Repblica Bolivariana de Venezuela Ministerio del Poder Popular para la Educacin Superior Universidad Nacional Experimental Francisco de Miranda

Ncleo: El Sabino, Punto Fijo Programa de Tecnologa Unidad Curricular: Estadsticas Profesora: Zuley Medina

Autores: Ana Moncada Aulimar Zambrano Luxainne Tremont Yanivys Snchez

Marzo, 2012

Teora de muestreo:

Tiene como objetivo principal conocer un todo o poblacin a travs del estudio de una muestra representativa, es decir, se realizan inferencias estadsticas de una poblacin a travs de una muestra de la misma. Es decir, estudia la relacin existente entre una poblacin y una muestra.

Muestreo:

Es una herramienta de investigacin cientfica que tiene como funcin bsica, determinar que parte de la realidad o poblacin n estudia, debe examinarse con el objetivo de hacer inferencias sobre dicha poblacin.

Tipos de muestreo:

Muestreo Probabilstico: Es aquel al cual se le puede calcular la probabilidad de extraer cualquier muestra posible. Existen cuatro:

Muestreo aleatorio simple: Es un muestreo equiprobabilistico. Todos los elementos de la poblacin tienen la misma probabilidad de ser elegidos. Se enumera n y se extraen la cantidad de elementos que satisfagan el tamao de la muestra que se estudiara.

Muestreo sistemtico: Es aquel donde se hace un listado de la poblacin, se extrae la muestra de acuerdo al tamao deseado, se determinan intervalos, luego se escoge un nmero de partida entre K y el tamao de la poblacin.

K=

 Muestreo aleatorio estratificado : Es aquel que divide la poblacin en estratos homogneos.

Muestreo por conglomerado: Es aquel que divide la poblacin en grupos o conglomerados de la cual se extrae informacin para as obtener una conclusin general.

Muestreo no Probabilstico: Es aquel al cual no se le puede calcular la probabilidad de extraer cualquier muestra posible. Muestreo intencionado: basado en conocimientos previos de una poblacin, usando juicios personales, tomando un criterio e opinin o terico.

Muestreo por cuotas: presupone el conocimiento de los estratos de la poblacin y selecciona a los elementos ms representativos.

Muestro incidental: es cuando se seleccionan directamente o indirectamente los elementos de la muestra.

Muestra de bola de nieve: cuando se selecciona un elemento de la muestra y este conduce al conocimiento de otro elemento, y este conduce a otro y as sucesivamente.

Correlacin:

La correlacin trata de establecer la relacin o dependencia que existe entre las dos variables que intervienen en una distribucin bidimensional. Es decir, determinar si los cambios en una de las variables influyen en los cambios de la otra. En caso de que suceda, diremos que las variables estn correlacionadas o que hay correlacin entre ellas.

Tipos de correlacin:

Correlacin directa: La correlacin directa se da cuando al aumentar una de las variables la otra aumenta. La recta correspondiente a la nube de puntos de la distribucin es una recta creciente.

Correlacin inversa: La correlacin inversa se da cuando al aumentar una de las variables la otra disminuye. La recta correspondiente a la nube de puntos de la distribucin es una recta decreciente.

Correlacin nula: La correlacin nula se da cuando no hay dependencia de ningn tipo entre las variables. En este caso se dice que las variables son incorreladas y la nube de puntos tiene una forma redondeada.

Grado de correlacin:

El grado de correlacin indica la proximidad que hay entre los puntos de la nube de puntos. Se pueden dar tres tipos:

1. Correlacin fuerte: La correlacin ser fuerte cuanto ms cerca estn los puntos de la recta.

2. Correlacin dbil: La correlacin ser dbil cuanto ms separados estn los puntos de la recta.

3. Correlacin nula:

Regresin:

Se denomina regresin lineal cuando la funcin es lineal, es decir, requiere la determinacin de dos parmetros: la pendiente y la ordenada en el origen de la recta de regresin, y=ax+b. En dicha ecuacin a es la ordenada en el origen, es decir, es la altura a la que la recta corta al eje Y. Se denomina tambin trmino independiente y b, tambin denominada pendiente es la inclinacin de la recta, es decir, es el incremento que se produce en la variable Y cuando la variable X aumenta una unidad. Por ejemplo, en el caso anterior Y=3+2X, por cada unidad que incrementa la X, la Y presenta un incremento medio de 2 unidades. En la recta de regresin -como ya veremos- b recibe el nombre de Coeficiente de regresin. Si b>0, entonces cuando X aumenta Y tambin lo hace (relacin directa). Si b<0, entonces, cuando X aumenta Y disminuye (relacin inversa).

La regresin nos permite adems, determinar el grado de dependencia de las series de valores X e Y, prediciendo el valor y estimado que se obtendra para un valor x que no est en la distribucin.

Tipos de Regresin:

1) Regresin lineal simple: Slo se maneja una variable independiente, por lo que slo cuenta con dos parmetros. Son de la forma:

Analizando:

Obteniendo dos ecuaciones denominadas ecuaciones normales que generan la siguiente alucin para ambos parmetros:

2) Regresin lineal mltiple: Maneja varias variables independientes. Cuenta con varios parmetros. Se expresan de la forma:

Grficos de Regresin:

Para muestra se puede tomar una propiedad como la distribucin divariante; que es cuando se estudia en una poblacin dos variables, que forman pares correspondientes a cada individuo.

