EJEMPLO 1.

Las investigaciones sobre resistencia de materiales representan un rea rica en aplicaciones de

mtodos estadsticos. El artculo Effects of Aggregates and Microfillers on the Flexural Properties of
Concrete (Magazine of Concrete Research, 1997, pp. 8 1-98) resea un estudio de las propiedades de
resistencia del concreto de alta resistencia obtenido usando superplastificantes y ciertos aglutinantes. La
resistencia a la compresin de ese concreto se haba investigado con anterioridad, pero no se conoca
mucho acerca de la resistencia a la friccin (medida de la capacidad de resistencia a la falla por flexin).
Los datos siguientes sobre resistencia a la presin estn en mega-Pascales, MPa (donde 1 Pa (pascal)
= 1.45 x 10 -4 psi) y aparecieron en el artculo citado:

Supongamos que deseamos un estimado, o estimacin, del valor promedio de la resistencia a la flexin
de todas las vigas que se podran fabricar con este mtodo (si conceptualizamos una poblacin de todas
esas vigas, estamos tratando de estimar la media poblacional). Se puede demostrar que, con mucha
confianza, la resistencia promedio de la poblacin est entre 7.48 MPa y 8.80 MPa; a esto se le llama
intervalo de confianza, o intervalo estimado. Tambin se podran usar estos datos para pronosticar la
resistencia de una sola viga de este tipo a la flexin. Con gran confianza, la resistencia de esa viga ser
mayor que 7.35 MPa; al nmero 7.35 se le llama cota inferior de prediccin.

En un problema de probabilidad, las propiedades de la poblacin en estudio se suponen conocidas (es

decir, en una poblacin numrica puede suponerse alguna distribucin especfica de los valores de la
poblacin) y se formulan y responden preguntas en relacin con una muestra tomada de la poblacin.
En un problema estadstico, las caractersticas de una muestra estn disponibles para el
experimentador, y esta informacin lo capacita para sacar conclusiones respecto a la poblacin. La
relacin entre las dos disciplinas se puede resumir al decir que la probabilidad razona desde la poblacin
hacia la muestra (razonamiento deductivo), mientras que la estadstica razona desde la muestra hacia la
poblacin (razonamiento inductivo). Esto se ilustra en la figura 1.2.

Antes de que podamos comprender lo que nos dice una muestra en particular acerca de la poblacin,
primero debemos entender la incertidumbre asociada con el hecho de tomar una muestra de una
poblacin dada. sta es la razn por la que primero estudiamos probabilidad y despus estadstica.

Figura 1.2 Relacin entre probabilidad y estadstica inferencial

Como ejemplo del enfoque tan distinto de la probabilidad y la estadstica inferencial, veamos el uso de
los cinturones de seguridad, por parte de conductores, en automviles equipados con sistemas de
cinturones de hombro. (El artculo, Automobile Seat Belts: Usage Patterns in Automatic Belt Systems,
Human Factors, 1998, pp. 126-135, resume los datos de uso de estos cinturones.) En probabilidad se
podra suponer que 50% de todos los conductores de autos con este equipo de determinada rea
metropolitana usan con regularidad su cinturn de hombro (es una hiptesis sobre la poblacin), as que
podramos preguntar. qu tan probable es que en una muestra de 100 conductores, al menos 70 de
ellos usen su cinturn? O bien, En una muestra de 100, cuntos de los conductores cabe esperar
que usen con regularidad su cinturn? Por otro lado, en estadstica inferencial tenemos disponible la
informacin de la muestra; por ejemplo, en una muestra de 100 conductores de esos automviles se vio
que 65 usan con regularidad su cinturn. Podramos preguntar entonces: con esto tenemos pruebas
suficientes para decir que ms de 50% de todos los conductores en esta rea usan con regularidad su
cinturn? En este ltimo escenario tratamos de usar informacin de la muestra para contestar una
pregunta acerca de la estructura de toda la poblacin, de la cual se seleccion la muestra.

En el ejemplo del cinturn de hombro, la poblacin est bien definida y es concreta: todos los
conductores de automviles equipados de cierta manera y en determinada rea metropolitana. Sin
embargo, en el ejemplo 1 se dispone de una muestra de 100, pero proviene de una poblacin que no
existe en realidad; en lugar de esto, la poblacin en este caso es una que est formada por todas las
posibles mediciones que pudieran hacerse bajo condiciones experimentales similares. Tal poblacin se
conoce como poblacin conceptual o hipottica. Hay diversos problemas en los que planteamos
preguntas en el marco de la estadstica inferencial al conceptualizar una poblacin.