Mensaje de error

  • Notice: Undefined variable: ub en my_visitors_get_count() (línea 254 de /home/fundamentosc/public_html/sites/all/modules/my_visitors/my_visitors.module).
  • Notice: Undefined variable: ub en my_visitors_get_count() (línea 266 de /home/fundamentosc/public_html/sites/all/modules/my_visitors/my_visitors.module).

DEFINICION DE ESTADISTICA INFERENCIAL:

La estadística inferencial, llamada también estadística analítica o deductiva, es un conjunto de técnicas que permite generalizar conclusiones y definir el grado de probabilidad de las generalizaciones.

.- Generalizar las conclusiones (inferencia o estimación) mediantes la estadística inferencial:

Es el conjunto de técnicas la estadística inferencial que permite obtener un valor aproximado de un parámetro de una población a partir del estadígrafo obtenido de una muestra probabilística de esa misma población; o sea que permite hacer la inferencia (generalizar o proyectar) las conclusiones obtenidos en una muestra probabilística o aleatorizada a la población que dio origen a la muestra, (no se puede aplicar la estadística inferencial a las muestras no probabilísticas y por tanto sus resultados de estas muestras nunca pueden ser extrapolados a la población general). El proceso de generalizar los estadígrafos en la población general se denomina estimación la cual puede ser puntual o por intervalos.

  • Estimación puntual: cuando se infiere que el estadígrafo obtenido de una muestra probabilística (aleatoria) es aplicable la población o sea que se usa para inferir (estimar) directamente el parámetro poblacional, de esta forma a partir de una media muestral () se infiere una media poblacional (µ) o de una desviación estándar muestral (s) se infiere una desviación estándar poblacional (δ) y así sucesivamente. Es la forma más sencilla de realizar una inferencia estadística,  por ejemplo: se obtuvo que el promedio () de peso de las personas adultas de una muestra aleatoria fue de 70 Kg, entonces inferimos que el promedio (µ) del peso de las personas adultas de la población de la que se obtuvo la muestra aleatoria es también de 70 Kg.
  • Estimación por intervalos: consiste en hallar un intervalo de confianza (IC) en la población al parámetro obtenido de la estimación puntual de un estadígrafo, ejemplo el peso de los adultos de una población es de 70 kg (obtenido mediante la estimación puntual de un estadígrafo) con un intervalo de confianza de 52 a 88 kg (IC: 52-88) con un nivel de confianza del 95%. Para poder realizar una estimación por intervalos de confianza se debe conocer la distribución del parámetro en la población, pero como casi nunca se sabe entonces aplicamos los datos de la distribución normal utilizando la curva normal estandarizada de la campana de Gauss (o sea si queremos calcular un intervalo de confianza que contenga el 90% de los datos les sumamos y restamos a la media 1.64).

.- Definir el grado de probabilidad de las generalizaciones mediante la estadística inferencial:

Es el conjunto de técnicas la estadística inferencial que permite conocer el grado de incertidumbre (probabilidad) de las inferencias o estimaciones realizadas en la población, para lo cual utiliza la teoría de las probabilidades,

utilizando pruebas estadísticas las cuales permiten conocer la  asociación, la correlación (direccionalidad, fuerza y nivel de significancia) y la causalidad (regresión lineal y regresión logística) entre variables independientes y dependientes.

  • Asociación: Es la relación que existe entre variables que las hace estadísticamente dependientes, pero sin  detalles específicos de la relación que se tienen y sin que sea necesariamente una relación causal. Esta asociación se puede calcular con variables cualitativas y cuantitativas.
  • Correlación: Es la medida de la fuerza de la relación entre dos variables cuantificándose el grado de cambio de una variable en función del cambio de la otra variable o sea que existe el concepto de “dependencia” o sea que una variable aumenta o disminuye con respecto a la otra, pudiendo ser que una variable aumenta y la otra disminuye o que ambas aumentan o ambas disminuyen (o sea existe el concepto de relación lineal de dos variables), pero NO indican causalidad. Solo se puede calcular con variables cuantitativas.
  • Causalidad: Permite predecir una variable resultado (dependiente o outcome) a partir de una variable causa (independiente).

 

OTRAS DEFINICIONES

Variables de contraste: Son las variables que vamos a comparar o analizar.

Estadígrafo: dato, valor o variable que se obtiene del estudio de una muestra (estudio muestral).

Parámetro: dato, valor o variable que se obtiene del estudio de una población (estudio poblacional).

Símbolos: Como teóricamente la población se puede considerar una muestra que contiene el universo de unidades de observación, entonces teóricamente sería posible aplicar la estadística descriptiva a la población y de esta forma obtener las medidas de resumen de tendencia central, de dispersión y de distribución, que se obtienen con las muestras y entonces los símbolos que se refieren a parámetros o sea poblaciones se representan con letras griegas y los que se refieren a estadígrafos o sea muestras se representan con letras latinas.

  • N: tamaño de una población (cantidad de unidades de observación del universo).
  • n: tamaño de una muestra (cantidad de unidades de observación de la muestra).
  • : signo que representa la media (promedio) muestral.
  • µ: signo que representa la media (promedio) poblacional.
  • s2: signo de la varianza muestral.
  • δ2: signo de la varianza poblacional.
  • s: signo de la desviación estándar muestral.
  • δ: signo de la desviación estándar poblacional.

 

Datos de muestras independientes: cuando se realiza la medición de una misma variable a UO que pertenecen a grupos diferentes (grupo A y grupo B) o sea que a cada UO solo se le realiza una sola medición de la variable, como por ejemplo en los estudios de cortes trasversal o prevalencia.

Datos de muestras dependientes o relacionadas o pariadas: cuando se realiza la medición de una misma variable más de una vez a la misma UO, pero en diferentes momentos, o sea la misma variable a la misma UO que pertenece al mismo grupo (grupo A o grupo B), pero que la medición se realiza en diferentes momentos, como por ejemplo en los estudios clínicos experimentales donde una misma variable se mide a la misma UO antes y después de una intervención.