«La estadística es una de las ramas de la ciencia medible más relevantes que existen»…Esto puede ser defendido o refutado por una gran cantidad de personas, pero antes de determinar el resultado real, se puede realizar una inferencia haciendo uso de la estadística inferencial. 

Vale, lo entendemos, empezamos fuerte con este artículo y es posible que sea confuso, pero que esto sirva de abrebocas de lo que te vas a encontrar de ahora en más. 

La estadística es fundamental, solo tienes que analizar para qué se usa esta disciplina en cualquier ámbito de nuestra vida: medir resultados, determinar opiniones, calcular el porcentaje de situaciones…

Sus usos varían y se extienden a medida que se extienden las necesidades. Pero, ¿qué es exactamente la estadística inferencial y en qué se diferencia con la estadística empírica? Todo esto y más a continuación. ¡Empezamos!

¿Qué es la estadística? 

La estadística es una rama de la ciencia que busca determinar y obtener resultados basados en datos medibles que explican y predicen ciertos fenómenos. 

Es decir, que se emplearán algunos métodos y procedimientos que permitan recolectar datos e información sobre un tema en particular. Estos datos se desglozarán, se establecerán parámetros de medición y a partir de estos parámetros se obtendrán resultados cuantificables de los sujetos de estudio. 

Es importante poder entender el concepto básico y fundamental de la estadística, para proceder a entender lo que estadística inferencial refiere. 

Para ello, conozcamos un poco las características de la estadística general y así poder entrar en el tema que nos compete: 

• La estadística calcula porcentajes y probabilidades que resultan cruciales para conocer el estatus de una situación concreta y la toma de decisiones. 

• Por otro lado, es un estudio muy importante en el campo de la sociología, ya que estudia el comportamiento humano dentro de una sociedad respecto a diferentes temas. 

• Se obtienen resultados empíricos y demostrables, por lo que además de brindar una mayor seguridad también promueve un mejor análisis de los datos. 

• La estadística es un estudio transversal, ya que puede aplicarse en distintas disciplinas, ya sea en la medicina, matemáticas y ciencias en general. 

¿Qué es la estadística inferencial? 

Ahora que ya conoces lo que es la estadística, es momento de entrar en materia: la estadística inferencial. 

Es uno de los tipos de estadísticas existentes, y se puede definir como una ciencia basada en deducciones y probabilidades.

A diferencia de la estadística general, en la estadística inferencial basta con solo una muestra del objeto de estudio para poder realizar una deducción probable sobre los resultados que se obtendrán. 

¡Por supuesto! La estadística inferencial tiene que basarse a su vez en pruebas contundentes que avalen sus posibles deducciones. No se trata de una ciencia si esta solo se basará en meras expectativas a raíz de una opinión personal tiene que tener por tanto, fundamento. 

Y por esa razón, la estadística inferencial posee los siguientes elementos: 

Pruebas de estimación puntual 

Como su propio nombre indica, la estimación puntual se obtiene a través del o los valores poblacionales de la muestra obtenida. 

Dicho de otra forma, se trata de aproximar el valor de un parámetro de estudio tomando en cuenta la muestra que se ha obtenido de una población. Se trata pues, de una estimación del valor real de un parámetro poblacional que aún se desconoce, pero que gracias a la muestra, se puede inferir los resultados. 

Del mismo modo, la estimación puntual también posee ciertas características que tienen que ser de conocimiento general: 

• Sesgo: el sesgo no puede existir o su presencia tendría que ser la mínima posible en la estimación puntual. Ya que, si un estimador posee un sesgo de cualquier tipo en el cálculo de su muestra, menos precisa será y por tanto, la estadística en general tendrá un sesgo que reduce la veracidad de sus resultados. 

• Eficiencia: se refiere a la variación de la distribución muestral de un estimador. A mayor sea su varianza en los resultados, significa que es menos eficiente. Mientras que, el estimador que tiende a tener menos variaciones en sus estudios y resultados, será mucho más atractivo y eficiente de cara al mundo laboral. 

• Consistencia: se puede resumir como, mientras mayor sea la muestra, se estará más cerca del valor real de la población. Es decir, es tener consistencia entre los datos obtenidos y los resultados, a mayor muestra mayor precisión, y por ende, una aproximación más realista del valor real. 

