Universidad de Panamá

Facultad de Medicina-Escuela de Medicina

Licenciatura en Doctor en Medicina
Bioestadística-II Semestre

Degrabación de clase Docente: Dra. Yelkys Gill

“Inferencia estadística” Fecha: 22/09/2020

“Las personas más sabias, siguen su propia dirección”.-Eurípides

La degrabación consta de todo lo que la profesora mencionó durante su presentación, que son 40
diapositivas. En azul esta lo que dice la diapositiva y en verde lo que la profesora añadió. En rojo
estará marcado puntos importantes o que van a venir en el examen.

Vocabulario y formulas:
1. Muestra estratificada 15. Muestreo sistemático
N 16. Muestreo estratificado
2. K = n
17. Muestreo estratificado proporcional
3. Probabilidad =
numero posible de resultados del evento 18. Muestreo estratificado no
numero total de resultados posibles del experimento proporcional
4. Estadística inferencial 19. Muestreo por conglomerados o áreas
5. Población 20. Muestreo por conglomerados o áreas
6. Muestra en una etapa
7. Muestreo 21. Muestreo por conglomerados o áreas
8. Marco en dos etapas
9. Encuesta 22. Estratos
10. Unidad de marco 23. Afijación
11. Elemento 24. Afijación simple
12. Muestreo probabilístico 25. Afijación proporcional
13. Muestreo no probabilístico 26. Afijación óptica
14. Muestreo aleatorio simple 27. Muestreo de áreas.

INFERENCIA ESTADÍSTICA

Diapositiva #1
Presentación del titulo del módulo, siendo el módulo #2, con el nombre de “Inferencia estadística”.
Va de la mano con la probabilidad y las leyes de probabilidad.

Diapositiva #2: Origen de la probabilidad

La probabilidad nace de los juegos de azar durante el Renacimiento debido a que empiezan a surgir
inquietudes entorno a contabilizar el numero de posibles resultados de un dado lanzado varias
veces, o problemas mas prácticos sobre como repartir la ganancia de los jugadores cuando el juego
se interrumpe antes de finalizar. Hoy en día, a nivel tecnológico (redes sociales, comunicación,
etc…), se sigue utilizando las leyes de probabilidad, para hacer pruebas de muestreo e identificar
que quiere un sector demográfico en especifico. También se utiliza en proceso contractuales o
administrativos, cuando en el Hospital Santo Tomas hay una disputa entre 2 empresas (de mismas

“Las personas más sabias, siguen su propia dirección”.-Eurípides

características y documentación/valor), a veces se usa la Ley del Dado (al azar, como en el
Renacimiento. Ejemplo claro de Ley de probabilidad) para decidir sobre una. Sin embargo, la
probabilidad deja de ser al azar cuando se utiliza la matemática y el razonamiento.
A los matemáticos del siglo XVI como Pacioli, Cardano y Tartaglia se deben las primeras
consideraciones sobre los juegos de azar.

Diapositiva #3: Nacimiento de la probabilidad

En 1654, Antoine Gombaud, el caballero de Méré (porque era un aristócrata), un jugador
compulsivo, pidió a Blaise Pascal que le resolviese el problema de reparto de apuestas cuando se
suspendía la partida antes de terminar. La solución consistió en darse cuenta de que el reparto de
las apuestas debe hacerse en función de la probabilidad de ganar que tuviese cada jugador en el
momento de interrumpirse el juego. Había nacido la ley de la probabilidad.
¿Cuál era la ley de probabilidad?
Todos los factores que tiene un jugador en el momento para decidir si tiene un resultado x o
negativo.

Diapositiva #4: Concepto Clásico de Probabilidad I

El primero en dar una definición clásica de probabilidad fue Jakob Bernoulli en 1713, reformulada
después por Abraham De Moivre, de la siguiente manera (esta definición es mucho mas
estadística):
“… una fracción en la que el numerador es igual al numero de apariciones del suceso y el
denominador es igual al numero total de casos en los que ese suceso pueda o no ocurrir. Tal
fracción expresa la probabilidad de que ocurra el suceso”.
Por ejemplo: en un día nublado, la gente dice “Yo creo que existe la probabilidad de que hoy vaya
a llover”. Lo que es un <<supuesto>>. Sin embargo, si se busca información al respecto (informe
meteorológico, informe del clima, tendencia a que llueva… etc.), ya ese <<supuesto>> tiene algo
mas de inferencia estadística.

