MUESTRE O PRONSTIC OS

La funcin bsica del muestreo es determinar qu parte de una realidad en estudio (poblacin o universo) debe examinarse con la finalidad de hacer inferencias sobre dicha poblacin. Es un tcnica que sirve para obtener una o ms muestras de una poblacin.

MUESTR EO

APLICACIONES

El muestreo en el mbito econmicoempresarial. Aplicaciones del muestreo en auditoria. Aplicaciones en la investigacin de mercados. Estudio de grandes encuestas: Encuesta de poblacin activa y la de presupuestos familiares.

El muestreo permite una reduccin considerable de los costos materiales del estudio, una mayor rapidez en la obtencin de la informacin y el logro de resultados con mxima calidad. Al conjunto de muestras que se pueden obtener de la poblacin se denomina ESPACIO MUESTRAL.

VENTAJAS Y DESVENTAJAS
VENTAJAS Bajo costo DESVENTAJAS El planeamiento y ejecucin de la investigacin suele ser ms complejo que si se realizara por censo Hay un mayor riesgo de sesgo muestral Un mal entrenamiento al personal puede inferir en la encuesta Los encuestados no sean sinceros en la contestacin de las preguntas Gastos excesivos al hacer una mala creacin de la encuesta Requiere para su diseo de profesionales con buenos conocimientos de teora y habilidad en su aplicacin.

Informacin mas exacta Mayor rapidez en la obtencin de resultados Tcnica ms usada que permite obtener informacin de casi cualquier tipo de poblacin Permite obtener informacin sobre hechos pasados de los encuestados Gran capacidad para estandarizar datos, lo que permite su tratamiento informtico y el anlisis estadstico

TCNICAS DE MUESTREO

Existen 2 mtodos para seleccionar muestras de poblaciones: El muestreo no aleatorio o de juicio El muestreo aleatorio (al azar)

El ltimo tambin recibe el nombre de Muestreo probabilstico; esto es, cuando todos los elementos de la poblacin tienen alguna oportunidad de ser escogidos en la muestra.

Los muestreos probabilsticos pueden ser CON o SIN REEMPLAZO. Hay 3 tcnicas de muestreo probabilstico: Aleatorio simple Aleatorio estratificado Sistemtico

Muestreo aleatorio simple

Cada elemento de la poblacin tiene la misma probabilidad de ser seleccionado para integrar la muestra.

No nos interesa el individuo o elemento de la poblacin seleccionado en general, sino la caracterstica que se medir y observaremos en l.

Muestreo estratificado

Consiste en la divisin previa de la poblacin de estudio en grupos o clases que se suponen homogneos con respecto a alguna caracterstica de las que se van a estudiar. A cada uno de estos estratos se le asignara una cuota que determinara el nmero de miembros del mismo que compondrn la muestra.

Segn la cantidad de elementos de la muestra que se han de elegir de c/u de los estratos, existen 2 tcnicas de muestreo estratificado:
Asignacin proporcional: El tamao de la muestra dentro de c/estrato es proporcional al tamao del estrato dentro de la poblacin. Asignacin ptima: La muestra recoger ms individuos de aquellos estratos que tengan ms variabilidad.

Muestreo sistemtico
Se utiliza cuando el universo o poblacin es de gran tamao o ha de extenderse en el tiempo.
Primero hay que identificar las unidades y relacionarlas con el calendario (cuando proceda). Luego hay que calcular una constante que se denomina coeficiente de evaluacin K=N/n

Muestreo por conglomerados

Tcnica similar al muestreo por estratos mltiples, se utiliza cuando la poblacin se encuentra dividida, de manera natural, en grupos que se supone que tienen toda la variabilidad de la poblacin, es decir, la representan fielmente respecto a la caracterstica a elegir, pueden seleccionarse solo algunos de estos grupos o conglomerados para la realizacin del estudio.

Dentro de los grupos seleccionados se ubicaran las unidades elementales, por ejemplo, las personas a encuestar, y podra aplicarse el instrumento de medicin a todas las unidades, es decir, los miembros del grupo, o slo se le podra aplicar a algunos de ellos, seleccionados al azar. ste mtodo tiene la ventaja de simplificar la recogida de informacin muestral. Cuando, dentro de cada conglomerado seleccionado, se extraen algunos individuos para integrar la muestra, el diseo se llama muestreo bietpico.

Las tcnicas del muestreo no aleatorio o de juicio son: Muestreo por cuotas Muestreo de bola de nieve Muestreo subjetivo por decisin razonada

Muestreo por cuotas

Es la tcnica ms difundida sobre todo en estudios de mercado y sondeos de opinin. 1ro es necesario dividir la poblacin en varios estratos definidos por algunas variables de distribucin conocida (gnero o edad).

Se calcula el peso proporcional de c/estrato, es decir, la parte proporcional de poblacin que representan.

Finalmente se multiplica c/peso por el tamao de N de la muestra para determinar la cuota precisa en c/estrato.

Se diferencia del muestreo estratificado en que una vez determinada la cuota, el investigador es libre de elegir a los sujetos de la muestra dentro de c/estrato.

Muestreo de bola de nieve

Indicado para estudios de poblaciones clandestinas, minoritarias o muy dispersas pero en contacto entre s.

