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

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

MÉTODOS DE MUESTREO PROBABILÍSTICOS Los métodos de muestreo probabilísticos son aquellos que se basan en el principio de equiprobabilidad. Muestreo aleatorio sistemático: Este procedimiento exige. i+k. i+2k. como el anterior. y los elementos que integran la muestra son los que ocupan los lugares i. 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. numerar todos los elementos de la población. 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. etc) se eligen tantos sujetos como sea necesario para completar el tamaño de muestra requerido. por tanto. si empleamos un muestreo aleatorio sistemático con k=10 ... tablas de números aleatorios. pero en lugar de extraer n números aleatorios sólo se extrae uno. atractivo por su simpleza.i+(n-1)k. i+3k. Este procedimiento. consiguientemente. los más recomendables. es decir se toman los individuos de k en k. El número i que empleamos como punto de partida será un número al azar entre 1 y k. Se parte de ese número aleatorio i.. números aleatorios generados con una calculadora u ordenador. Es decir. siendo k el resultado de dividir el tamaño de la población entre el tamaño de la muestra: k=N/n.. todas las posibles muestras de tamaño n tienen la misma probabilidad de ser elegidas. que es un número elegido al azar. tiene poca o nula utilidad práctica cuando la población que estamos manejando es muy grande. Sólo estos métodos de muestreo probabilísticos nos aseguran la representatividad de la muestra extraída y son. aquellos en los que todos los individuos tienen la misma probabilidad de ser elegidos para formar parte de una muestra y. Imaginemos que estamos seleccionando una muestra sobre listas de 10 individuos en los que los 5 primeros son varones y los 5 últimos mujeres.

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

 No es aconsejable en planos no lineales o poco homogéneos en manzanas y edificación. Este tipo de experimento aleatorio particular es denominado ensayo de Bernoulli. mercadotecnia. medicina. En otras ocasiones se pueden utilizar conglomerados no naturales como. por ejemplo. empleando en cada una de ellas el método de muestreo probabilístico más adecuado. DISTRIBUCIÓN BINOMIAL Las distribuciones binomiales son las más útiles dentro de las distribuciones de probabilidad discretas. se define un punto de partida. ventas. Cuando los conglomerados son área geográfica suele hablarse de "muestreo por áreas". 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.  Establecida un área de muestreo.naturales.  Busca asegurar una cobertura geográfica de la muestra y/o suplir la falta de censo. entre otras. investigación de opiniones. 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. 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. las urnas electorales. Sus áreas de aplicación incluyen inspección de calidad. Este tipo de muestreo se caracteriza por operar en sucesivas etapas. 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. Sus dos resultados posibles son denotados . Muestreo por Rutas Aleatorias  La selección de los miembros de la muestra se realiza como parte del trabajo de campo.

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

Nota: El primer paréntesis es la "esperanza" de perder tu apuesta de $1. El segundo paréntesis es la esperanza matemática de ganar los $35. La ganancia para acertar una apuesta a un solo número paga de 35 a 1 (es decir. por eso es negativo el valor. Frecuentemente el interés recae en la probabilidad de que una variable aleatoria tome un valor particular.9474 euros. para ello se requiere primero definir claramente la variable aleatoria. 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 esperanza matemática del beneficio para apostar a un solo número es: que es -0. un juego donde el beneficio esperado es cero (no ganamos ni perdemos) se llama un "juego justo".0526 aproximadamente. Por lo tanto uno esperaría. cobramos 35 veces lo que hemos apostado y recuperamos la apuesta. En el mundo de las apuestas. así que recibimos 36 veces lo que hemos apostado). . Será importante pues. la ruleta americana tiene 38 casillas equiprobables. y el valor esperado para apostar 1 euro son 0. Por tanto. considerando los 38 posibles resultados. Por ejemplo. junto con la probabilidad asociada con cada uno de estos valores.Una aplicación común de la esperanza matemática es en las apuestas o los juegos de azar. 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). La distribución de probabilidad de una variable aleatoria X es una descripción del conjunto de posibles valores de X. Esta distribución bien puede ser una gráfica. La esperanza matemática del beneficio es el valor esperado a ganar menos el valor esperado a perder. 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. perder unos 5 céntimos por cada euro que apuesta. en media.

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. resulta más conveniente utilizar un modelo basado en una variable aleatoria continua. . donde las variables aleatorias pueden tomar valores en una escala continua. En este tema. Dichos valores pueden asociarse a mediciones en una escala continua. Esta función f(x) no es la misma función de probabilidad de una variable aleatoria discreta. de manera que no haya huecos o interrupciones. variables aleatorias que han sido denominadas discretas. 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. En algunos casos. el procedimiento es casi el mismo. la variable aleatoria considerada continua en realidad es discreta. pero como el rango de todos los valores posibles es muy grande. 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