Diapositiva #5: Concepto Clásico de Probabilidad II

El enfoque clásico de la probabilidad está basado en la suposición de que todos los resultados del
experimento son igualmente posibles. La probabilidad se calcula de la siguiente manera:

número de posibles resultados del evento

Probabilidad =
número total de resultados posibles del experimento

PREGUNTA DE EXAMEN CHICOS, no la vayan a perder

Diapositiva #6: Concepto Clásico de Probabilidad III

Ejemplo clásico del uso de la Ley de Probabilidad: El experimento es lanzar un dado. ¿Cuál
probabilidad hay de que caiga un dos hacia arriba?
Las caras del dado están enumeradas del 1 al 6, entonces hay una posibilidad de que un total de
seis veces de que el numero 2 quede hacia arriba. Esto es representado con la ecuación:
1(lados con 2)
Probabilidad(de que caiga 2 hacia arriba) = = 0.1667
6(lados del dado)

“Las personas más sabias, siguen su propia dirección”.-Eurípides

Diapositiva #6: Concepto Clásico de Probabilidad IV
La principal dificultad que presenta esta interpretación de la probabilidad es que se basa en sucesos
equiprobables, siendo fácil para problemas sencillos como cartas, dados o urnas; pero es casi
imposible para problemas mas complejos.

Diapositiva #7 y #8: Concepto Clásico de Probabilidad V y VI

 Conceptos básicos:
o Estadística inferencial: la estadística inferencial se ocupa de extender o extrapolar
a toda una población, informaciones obtenidas de una muestra, así como la toma de
decisiones.
o Población: es el conjunto total de individuos susceptibles de poseer la información
buscada. No se refiere exclusivamente a personas, la población puede estar formada
por todos los arboles de un bosque.
o Muestra: es la parte de la población en la que se miden las características estudiadas.
El numero de individuos de la muestra se llama tamaño de la muestra. También es
el subconjunto de la población seleccionado de un marco o de varios marcos.
o Muestreo: es el proceso seguido para la extracción de la muestra. Es el
procedimiento para seleccionar una muestra de la población que se desea estudiar.
o Encuesta: es el proceso de obtener la información buscada entre los elementos de
la muestra.
o Marco: listado completo de unidades de muestreo.
o Unidades de muestreo: elementos, o grupos de elementos, que cubren la población
completa.
o Elementos: entidades en las cuales se toman las mediciones.
Estos conceptos son PREGUNTAS DE EXAMEN.

Diapositiva #9: Tipos de muestreo I

Hay dos tipos de muestreo:
Muestreo
Aleatorio simple

Muestro
sistemático
Probabilistico
(aleatorio)
Muestreo
Muestreo
estratificado
No probabilistico
Muestreo por
conglomerados
o área
Muestreo probabilístico: es un proceso en el que se conoce la probabilidad que tiene cada elemento
de integrar la muestre. Dentro del muestreo probabilístico podemos encontrar varios métodos.
PREGUNTA DE EXAMEN:
 ¿CUÁLES SON LOS DOS TIPOS DE MUESTREO?

“Las personas más sabias, siguen su propia dirección”.-Eurípides

 o Respuesta: Probabilístico y No probabilístico
 ¿QUÉ MÉTODOS INCLUYEN EL MUESTRO PROBABILÍSTICO?
o Respuesta: muestreo aleatorio simple, muestreo sistemático, muestreo
estratificado y muestreo por conglomerados o áreas.

Diapositiva #10: tipos de muestreo 2

Definiciones de los tipos de muestreo:
1. Muestreo no probabilístico: no se tiene en cuenta la probabilidad en la selección de las
muestras. No es una elección al azar, no la dejamos al destino.
a. Por ejemplo: muestreo accidental. Se utiliza en estudios estadísticos exploratorios.
i. Esto quiere decir que se sabe lo que se va a buscar, no se deja a la
probabilidad.
2. Muestreo probabilístico: se tienen en cuenta la probabilidad en la selección de las unidades
muestrales.
a. Por ejemplo: muestreo aleatorio simple. Este procedimiento constituye la base de
los procesos inferenciales.

Diapositiva #11: Algunos procedimientos probabilísticos para seleccionar muestras

Muestreo
Aleatorio simple

Muestro
sistemático
Proporcional
Probabilistico Muestreo
(aleatorio) estratificado
Muestreo No proporcional

No probabilistico

En una etapa
Muestreo por
conglomerados o
área
En dos etapas

Diapositiva #12: Calidad de la información muestral

Puede haber errores cuando en el muestreo, aunque es estadística, puede haber errores debido al
investigador. Algunos tipos de errores son:
 Errores debido al azar: una muestra al azar es el resultado de la relación casual de las
unidades de muestreo (que es el procedimiento), por lo que no hay dos muestras que sean
exactamente iguales.
 Errores ajenos al azar: equivocaciones no casuales.
o Por ejemplo: definición descuidada de la población que uno desee estudiar. , fatiga,
incorrecta selección de la muestra. Estos errores van mucho mas hacia la persona
que realiza la investigación.

