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. conocer acerca de ellos. .INTRODUCCION En este trabajo trataremos los diferentes métodos probabiblisticos. analizaremos las diferentes formas de cada uno de estos métodos. tenerlos en cuenta para aplicarlos en la vida diaria.

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

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

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

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

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

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. variables aleatorias que han sido denominadas discretas. de manera que no haya huecos o interrupciones. resulta más conveniente utilizar un modelo basado en una variable aleatoria continua.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. donde las variables aleatorias pueden tomar valores en una escala continua. En este tema. 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. Dichos valores pueden asociarse a mediciones en una escala continua. el procedimiento es casi el mismo. En algunos casos. . la variable aleatoria considerada continua en realidad es discreta. 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.

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. .