Conceptos Fundamentales de Inferencia Estadística y Estimación

Conceptos Fundamentales de Inferencia Estadística

Estimación y Precisión

• Estimación puntual: Es un único valor calculado con una muestra que se utiliza para aproximar un parámetro de la población. No indica qué tan precisa es la estimación.
• Estimación por intervalo: Consiste en un rango de valores dentro del cual se espera que se encuentre el parámetro poblacional con cierto nivel de confianza. Es más informativa que la estimación puntual porque muestra la precisión de la estimación.
• Intervalo de confianza: Es el intervalo obtenido a partir de una muestra que probablemente contiene el valor real del parámetro poblacional.

Parámetros de Confianza y Error

• Nivel de confianza: Es la probabilidad de que el procedimiento utilizado genere intervalos que contengan al parámetro poblacional. Los más comunes son 90%, 95% y 99%.
• Riesgo de error (α): Es la probabilidad de que el intervalo no contenga el valor real del parámetro. Se calcula como: α = 1 − nivel de confianza.
• Margen de error: Es la cantidad que se suma y resta a la estimación puntual para construir el intervalo de confianza. Indica la precisión de la estimación.
• Error estándar: Mide la variabilidad de un estadístico muestral respecto al parámetro poblacional. Mientras menor sea, más precisa será la estimación.

Distribuciones y Teoremas

• Distribución Normal (Z): Se utiliza para construir intervalos de confianza cuando la desviación estándar poblacional es conocida o cuando la muestra es suficientemente grande.
• Distribución t de Student: Se utiliza cuando la desviación estándar poblacional es desconocida y debe estimarse mediante la muestra. Depende de los grados de libertad.
• Grados de libertad: Cantidad de valores independientes que pueden variar al calcular una estadística. Para intervalos de confianza de la media: gl = n − 1.
• Teorema del Límite Central: Establece que, para muestras suficientemente grandes, la distribución de las medias muestrales tiende a ser normal independientemente de la distribución original de la población.

Definiciones Básicas

• Tamaño de muestra: Número de observaciones necesarias para alcanzar un nivel de precisión y confianza determinados.
• Parámetro: Medida numérica que describe una característica de toda la población (μ, σ, p).
• Estadístico: Medida numérica calculada a partir de una muestra (x̄, s, p̂).
• Proporción poblacional: Representa la fracción o porcentaje de individuos de una población que poseen una característica determinada.

Resumen de Aplicación

• Distribución Z: se usa cuando σ es conocida.
• Distribución t: se usa cuando σ es desconocida.
• Grados de libertad: n − 1.
• Hipótesis nula (H₀): afirmación inicial.
• Hipótesis alternativa (H₁): afirmación contraria.
• Valor p: probabilidad usada para decidir si se rechaza H₀.