“Las personas más sabias, siguen su propia dirección”.-Eurípides

Diapositiva #13: Muestreo
 Muestreo aleatorio simple: es el que le permite al investigador conformar una muestra de
tal forma que cada elemento de la población o universo tenga la misma probabilidad de ser
seleccionado, por lo tanto, se requiere enumerar a cada elemento de la población, desde 1
hasta N.
o Procedimiento
 Definir la población de estudio.
 Asignar un numero a cada individuo de la población.
 Determinar el tamaño de la muestra optimo para el estudio.
 Seleccionar la(s) muestra(s) de manera sistemática por medio de algún
medio mecánico (Tablas de números aleatorios, bolas dentro de una bolsa,
números aleatorios generados con una calculadora, etc.)
 Y se eligen tantos individuos como sea necesario para completar el tamaño
de muestra que necesitamos.
 Ejemplo: en una clase presencial, la profesora enumera los estudiantes y
escoge una cantidad al azar. Eso seria aleatorio. Sin embargo, si dijera que
escoge a todos los pares, ya va un poco mas inclinado a la escogencia.

Diapositiva #14: Ventajas y desventajas del muestro aleatorio simple

o Ventajas del muestreo aleatorio simple:
 Se recomienda cuando la población es pequeña.
 Es sencillo y de fácil comprensión
 Cálculo rápido de medidas y varianzas
 Cuando la población está ubicada en un espacio reducido.
 Se basa en la teoría estadística y por lo tanto existen paquetes informáticos
para analizar los datos.
 Se recomienda cuando no se tiene información previa de la población. Por
ejemplo: EpiInfo.
 ESTO ES PREGUNTA DE EXAMEN.
o Desventajas del muestreo simple:
 Requiere la identificación y catalogación de la población, lo cual en
ocasiones resulta muy costoso.
 Requiere una población de selección igual para todos los elementos que
conforman la población.
 Requiere mayor tamaño de la muestra que los otros tipos de muestreo.

Diapositiva #15 y #16: Ejemplos de aplicación del muestreo aleatorio simple

Ejemplo: se requiere conocer el comportamiento de una población conformada por 44 estudiantes
de la clase de estadística de la UCLA; para extraer una muestra de 10 estudiantes, el docente se
vale de una lista en la cual, a cada elemento de la población, se le asigna un numero. Se comienzan
a sacar por sorteo, lo cual es al azar.
Ejemplo 2: una población de 1000 ingresantes a la carrera de psicología de la UNT en 2013.
Seleccionar una muestra de 8 estudiantes. La población total serian todos los estudiantes.

“Las personas más sabias, siguen su propia dirección”.-Eurípides

Diapositiva #17: Muestreo Sistemático
 Muestreo sistemático: es el método donde se selecciona un punto aleatorio de inicio y
posteriormente se elige cada k-ésimo miembro de la población.
o En este tipo de muestreo, para obtener una muestra sistemática al azar, se deben
enumerar las observaciones de 1 a N. Posteriormente determinar el intervalo del
muestreo (k), que consiste en dividir el numero total de unidades u observadores de
muestreo de la población entre el tamaño deseado de la muestra. Es decir:
N
K = , donde N = Población y n = muestra
n

Diapositiva #18: Procedimiento del muestreo sistemático

o Procedimiento:
 Definir la población de estudio
 Determinar el tamaño de muestra requerido
 Se calcula la muestra sistemática dividiendo la población entre el tamaño
de la muestra.
 El valor de k es el intervalo de selección que indica cada k de veces que un
elemento de la población se integrará a la muestra (en el caso de no estar
enumerados los elementos). Y también es el intervalo de selección del cual
se escogerá un numero aleatoriamente dentro de ese intervalo (en caso de
que los elementos estén enumerados), y ahí se parte para seleccionar las
muestras en los demás grupos.

