Fundamentos de la Inferencia Estadística: Universo, Población, Muestras y Variables
Inferencia Estadística
La Estadística Descriptiva permite representar las características de un universo a partir de una muestra, con una probabilidad determinada.
Se suele representar en tablas alusivas a la muestra.
La Inferencia Estadística se refiere a las conclusiones que se obtienen a partir de la Estadística Descriptiva.
Universo ≠ Población
Conceptos Fundamentales
- Universo: Conjunto de todos los valores de las variables que el investigador desea medir en todas las unidades de análisis.
Por ejemplo: sombreros: tipos, fabricantes, tiendas, consumidores, etc. - Población: Conjunto de habitantes de un territorio; son los individuos a los que se refiere el estudio. También, colectivo que se quiere estudiar y del que se desea obtener información específica.
Por ejemplo: españoles mayores de 18 años que usen algún tocado. - Variable: Cada uno de los rasgos o características de los elementos de una población.
- Muestra: Individuos o unidades de una población con los que se va a realizar el estudio.
- Unidad de Población: Mínimo patrón considerado para la obtención de datos (personas, familias, establecimientos).
- Unidad de Muestreo: Persona disponible para su elección, que puede coincidir o no con la unidad de población. Es quien responde a la encuesta en su propio nombre o en nombre de la unidad de población.
Por ejemplo: Dña. Felipa Alegre de Industrias de la Boina Española. - Censo: Relación nominal de una población con identificación de una serie de datos (nombre, teléfono, domicilio, etc.).
- Marco de la Muestra: Se elabora con las unidades de muestreo (personas que han respondido). Es la lista de las unidades de muestreo, que solo debe contener los elementos de la población, cada uno figurando una sola vez.
- Estadístico: Variable o medida obtenida a partir de los datos de una muestra.
Por ejemplo: total de sombreros pedidos por nuestros informantes. - Afijación: Número de encuestas que se establecen por dominio.
- Variable: Cada uno de los rasgos o características de los elementos de una población.
Por ejemplo: cada una de las preguntas de un cuestionario.
Tipos de Variables
Según el modo:
- Cualitativa: Las que pueden presentarse o no.
Por ejemplo: sexo. - Cuantitativa: Las que pueden presentarse en diversos grados de intensidad.
Por ejemplo: nivel de ingresos.
Según el valor:
- Continua: Pueden tomar cualquier valor de un intervalo.
- Discontinua o discreta: Solo valores enteros.
Según la explicación:
- Independiente: Manipulada por el investigador.
Por ejemplo: envase. - Dependiente: Medida de conducta.
Por ejemplo: valoración.
Según el objeto de la descripción:
- Métricas: Medibles en unidades.
Por ejemplo: unidades compradas. - Nominales: Expresadas en términos de sí/no, nombres.
Por ejemplo: marcas que compras.
Condiciones para la Inferencia Estadística
Para poder inferir algo de una población a partir de una muestra, es necesario que se cumplan ciertas condiciones:
- Los datos deben representar algo significativo.
- Deben ser una reproducción fiel y a escala del universo.
- Debe existir la precisión necesaria para hacer la inducción (por ejemplo, debe haber un censo).
Para que el muestreo sea posible, se debe aplicar la teoría probabilística y los procesos de selección y estimación asociados.
Estimaciones y Precisión
- Estimaciones Insesgadas: Aquellas en las que los resultados de las muestras responden a la selección de los elementos de la población:
- Según una probabilidad independiente e igual de figurar en la muestra.
- Se pueden calcular los errores de muestreo que permiten determinar la precisión de las estimaciones.
- Precisión: Se refiere a la poca variabilidad de los valores en el muestreo, garantizando que los valores estimados se aproximen a los valores reales y no se desvíen significativamente.
Condiciones para un Muestreo Probabilístico y Preciso
Para que el muestreo sea probabilístico, debe respetarse la aleatoriedad e independencia en todo el proceso:
- Al elegir y aplicar el método de selección de unidades de muestreo: respetar la aleatoriedad.
- Al recoger la información: respetar las instrucciones.
Para que el muestreo sea preciso, se debe tener en cuenta el tamaño de la muestra, lo que permite hablar de:
- Estimaciones.
- Tendencias (en muestras diseminadas).
- Datos válidos o no (si los errores son muy numerosos).