You are on page 1of 5

DIFERENCIAS ENTRE ESTADSTICA DESCRIPTIVA Y

ESTADSTICA INFERENCIAL
INTRODUCCION:
Se realiza una revisin bibliografica de textos electrnicos publicados en internet con el fin de
establecer las diferencias entre la Estadstica Descriptiva y la Estadstica Inferencial para la
materia de Estadistica I de la carrera de Psicologa.
LA ESTADISTICA DESCRIPTIVA:
+ Es la rama de la estadstica que se ocupa de la recoleccin, presentacin, descripcin,
anlisis e interpetacin de un conjunto de datos.
+ Analiza, estudia y describe las caractersticas particulares de la totalidad de los individuos de
un grupo.
+ Tiene como finalidad obtener informacin, analizarla, elaborarla y simplificarla lo necesario
para poder interpretarla rapidamente.
+ Tiene una funcin inductiva.
+ Cuenta con dos formas de ordenar los datos: a) por medio de tablas de frecuencias, de
valores numricos, o de clases; ascendentes, descendentes y; b) por medio de
representaciones grficas, utilizando los histogrmas, polgonos de frecuencias, grficas de
series de tiempos. Los sistemas computacionales de Excel, Lotus Smart Suite, Minitab, SASPe, Start Graph, permiten realizar representaciones grficas 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 Aritmtica, La Media Ponderada, la Mediana Moda; la Mediana y la
Moda.
+ Las Medidas de Dispersin son las otras herramientas de la ED que se utilizan para poder
describir una distribucin de frecuencias a partir de la variacin de los valores obtenidos. Las
medidas de dispersin mas utilizadas son el Rango, la Varianza, la Covarianza y la Desviacin
Estndar.
LA ESTADISTICA INFERENCIAL

+ La EI es la rama de la Estadtica 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 trminos 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 poblacin.
+ La muestra debe ser representativa de la poblacin, lo que significa que cualquier individuo
de la poblacin estudiada debe tener la misma probabilidad de ser elegido.
Herramientas de la EI
+ Analisis de varianza (ANOVA). Es una tcnica estadistica diseada para comparar la
varianza de dos poblaciones a partir del anlisis de sus respectivas varianzas. Se deben de
cumplir dos criterios:
1.- Las poblaciones de estudio debern ser normales y tener varianzas iguales.
2.- La seleccin de muestras es independiente.
+ Anlisis multifactorial de varianza (ANCOVA). Tambin es llamado Analisis de Covarianza y
permite la comparacin de mas de dos variables entre s con la idea de comprobar el efecto
de las variables y el efecto de la interaccin entre ellas. Se usa para analizar los resultados de
investigaciones de tipo experimental que usan un diseo factorial.
+ Distribucin Xi2 (Chi cuadrada). De bondad ajustada y de independencia. Es una prueba
usada para la contrastacin de hiptesis.
+ Los elementos que integran la EI son:
1.- Teoria de las muestras. Las propiedades de una muestra deben ser extrapolables a toda la
poblacin.
2.- Contraste de hiptesis. Permite juzgar si la propiedad que suponemos debe cumplir la
poblacin estadstica es compatible con lo observado en la muestra.
3.- Diseo experimental. Consiste en la serie de pasos que hay que dar para crear un
experimento cientfico para corraborar o descartar una hiptesis.
4.- Informacin baynesiana. Las observaciones y las evidencias son utilizadas para actualizar
o para inferir la probabilidad y grado de certeza de una hiptesis.
5.- Mtodos no paramtricos. Son usados para estudiar modelos estadsticos que tienen una
distribucin que no se ajusta a los criterios paramtricos conocidos. Algunos de los metodos

no paramtricos 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 mayora de los test no paramtricos estn programados en los paquetes estadsticos
computacionales mas frecuentes.
EJEMPLO:
EStadistica descriptiva
Un director de escuela desea conocer las aptitudes de cinco secretarias que trabajan en dicha
institucin. Se aplica una prueba de aptitudes a las cinco secretarias y las calificaciones son
82, 85, 95, 92 y 91. La medida estadstica que emplea el Director es la aptitud promedio o
media aritmtica, la cual es la suma de los valores obtenidos dividida por el nmero de
observaciones. Entonces, la calificacin promedio es: 82+85+95+92+91 = 445/5 = 89 5

Estadistica Inferencial
Se de sea estimar la pro porci n, p, de indi vidu os daltni cos de una pobla ci n
a tra v s del po rce ntaje ob se rva do en una muestra ale atori a de ind i vid uos, de
tama o n .
1 Si el po rce ntaje de indi viduo s dal t nicos en la muestra es igual al 30% ,
cal cula el val or de n para que , con un nivel de co nfian za de 0 ,9 5, el error
come tido en la e stimaci n sea inferi or al 3,1%
1-=0.95
z / 2 =1 .96

Al menos 840 indi viduos.

Si el tamao de la muestra e s de 64 indi vi duo s, y el porcen taj e de ind i vi duo s


daltni co s en la mue stra es del 35%, de te rmina, usando un ni ve l de
sign ifica ci n del 1% , el corre spon dien te intervalo de co nfian za pa ra la
pro porcin de dal t nicos de la pobl aci n.
=0.01
1- =0 .9 9
z / 2 = 2. 57 5

You might also like