Diapositiva #19: Ventajas del muestreo sistemático

 Ventajas:
o Se recomienda cuando la población es numerosa
o Cuando se puede disponer de un listado de los elementos de la población.
o La técnica es muy sencilla y puede ser utilizado con bastante grado de confiabilidad
en la practica.
o Es fácil de aplicar.
 Ejemplo de aplicación del muestreo sistemático

“Las personas más sabias, siguen su propia dirección”.-Eurípides

 o Se tiene una población conformada por 50 estudiantes, de los cuales se desea tomar
una muestra de 10 personas.
o Debemos obtener la K. Es una simple división.
𝑁 50 (𝑝𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛)
 𝐾 = 𝑛 → 𝐾 = 10(𝑚𝑢𝑒𝑠𝑡𝑟𝑎) → 𝐾 = 5
o Posteriormente, complementar con el método simple.

Diapositiva #20: Muestro estratificado I

 El muestreo estratificado es el método
donde una población se divide en
subgrupos denominados estratos y se
selecciona al azar una muestra de cada
estrato.
o En este método se divide la
población o universo en grupos
relativamente homogéneos,
llamados estratos, y después se
toma una muestra al azar de cada
estrato, y la muestra resultante se
llama muestra estratificada.
 Si fuésemos 100
estudiantes, un grupo de 50
estudiantes puede ser un estrato. Y el grupo de 50 estudiantes, puede
también ser estratificado en grupos por sexo. Ahí se hace otro estrato.
 IMPORTANTE: este método implica la identificación de características que dan lugar a la
conformación de subgrupos homogéneos al interior, pero heterogéneos entre si. Los
elementos dentro de cada estrato se seleccionaron al azar.
 La distribución de la muestra en función de los diferentes estratos se denomina afijación,
y puede ser de diferentes tipos:
o Afijación simple: a cada estrato le corresponde igual numero de elementos
muestráles.
o Afijación proporcional: cada estrato se encuentra representado en la muestra en
proporción exacta al tamaño de la población total.
o Afijación optima: se tiene en cuenta la previsible dispersión de los resultados, de
modo que se considera la proporción y la desviación típica. Tiene poca aplicación
ya que no se suele conocer la desviación.

Diapositiva #21: Ejemplo de muestreo aleatorio estratificado

 Variable a estratificar: Lugar de residencia
 Estratos: Tucumán; Otro lugar
 Se seleccionan al azar dos submuestras.
o Muestreo aleatorio proporcional: requiere que el muestreo aleatorio de cada estrato
refleje las proporciones de la población.
o Muestreo aleatorio no proporcional: no requiere que el muestreo aleatorio de cada
estrato refleje las proporciones de la población.
o Muestra: submuestra 1 + submuestra 2

“Las personas más sabias, siguen su propia dirección”.-Eurípides

Diapositiva #22: Muestreo estratificado II
 Estratos: homogéneos en su interior, pero diferentes entre si en propiedades y tamaño. Los
estratos mas grandes tienen mas posibilidades de ser seleccionados.
o Los estratos se van formando a medida que le asigno caracteristicas o cualidades
especificas a la poblacion total.

Diapositiva #23: Pasos para seleccionar una muestra proporcionalmente estratificada

1. Definir la población de estudio.
2. Determinar el tamaño de muestra requerido
3. Establecer los estratos o subgrupos
4. Determinar la frecuencia relativa del muestreo de cada estrato, dividiendo el tamaño del
estrato entre el tamaño de la población de estudio.
5. Multiplicar la frecuencia relativa del muestreo de cada estrato por el tamaño de la muestra
total, para obtener de cada estrato la cantidad de individuos que se integrarán a dicha
muestra.
6. Seleccionar y extraer de cada estrato la cantidad de individuos que formaran parte de la
muestra total, aplicando el procedimiento de muestreo aleatorio simple.

Diapositiva #24: Ventajas del muestreo estratificado

 Ventajas del muestreo estratificado:
o Se recomienda cuando se tiene conocimiento (o una experiencia) a priori de la
población. Si no se tiene conocimiento de la población, mejor irse por el método de
muestreo aleatorio simple.
o También cuando se trata de elementos poblacionales susceptibles a ser clasificados.
o Cuando existe interés de obtener información a nivel de las sub-poblaciones.
o Se obtiene estimaciones mas precisas.
o Su objetivo es conseguir una muestra lo mas semejante posible a la población en lo
que a la o las variables estratificadas se refiere.
 Ejemplo de muestreo estratificado:
o Se desea realizar un estudio en la UNEFM acerca de 5000 estudiantes existentes en
el área de la educación y se desea tomar una muestra de 45 de ellos.
ESTRATO TOTAL ESTRATO % CANTIDAD
Especialidad F. Relativa De est. X
estrato
Informática 2000 0.4 40 18 (muestra x
FR)
Derecho 1700 0.34 34 15
Sistemas 1300 0.26 26 12

