MÉTODOS DE MUESTREO PROBABILÍSTICOS

PROBABILIDAD

YAMIL RODRIGUEZ OSPINO

TUTOR HERNANDO VEGA COGOLLO

UNIVERSIDAD DE CARTAGENA ING. DE SISTEMAS IV SEMESTRE SERES – FOCO ROJO Cartagena de Indias D. T. y C., 21 de octubre de 2011

y a que le llama esperanza matemática y cómo influye en los juegos de azar. . analizaremos las diferentes formas de cada uno de estos métodos.INTRODUCCION En este trabajo trataremos los diferentes métodos probabiblisticos. tenerlos en cuenta para aplicarlos en la vida diaria. conocer acerca de ellos.

Es decir. Dentro de los métodos de muestreo probabilísticos encontramos los siguientes tipos: Muestreo aleatorio simple: El procedimiento empleado es el siguiente: 1) se asigna un número a cada individuo de la población y 2) a través de algún medio mecánico (bolas dentro de una bolsa. como el anterior. El riesgo de este tipo de muestreo está en los casos en que se dan periodicidades en la población ya que al elegir a los miembros de la muestra con una periodicidad constante (k) podemos introducir una homogeneidad que no se da en la población. tiene poca o nula utilidad práctica cuando la población que estamos manejando es muy grande. que es un número elegido al azar. i+2k. consiguientemente. los más recomendables. es decir se toman los individuos de k en k. por tanto.. Muestreo aleatorio sistemático: Este procedimiento exige. i+k. etc) se eligen tantos sujetos como sea necesario para completar el tamaño de muestra requerido. siendo k el resultado de dividir el tamaño de la población entre el tamaño de la muestra: k=N/n.. Se parte de ese número aleatorio i. atractivo por su simpleza. Sólo estos métodos de muestreo probabilísticos nos aseguran la representatividad de la muestra extraída y son. números aleatorios generados con una calculadora u ordenador. Imaginemos que estamos seleccionando una muestra sobre listas de 10 individuos en los que los 5 primeros son varones y los 5 últimos mujeres. Este procedimiento.. y los elementos que integran la muestra son los que ocupan los lugares i.i+(n-1)k. El número i que empleamos como punto de partida será un número al azar entre 1 y k. tablas de números aleatorios. aquellos en los que todos los individuos tienen la misma probabilidad de ser elegidos para formar parte de una muestra y.. pero en lugar de extraer n números aleatorios sólo se extrae uno. si empleamos un muestreo aleatorio sistemático con k=10 . i+3k. todas las posibles muestras de tamaño n tienen la misma probabilidad de ser elegidas.MÉTODOS DE MUESTREO PROBABILÍSTICOS Los métodos de muestreo probabilísticos son aquellos que se basan en el principio de equiprobabilidad. numerar todos los elementos de la población.

son conglomerados . Afijación Proporcional: La distribución se hace de acuerdo con el peso (tamaño) de la población en cada estrato. sexos.siempre seleccionaríamos o sólo hombres o sólo mujeres. pues exige un conocimiento detallado de la población. Consiste en considerar categorías típicas diferentes entre sí (estratos) que poseen gran homogeneidad respecto a alguna característica (se puede estratificar... y puede ser de diferentes tipos: Afijación Simple: A cada estrato le corresponde igual número de elementos muestrales.. Lo que se pretende con este tipo de muestreo es asegurarse de que todos los estratos de interés estarán representados adecuadamente en la muestra. (Tamaño geográfico. el sexo. En el muestreo por conglomerados la unidad muestral es un grupo de elementos de la población que forman una unidad. el municipio de residencia. el estado civil. pudiendo aplicarse dentro de ellos el muestreo aleatorio simple o el estratificado para elegir los elementos concretos que formarán parte de la muestra. Muestreo aleatorio estratificado: Trata de obviar las dificultades que presentan los anteriores ya que simplifican los procesos y suelen reducir el error muestral para un tamaño dado de la muestra.). Muestreo aleatorio por conglomerados: Los métodos presentados hasta ahora están pensados para seleccionar directamente los elementos de la población. no podría haber una representación de los dos sexos. En ocasiones las dificultades que plantean son demasiado grandes. La distribución de la muestra en función de los diferentes estratos se denomina afijación. es decir. etc). según la profesión.. Cada estrato funciona independientemente. a la que llamamos conglomerado. que las unidades muestrales son los elementos de la población. Tiene poca aplicación ya que no se suele conocer la desviación. edades. una caja de determinado producto. de modo que se considera la proporción y la desviación típica. los departamentos universitarios. por ejemplo. Afijación Óptima: Se tiene en cuenta la previsible dispersión de los resultados. Las unidades hospitalarias. etc.

 Busca asegurar una cobertura geográfica de la muestra y/o suplir la falta de censo. investigación de opiniones. Cuando los conglomerados son área geográfica suele hablarse de "muestreo por áreas". En otras ocasiones se pueden utilizar conglomerados no naturales como. Para finalizar con esta exposición de los métodos de muestreo probabilísticos es necesario comentar que ante lo compleja que puede llegar a ser la situación real de muestreo con la que nos enfrentemos es muy común emplear lo que se denomina muestreo polietápico. se define un punto de partida. Sus áreas de aplicación incluyen inspección de calidad. Estas distribuciones permiten enfrentar circunstancias en las que los resultados pertenecen a dos categorías relevantes: que ocurra un evento determinado o que no lo haga.naturales. Este tipo de muestreo se caracteriza por operar en sucesivas etapas. entre otras. Muestreo por Rutas Aleatorias  La selección de los miembros de la muestra se realiza como parte del trabajo de campo. por ejemplo. empleando en cada una de ellas el método de muestreo probabilístico más adecuado. Este tipo de experimento aleatorio particular es denominado ensayo de Bernoulli. sobre el que se aplica una ruta predefinida en la que se van seleccionan-do los miembros de la muestra con arreglo a un procedimiento heurístico. DISTRIBUCIÓN BINOMIAL Las distribuciones binomiales son las más útiles dentro de las distribuciones de probabilidad discretas. El muestreo por conglomerados consiste en seleccionar aleatoriamente un cierto número de conglomerados (el necesario para alcanzar el tamaño muestral establecido) y en investigar después todos los elementos pertenecientes a los conglomerados elegidos. medicina.  No es aconsejable en planos no lineales o poco homogéneos en manzanas y edificación. mercadotecnia. ventas. las urnas electorales. Sus dos resultados posibles son denotados .  Establecida un área de muestreo.

