elaborarla y simplificarla lo necesario

para poder interpretarla rapidamente.

+ Tiene una función inductiva.

+ Cuenta con dos formas de ordenar los datos: a) por medio de tablas de frecuencias, de
valores numéricos, o de clases; ascendentes, descendentes y; b) por medio de
representaciones gráficas, utilizando los histográmas, polígonos de frecuencias, gráficas de
series de tiempos. Los sistemas computacionales de Excel, Lotus Smart Suite, Minitab, SAS-
Pe, Start Graph, permiten realizar representaciones gráficas de diversos grupos de datos.

+ La ED utiliza como herramientas las Medidas de Tendencia Central que son de gran utilidad
para encontrar los indicadores mas representativos de un conjunto de datos. Las de uso mas
comun son la Media Aritmética, La Media Ponderada, la Mediana Moda; la Mediana y la
Moda.

+ Las Medidas de Dispersión son las otras herramientas de la ED que se utilizan para poder
describir una distribución de frecuencias a partir de la variación de los valores obtenidos. Las
medidas de dispersión mas utilizadas son el Rango, la Varianza, la Covarianza y la
Desviación Estándar.

LA ESTADISTICA INFERENCIAL

+ La EI es la rama de la Estadítica que nos permite deducir las propiedades del total de los
elementos de un conjunto a partir del estudio de una muestra significativa de este conjunto.

+ La inferencia siempre es en términos aproximados y debe declararse el nivel de confianza

de3 la inferencia.

+ La EI trabaja con muestras, subconjuntos, y a partir de su estudio se busca deducir

aspectos relevantes de toda una población.

+ La muestra debe ser representativa de la población, lo que significa que cualquier individuo
de la población estudiada debe tener la misma probabilidad de ser elegido.

Herramientas de la EI
+ Analisis de varianza (ANOVA). Es una técnica estadistica diseñada para comparar la
varianza de dos poblaciones a partir del análisis de sus respectivas varianzas. Se deben de
cumplir dos criterios:
1.- Las poblaciones de estudio deberán ser normales y tener varianzas iguales.
2.- La selección de muestras es independiente.

+ Análisis multifactorial de varianza (ANCOVA). También es llamado Analisis de Covarianza y

permite la comparación de mas de dos variables entre sí con la idea de comprobar el efecto
de las variables y el efecto de la interacción entre ellas. Se usa para analizar los resultados de
investigaciones de tipo experimental que usan un diseño factorial.

+ Distribución Xi2 (Chi cuadrada). De bondad ajustada y de independencia. Es una prueba

usada para la contrastación de hipótesis.

+ Los elementos que integran la EI son:

1.- Teoria de las muestras. Las propiedades de una muestra deben ser extrapolables a toda la
población.
2.- Contraste de hipótesis. Permite juzgar si la propiedad que suponemos debe cumplir la
población estadística es compatible con lo observado en la muestra.
3.- Diseño experimental. Consiste en la serie de pasos que hay que dar para crear un
experimento científico para corraborar o descartar una hipótesis.
4.- Información baynesiana. Las observaciones y las evidencias son utilizadas para actualizar
o para inferir la probabilidad y grado de certeza de una hipótesis.
5.- Métodos no paramétricos. Son usados para estudiar modelos estadísticos que tienen una
distribución que no se ajusta a los criterios paramétricos conocidos. Algunos de los metodos
no paramétricos mas utilizados son la Prueba Y (cuadrada) de Pearson, la prueba de
Cochran, la prueba de Fisher, la prueba de Kendall, la prueba de la mediana.
+ La mayoría de los test no paramétricos están programados en los paquetes estadísticos
computacionales mas frecuentes.

EJEMPLO:

EStadistica descriptiva

Un director de escuela desea conocer las aptitudes de cinco secretarias que trabajan en dicha
institución. Se aplica una prueba de aptitudes a las cinco secretarias y las calificaciones son
82, 85, 95, 92 y 91. La medida estadística que emplea el Director es la aptitud promedio o
media aritmética, la cual es la suma de los valores obtenidos dividida por el número de
observaciones. Entonces, la calificación promedio es: 82+85+95+92+91 = 445/5 = 89 5

Estadistica Inferencial

Se de sea est ima r la p ropo rción, p, de in dividuo s da ltón icos de una pob la ción
a t ra vés de l po rcen ta je o bse rvado en una mu estra a lea to ria de ind ividuo s, de
t amaño n.

1 S i e l po rce nta je de ind ivid uos da lt ón icos en la mue st ra es igua l al 30 %,

ca lcu la e l va lo r d e n pa ra que, con u n nive l de conf ia n za de 0 ,95, e l e rro r
comet ido en la e st im a ción sea inf erior a l 3,1 %

1 -α =0.95
z α / 2 =1.9 6

Al m e nos 8 40 indivi duos.

S i e l t a m a ñ o d e la m u e st ra e s d e 6 4 in d ivid u o s, y e l p o rce n t a je d e in d ivid u o s
da ltón icos en la mue st ra e s de l 35%, dete rm ina , u sando un nive l de
sign if icación de l 1%, e l co rre spo nd ien te in te rva lo de conf ian za pa ra la
p rop o rción de da ltón ico s de la p ob lación.

α =0.01
1 - α =0. 99
z α / 2 = 2. 57 5