Pruebas de hipótesis

Es el proceso o estudio por el cual se evalúa y comprueba qué tan acertada es la estimación realizada con respecto a una muestra poblacional. 

Las «hipótesis», son tomadas como conjeturas, y las mismas son consideradas como verdaderas hasta que la evidencia empírica demuestra la veracidad de las mismas, o por el contrario, las desmiente. 

Por ejemplo, una hipótesis podría ser la estimación de una persona con respecto al porcentaje de estudiantes cursando bachillerato en su comunidad. 

«En mi comunidad, el 90% de los jóvenes de entre 12 a 16 años, cursa bachillerato mientras que el otro 10% trabaja». 

Es decir, la hipótesis sugiere que, a partir de cierto rango de edad (tómese los 12 a 16 años), los jóvenes tendrían que estar cursando el bachillerato, y otro porcentaje menor, estaría laburando. 

Por tanto, si en la comunidad hay rangos de edades entre los 10 y los 18 años, se deducirá que los que se encuentren en el rango de edades de 12 a 16 años, se encontrarán cursando el bachillerato y cuyo porcentaje variará dependiendo de la muestra poblacional de jóvenes totales. 

Esta hipótesis, por tanto, se comprobará a través de un estudio poblacional exhaustivo, como pudiese ser un censo casa por casa, y determinar así la veracidad de la hipótesis planteada. 

Pruebas paramétricas 

Una prueba paramétrica es aquella que pone en una lupa de estudio y medición, a la asociación e independencia que existe entre una variable cuantificable y otra categórica. 

Una variable categórica es la que divide a los individuos de estudio en grupos, y para dividirlos en grupos, es necesario que estos cumplan ciertas características semejantes para que puedan asociarse. 

Es decir, para aplicar la prueba paramétrica en el caso de que se tengan dos grupos de individuos, se tiene que: 

• Medir la variable cuantitativa de los grupos y que esta sea proporcionalmente normal, es decir, que coincidan en cantidad. 

• Por otro lado, se tiene que evaluar que ambos grupos sean homogéneos en sus características para que la varianza no sea considerable y no distorsione los verdaderos resultados. 

• Por último, los grupos tendrán que ser sí o sí, mayores a 30 individuos o muestras. A mayor muestra se obtenga, mayor precisión y real será el resultado, mientras que si la muestra es reducida, será mucho menos precisa y más variable. 

Pruebas no paramétricas 

A diferencia de las pruebas paramétricas, las no paramétricas no siguen parámetros estrictos para su aplicación, es decir, es mucho más libre. Sin embargo, su aplicación es mucho más compleja, y los resultados pueden no ser precisos, llegando al punto de no poder afirmar o rechazar una hipótesis incluso si los resultados lo demuestran. 

Otro factor determinante a la hora de aplicar una prueba paramétrica o no paramétrica, es la cantidad de la muestra. Ya te comentamos que para las pruebas paramétricas lo ideal es que se tenga una muestra igual o mayor a 30 personas, lo que quiere decir, que una muestra menor será ideal estudiarla a través de pruebas no paramétricas. 

Si la recolección de datos o información tienen un sesgo o se aplica un método de recolección a conveniencia del investigador, quiere decir entonces que la prueba será no paramétrica. 

I

Algunos ejemplos de estadística inferencial 

Para llevar este nuevo conocimiento adquirido a la práctica, te mostraremos algunos ejemplos ideales que podrán exponer con mucha mayor facilidad, lo que refiere a la estadística inferencial. 

Caso 1 

El análisis de mercado es uno de los métodos estadísticos de mayor importancia en el mundo del marketing digital actual, lo que resulta también muy atractivo para cualquier empresa o proyecto. 

Por tanto, el análisis de mercado consiste en la aplicación y uso de herramientas de medición estadísticos de ciertos grupos focalizados a un nicho en específico. Es decir, se estudian las necesidades, quejas, preferencias y recomendaciones de los clientes, y deducir por estadística qué está dando mejores resultados y qué no. 

Pudiendo así, tomar mejores decisiones y aplicar estrategias eficientes y que brinden mejores resultados tomando en cuenta el contexto y el nicho. 

Caso 2

El análisis de tendencia, se trata de la recopilación de datos e información ofrecida por herramientas de medición. Una herramienta de medición típica en el análisis de tendencia, es la encuesta, que se encarga de recabar información sobre lo que piensa un público o población determinada con respecto a un tema. 