un experimento aleatorio que consiste de n ensayos repetidos tales que: Los ensayos son independientes Cada ensayo es de tipo Bernoulli. valor esperado. La probabilidad de éxito de cada ensayo. es el número que formaliza la idea de valor medio de un fenómeno aleatorio. Esto es. en el que todos los sucesos son de igual probabilidad. Cuando la variable aleatoria es discreta.por “éxito” y “fracaso” y se define por p la probabilidad de un éxito y 1-p la probabilidad de un fracaso. la esperanza es igual a la media aritmética. En este caso. la esperanza es igual a la suma de la probabilidad de cada posible suceso aleatorio multiplicado por el valor de dicho suceso. Cabe decir que el valor que toma la esperanza matemática en algunos casos puede no ser "esperado" en el sentido más general de la palabra .5. Podemos hacer el cálculo y cabe destacar que 3. tiene sólo dos resultados posibles: “éxito” o “fracaso”. media poblacional o media) de una variable aleatoria X.5 no es un valor posible al rodar el dado. En general. representa la cantidad media que se "espera" como resultado de un experimento aleatorio cuando la probabilidad de cada suceso se mantiene constante y el experimento se repite un elevado número de veces. Por ejemplo. Por lo tanto. ESPERANZA MATEMÁTICA En estadística la esperanza matemática (también llamada esperanza. . denotada por p.el valor de la esperanza puede ser improbable o incluso imposible. permanece constante. el valor esperado cuando tiramos un dado equilibrado de 6 caras es 3.

perder unos 5 céntimos por cada euro que apuesta. en media. La distribución de probabilidad de una variable aleatoria X es una descripción del conjunto de posibles valores de X. la esperanza matemática del beneficio para apostar a un solo número es: que es -0.9474 euros. Nota: El primer paréntesis es la "esperanza" de perder tu apuesta de $1. Esta distribución bien puede ser una gráfica. una tabla o una ecuación que da la probabilidad de cada valor de la variable aleatoria y se considera como el resumen más útil de un experimento aleatorio. La ganancia para acertar una apuesta a un solo número paga de 35 a 1 (es decir. La esperanza matemática del beneficio es el valor esperado a ganar menos el valor esperado a perder. junto con la probabilidad asociada con cada uno de estos valores. VARIABLE ALEATORIA DISCRETA Se dice que una variable aleatoria X es discreta si el número de valores que puede tomar es finito (o infinito contable). y el valor esperado para apostar 1 euro son 0.0526 aproximadamente. considerando los 38 posibles resultados. un juego donde el beneficio esperado es cero (no ganamos ni perdemos) se llama un "juego justo". por eso es negativo el valor. . para ello se requiere primero definir claramente la variable aleatoria. acordar la siguiente simbología: {X = x} denotará el evento formado por todos los resultados para los que X = x y P(X = x) será la probabilidad de dicho evento. Por ejemplo. así que recibimos 36 veces lo que hemos apostado). Por lo tanto uno esperaría. Será importante pues. Frecuentemente el interés recae en la probabilidad de que una variable aleatoria tome un valor particular.Una aplicación común de la esperanza matemática es en las apuestas o los juegos de azar. cobramos 35 veces lo que hemos apostado y recuperamos la apuesta. En el mundo de las apuestas. la ruleta americana tiene 38 casillas equiprobables. Por tanto. El segundo paréntesis es la esperanza matemática de ganar los $35.

pero como el rango de todos los valores posibles es muy grande. Esta función f(x) no es la misma función de probabilidad de una variable aleatoria discreta. . resulta más conveniente utilizar un modelo basado en una variable aleatoria continua. En algunos casos. Dichos valores pueden asociarse a mediciones en una escala continua. variables aleatorias que han sido denominadas discretas. donde las variables aleatorias pueden tomar valores en una escala continua. En este tema. de manera que no haya huecos o interrupciones. el procedimiento es casi el mismo. Se dice que una variable aleatoria X es continua si el número de valores que puede tomar están contenidos en un intervalo (finito o infinito) de números reales.VARIABLE ALEATORIA CONTINUA En el tema anterior se presentó el concepto de variable aleatoria como una función de valor que asigna un número real finito (o infinito contable) a cada resultado en el espacio muestral de un experimento aleatorio. la variable aleatoria considerada continua en realidad es discreta. La distribución de probabilidad de una variable aleatoria continua X está caracterizada por una función f(x) que recibe el nombre de función de densidad de probabilidad.

CONCLUSION Como conclusión podemos anotar que los métodos probalisticos son una forma de calcular las diferentes maneras de probabilidades que tienen una persona o una maquina de arrojar un resultado ya sea falso o verdadero. Entendimos que la esperanza matemática es una forma de saber que posibilidades nos están ofreciendo y que posibilidades tenemos de que eso que nos ofrecen lo podamos obtener. .

Sign up to vote on this title
UsefulNot useful