Consiste en identificar sujetos que se incluirn en la muestra a partir de los propios entrevistados. Partiendo de una pequea cantidad de individuos que cumplen los requisitos necesarios estos sirven como localizadores de otros con caractersticas anlogas.

Muestreo subjetivo por decisin razonada

Las unidades de la muestra se eligen en funcin de algunas de sus caractersticas de manera racional y no casual.

Una variante de esta tcnica es el muestreo compensado o equilibrado, en el que se seleccionan las unidades de tal forma que la medida de la muestra para determinadas variables se acerque a la medida de la poblacin.

Tuvieron su origen en aspectos informales de la vida cotidiana. En otras pocas los Reyes, los Polticos y personas adineradas acudan a los clarividentes para que les comentaran acerca de sus vidas en el futuro. Al paso del tiempo estas ideas las adoptan los comerciantes y empresarios y se fue formalizando poco a poco para el concepto de los pronsticos hasta llegar a la que hoy se conoce como un importante tema.

PRONSTICO S
ANTECEDENTES

Es una serie de datos que en base a una serie de estudios determinan la demanda en un futuro de un determinado producto. Es una inferencia a partir de ciertos datos. Es una tcnica que permite predecir lo que ocurrir en el futuro. El pronstico depender de los cambios en las variables externas al sistema de produccin.

Es necesario pronosticar cundo se considera:

Un entorno altamente incierto. La intuicin no necesariamente da los mejores resultados. Mejorar la planeacin y la elaboracin presupuestal Cuando se desea mejorar en competitividad y lograr un cambio en la bsqueda decrecimiento

Usos en las Empresas

Estas tcnicas se utilizan en empresas para determinar la demanda futura de sus productos
y en base a esto

Planear y controlar la cantidad de productos que deber producir.

METDOS DE PRONOSTICO
1.

Regresin lineal (Mnimos cuadrados) Potencial Exponencial

2.

3.

4.

Logartmicos

Regresin lineal (Mnimos cuadrados)

Una lnea de tendencia lineal es una lnea recta que se ajusta perfectamente y que se utiliza con conjuntos de datos lineales simples. Los datos son lineales si la trama de los puntos de datos se parece a una lnea. Una lnea de tendencia lineal normalmente muestra que algo aumenta o disminuye a un ritmo constante.

Calcula el nmero mnimo de cuadrados en una lnea utilizando la siguiente ecuacin:

donde m es la pendiente y b es la interseccin.

En el siguiente ejemplo, una lnea de tendencia lineal muestra que las ventas de refrigeradores se han incrementado de manera constante durante un perodo de 13 aos. Observe que el valor R cuadrado es 0,9036, que es un buen ajuste de la lnea respecto a los datos.

Potencial

Una lnea de tendencia de potencia es una lnea curva que se utiliza con conjuntos de datos que comparan medidas que aumentan a un ritmo concreto, por ejemplo, la aceleracin de un automvil de carreras a intervalos de un segundo. No es posible crear una lnea de tendencia de potencia si los datos contienen valores cero o negativos.

Calcula el nmero mnimo de cuadrados mediante puntos utilizando la siguiente ecuacin.

donde c y b son constantes.

En el siguiente ejemplo, los datos de la aceleracin se muestran trazando la distancia en metros por segundo. La lnea de tendencia de potencia demuestra la aceleracin creciente. Observe que el valor R cuadrado es 0,9923, que es un ajuste casi perfecto de la lnea respecto a los datos.

Exponencial

Una lnea de tendencia exponencial es una lnea curva que es muy til cuando los valores de los datos aumentan o disminuyen a intervalos cada vez mayores. No es posible crear una lnea de tendencia exponencial si los datos contienen valores cero o negativos.

Calcula el nmero mnimo de cuadrados mediante puntos utilizando la siguiente ecuacin.

donde c y b son constantes y e es la funcin logartmica natural.

En el siguiente ejemplo se utiliza una lnea de tendencia exponencial para mostrar la cantidad decreciente de carbono 14 que contiene un objeto a medida que envejece. Observe que el valor R cuadrado es 1, es decir, la lnea se ajusta a los datos perfectamente.

En el siguiente ejemplo se utiliza una lnea de tendencia exponencial para mostrar la cantidad decreciente de carbono 14 que contiene un objeto a medida que envejece. Observe que el valor R cuadrado es 1, es decir, la lnea se ajusta a los datos perfectamente.

Logartmicos

Una lnea de tendencia logartmica es una lnea curva que se ajusta perfectamente y que es muy til cuando el ndice de cambios de los datos aumenta o disminuye rpidamente y despus se estabiliza. Esta lnea de tendencia logartmica puede utilizar valores positivos o negativos.

Calcula el nmero mnimo de cuadrados mediante puntos utilizando la siguiente ecuacin.

donde c y b son constantes y ln es el logaritmo natural.

En el siguiente ejemplo se utiliza una lnea de tendencia logartmica para mostrar el crecimiento previsto de la poblacin animal en un rea determinada, donde la poblacin se estabiliz al reducirse el espacio para los animales. Observe que el valor R cuadrado es 0,9407, que es un ajuste relativamente bueno de la lnea respecto a los datos.