Esta información recaba es desglosada y analizada de forma superficial, y tomando en cuenta la tendencia de las respuestas, se puede inferir los resultados que se obtendrán más adelante cuando se realicen las mediciones profundas. 

Caso 3

La estadística de acción se trata de un análisis concreto sobre una variable dentro de una población determinada y sus características, para determinar cuáles son las mejores medidas de acción a usar en dichos casos. 

Un ejemplo fácil de esto lo puedes evidenciar en la medicina, y siendo un caso de conocimiento general, se puede tener en referencia al COVID-19. 

Los profesionales de la medicina y salud pública, determinan las características del virus dentro de una muestra poblacional, causas, síntomas, infección, entre otros datos. 

Usando estas características, se pueden realizar conjeturas o inferencias sobre qué hacer para contrarrestar este virus y su propagación. Por ejemplo: 

• El virus puede transmitirse de forma aérea a través de los estornudos o la saliva. Por tanto, se puede inferir que con el uso de tapabocas, la probabilidad de contagio y propagación disminuirá considerablemente. 

Tipos de muestra en estadística 

Una muestra estadística, como ya podrás inferir gracias a toda la información anterior, se trata de la información o datos que se obtienen de una población específica. Dichos datos son estudiados y analizados para comprobar, determinar y representar una conclusión con respecto a ellos. 

Dentro de los tipos de muestra en estadística, se encuentran aquellos elementos en los que todos tienen probabilidad de formar parte de una muestra, conocida como muestra probabilística. Mientras que, por otro lado, existen elementos que por sus características no tendrán la misma probabilidad o posibilidad de formar parte de la muestra, conocido como muestra no probabilística. 

Así mismo, la muestra probabilística y no probabilística posee sus propios tipos de muestra, como podrás observar a continuación: 

Tipos de muestra probabilística 

1. Muestra aleatoria simple

Es el tipo de muestreo básico, en el que todos los individuos o elementos que conforman la muestra, tienen la misma posibilidad de ser partícipes en el estudio de forma aleatoria.

Para este tipo de muestra, será necesario tener establecido la cantidad total de cada muestra. 

2. Muestra sistemática 

La población o muestra tiene que ser numerada e identificada, de manera que el investigador escogerá un número al azar, y luego tendrá que establecer un número que determinará la distancia entre los elementos a escoger. 

Dicho de otra forma, el investigador escoge el número 2 como punto de partida, y a partir de allí, determina la distancia de los elementos con el número 2 también, por ejemplo. Eso quiere decir, que su muestra se conformará de dos en dos, siendo pues los escogidos los números 2, 4, 6, 8,10 y así sucesivamente. 

3. Muestra estratificada 

Se dividen los elementos de la muestra en estratos que comparten cierta cantidad de características comunes. Para luego ser seleccionados de forma proporcional para así conformar la muestra de estudio. 

4. Muestra de conglomerados 

Una muestra de conglomerados es cuando los sujetos de estudio ya se encuentran de forma natural divididos en grupos. Por lo que en estos casos, solo se tienen que escoger de forma aleatoria los individuos que conformarán la muestra de cada grupo. 

Tipos de muestra no probabilística 

1. Muestra por cuotas 

Se busca establecer muestras a partir de características comunes dentro de una población. Por ejemplo, si en una población de estudiantes hay 50% que conforman el bachillerato y 50% de universitarios, la muestra de estudio tendrá que contar con la misma distribución o porcentaje. 

2. Muestra por conveniencia 

El investigador elige su muestra a través de características que le resulten convenientes según lo que quiera determinar. Por lo general, los elementos escogidos se dan según su proximidad, y el investigador reconoce que no es una representación total de la población, solo se usa para conocer datos superficiales. 

3. Muestra bola de nieve 

Lo que se pretende con este tipo de muestra, es que un sujeto de la misma pueda identificar a otros sujetos que compartan sus mismas características para que formen parte de la muestra y así sucesivamente. 

4. Muestra discrecional 

La muestra se determina a través de cierto criterio o experiencia del sujeto. Por ejemplo, si se quiere estudiar las causas de la depresión, entonces se requerirá de individuos o sujetos que hayan pasado por este cuadro psicológico. 

Si te ha resultado interesante y enriquecedor este artículo, no olvides recomendarlo y compartirlo con tus allegados que puedan estar necesitando de esta información de valor.