Ejemplo con los grficos de regresin: Las notas de 10 alumnos en biologa y lenguaje
BIOLOGIA 2 4 5 5 6 6 7 7 8 9

ENGUAJE

10

Los pares de valores son: ( 2, 2) (4,2) (5,5)(8,7) (9,10) forman una distribucin divriate. La correlacin, mtodo por el cual se relacionan dos variables se pude graficar con un diagrama de dispersin de puntos, a la cual muchos autores le llaman nubes de puntos, encuadrado dentro de un grfico de coordenadas X Y en la cual se pude trazar una recta y cuyos puntos mas cercanos de una recta hablaran de una correlacin mas fuerte, ha esta recta se le denomina recta de regresin, que puede ser positiva o negativa, la primera contundencia a aumentar y la segunda en descenso o decreciente. Tambin se puede describir un diagrama de dispersin en coordenadas cartesianas valores como en la distribucin divriate, en donde la nube de puntos representa los pares de valores. GRAFICOS DE RECTA DE REGRESIN

Ecuacin de la Recta de Regresin Muestral:

Consiste en determinar los valores de "a" y "b " a partir de la muestra, es decir, encontrar los valores de a y b con los datos observados de la muestra. El mtodo de estimacin es el de Mnimos Cuadrados, mediante el cual se obtiene: Luego, la ecuacin de regresin muestral estimada es Que se interpreta como: a es el estimador de a, es el valor estimado de la variable Y cuando la variable X = 0.

b es el estimador de b , es el coeficiente de regresin.

El coeficiente de regresin lineal tambin viene dado porEst expresado en las mismas unidades de Y por cada unidad de X. Indica el nmero de unidades en que vara Y cuando se produce un cambio, en una unidad, en X (pendiente de la recta de regresin). Un valor negativo de b sera interpretado como la magnitud del decremento en Y por cada unidad de aumento en X.

Coeficiente de Regresin lineal:

Cuando se conocen los estimadores 0 y 1 dependen de la muestra seleccionada, donde 1 es la variable independiente y 0 la variable dependiente; esto son por lo tanto variables aleatorias y presentarn una distribucin de probabilidad. Estas distribuciones de probabilidad de los estimadores pueden utilizarse construir intervalos de confianza o contrastes sobre los parmetros del modelo de regresin. Si se observa y se analiza si el efecto de la variable independiente es significativo o no para variable dependiente, esto es equivalente a contrastar si el coeficiente 1 es o no significativamente distinto de cero. Un 1 = 0 implicara la ausencia de relacin lineal entre las variables.

En trminos generales se plantea los siguientes contrastes para 1:

Sabiendo que es de especial inters el contraste, se toma en cuenta: H0: 1 = 0 H1: 1 6= 0

Modelo Probabilistico:

La estructura del modelo de regresin lineal es la siguiente: Y = 0 + 1X +

En esta expresin estamos admitiendo que todos los factores o causas que influyen en la variable respuesta Y pueden dividirse en dos grupos: el primero contiene a una variable explicativa X y el segundo incluye un conjunto amplio de factores no controlados que englobaremos bajo el nombre de perturbacin o error aleatorio, , que provoca que la dependencia entre las variables dependiente e independiente no sea perfecta, sino que est sujeta a incertidumbre. Por ejemplo, En el consumo de gasolina de un vehculo (Y ) influyen la velocidad (X) y una serie de factores como el efecto conductor, el tipo de carretera, las condiciones ambientales, etc, que quedaran englobados en el error. Lo que en primer lugar sera deseable en un modelo de regresin es queestos errores aleatorios sean en media cero para cualquier valor x de X, es decir, E[/X = x] = E[] = 0, y por lo tanto: E[Y /X = x] = 0 + 1x + E[/X = x] = 0 + 1x En dicha expresin se observa que: La media de Y, para un valor fijo x, vara linealmente con x. Para un valor x se predice un valor en Y dado por y = E[Y /X = x] = 0 + 1x, por lo que el modelo de prediccin puede expresarse tambin como Y = 0 + 1X. El parmetro 0 es la ordenada al origen del modelo (punto de corte con el eje Y) y 1 la pendiente, que puede interpretarse como el incremento de la variable dependiente por cada incremento en una unidad de la variable independiente. Estos parmetros son desconocidos y habr que estimarlos de cara a realizar predicciones. Adems de la hiptesis establecida sobre los errores de que en media han de ser cero, se establecen las siguientes hiptesis: ii) La varianza de es constante para cualquier valor de x, es decir, V ar (/X = x) = 2 iii) La distribucin de es normal, de media 0 y desviacin .

iv) Los errores asociados a los valores de Y son independientes unos de otros. En consecuencia, la distribucin de Y para x fijo es normal, con varianza constante 2, y media que vara linealmente con x, dada por 0 +1x. Adems los valores de Y son independientes entre s.