Diapositiva #25: Muestreo por conglomerados o área

 Es el método donde una población se divide en conglomerados a partir de los limites
naturales geográficos o de otra clase (por ejemplo, en las provincias de panamá o las
regiones de salud de panamá). A continuación, se seleccionan los conglomerados al azar y
se toma una muestra de forma aleatoria de uno de los elementos de cada grupo.
 Este método también se conoce como muestreo de áreas y es útil cuando la población se
encuentra dispersa. La selección de la muestre puede requerir varias etapas. Ejemplo:

“Las personas más sabias, siguen su propia dirección”.-Eurípides

 o Dividir la población
o Seleccionar al azar el numero de conglomerados y tomar la muestra aleatoria simple
de cada uno de los conglomerados. Este estatus es propio de cada región.
 Este método se usa mas para el método de investigación, o estudios de investigación,
incluso en estudios de 0 prevalencia. Es mas
 Procedimiento:
o Dividir la población en conglomerados.
o Seleccionar al azar el numero de conglomerados que desee.
o Tomar una muestra aleatoria simple de uno de los elementos de cada conglomerado.
 Ejemplo:
o Si se va a realizar una encuesta sobre las políticas y leyes del municipio, se podría
dividir el municipio en distritos, por ejemplo, en 13 distritos, de esos trece se toma
al azar 4, 5, 9 y 11, y solo concentrándonos en estos distritos, tomamos una muestra
aleatoria de habitantes de cada uno de estos distritos, para entrevistarlos.

Diapositiva #26: Ventajas y tipos de muestreo por conglomerados

 Ventajas:
o Se recomienda cuando la población esta diseminada en grandes áreas geográficas.
O dispersas, como en regiones de difícil acceso.
o No es preciso tener un listado de toda la población, solo de las unidades primarias
del muestreo. No es necesario utilizar la población entera de un sector o provincia.
 Tipos: Hay dos tipos de muestreo por conglomerados:
o Monoetápico: es decir, de una etapa. Se escogen primero las muestras de manzanas
y luego se elige al azar los elementos dentro de las manzanas seleccionadas.
o Bietápico: es decir, de dos etapas. Se escogen primero las muestras de manzanas

Diapositiva #27: Diferencias entre los diferentes tipos de muestreo

Probabilísticos No probabilísticos
 Todas las unidades tienen igual  Se utilizan mas en estudios
probabilidad de participar en la experimentales, cuasi experimentales o
muestra. casos de controles.
 La lección de cada unidad muestral es  Cada unidad no tiene igual
independiente de las demás. probabilidad de participar en la
 Se puede calcular el grado de error muestra.
muestral.  No se puede calcular el grado de error
muestral. Porque aquí prácticamente
estamos minimizando el error, porque
no estamos escogiendo al azar. Aquí no
hay ley de la probabilidad.
 Hay alto riesgo de invalidez producido
por la introducción de sesgos. Porque
aquí el investigador puede tener ciertos
sesgos y caer en la manipulación de la
muestra.
CLÁSICA PREGUNTA DE EXAMEN

“Las personas más sabias, siguen su propia dirección”.-Eurípides

Diapositiva #28: Muestreo probabilístico
 Hace referencia a un elemento de la población que tiene la probabilidad de ser elegido
dentro de la población a formar parte de la muestra.
 La gran ventaja es que permite la inferencia estadística.

Diapositiva #29: Muestreo aleatorio simple a modo grafico

 Se pueden utilizar tablas de números.

 Son de altos costos
 Puede presentar una lista incompleta y no confiables
 Menos error muestral
 Elemento muestral elegido al azar

Diapositiva #30: Muestreo sistemático a modo grafico

“Las personas más sabias, siguen su propia dirección”.-Eurípides

Diapositiva #30: Muestro estratificado
 La población se divide en subpoblaciones.

Diapositiva #31: Muestreo por conglomerados

Diapositiva #33: Muestreo Según Criterio

 Se emplean 3 pasos para su medición:
o Se definen características de interés: Edad, ingreso, sexo, región geográfica.
o Se divide la población en subpoblaciones
o Se determina la proporción de la población en cada estrato.

Posibles preguntas de esta clase para el parcial:

1. ¿Qué es inferencia estadística?
2. Definir los conceptos de población, muestra, muestreo, encuesta, elemento, tamaño de la
muestra.
3. Tipos de muestreos
4. Tipos de muestreos probabilísticos
5. Formulas en la presentación (ver inicio del documento)
6. Ver demás puntos en rojo en el documento.

“Las personas más sabias, siguen su propia dirección”.-Eurípides