Muest

Estadstica - GFZA EXTRACCION DE MUESTRAS CRITERIOS PARA INSPECCION DE MUESTRAS Entre los mecanismos de inspeccin de materiales, materias primas, semielaborados o productos tenemos como opciones alternativas las siguientes: Inspeccin total , equivalente a un censo, ES UN MTODO EXHAUSTIVO Inspeccin por muestreo estadstico, ES CONOCIDO COMO SONDEO El tipo de inspeccin aplicado depender entre otros factores de: Tipo de bien o producto en anlisis Costos de inspeccin Caractersticas de la inspeccin; si son o no destructivas Oportunidad de informacin extrada Recursos disponibles El sistema de mayor difusin y aplicacin es el referente a INSPECCION POR MUESTREO ESTADISTICO CONCEPTOS ELEMENTALES DE MUESTREO: La teora General de Muestreo estudia, analiza, las relaciones existentes entre una poblacin y muestras extradas de la misma. MUESTRA: Fraccin conocida de una poblacin, que se escoge para realizar inferencias estadsticas MUESTRA REPRESENTATIVA: Muestra extrada al azar, todos los miembros de la poblacin tienen igual posibilidad de ingresar o integrar la muestra EXTRACCION AL AZAR: Sin orientacin de manera aleatora, libre de sesgos. PROBABILISTICO: Estocstico, sujeto a teora de probabilidades y a sus distribuciones MUESTREO CON REEMPLAZO: Cuando la muestra regresa a la poblacin y se realizan nuevas extracciones MUESTREO SIN REEMPLAZO: Cuando la muestra extrada no regresa a la poblacin. POBLACIONES FINITAS:

Pgina 1

Muest

Su tamao en mensurable, conocido POBLACION INFINITA: No mensurable, no conocida. En casos prcticos suele asimilarse a este tipo de poblacin, a aquellas de tamao grande" Tambin se considera a la POBLACION FINITA + MUESTREO CON REEMPLAZO

muestra

POBLACION O UNIVERSO

muestra muestra

muestra

POBLACION O UNIVERSO

muestra muestra

MUESTREO.- Deduccin de lo GENERAL a lo PARTICULAR ESTIMACION.- Deduccin de lo PARTICULAR a lo GENERAL En realidad, lo usual es aplicar lo conocido como ESTIMACION estadstica, parte de la teora general de muestreo, y es usual hablar de muestreo en anlisis de estimacin. La extraccin de muestras puede realizarse de diversa manera: - Extraccin al azar simple - Sondeo sistemtico Extraccin de elementos de muestra a intervalos sistemticos - Sondeo por agrupacin o por conglomerados Extraccin no es unitaria sino por grupos: empresa, unidad geogrfca.. - Sondeo por etapas; multietapico Extraccin muestra primaria, de esta las secundarias Costo y precisin disminuyen - Mtodo de eleccin razonado Se fijan normas de extraccin, el azar est limitado Precisin desconocida, se pierde sustento terico, flexible y de bajo costo - Sondeo estratificado Se divide la poblacin en grupos homogneos, y de estos muestras al azar

Pgina 2

Muest

CLASES DE ESTIMADORES Estimador: cifra o cifras que se supone representan de mejor manera un resultado desconocido Ejemplo: se desconoce el ingreso promedio de las familias en Ambato, podemos estimar tal valor a travs del promedio de los ingresos de un grupo de familias escogidas.

El estimador no debe tener sesgo (del ingls biased), prejuicio, predisposicin, desviacin oblicuidad respecto a una direccin determinada. Ejemplo: al lanzar un dado, sale de manera casi permanenete el nmero 5, existe sesgo del dado hacia tal lado o nmero (podra estar "cargado")

El estimador debe ser consistente, esto es que conforme se incremente el tamao de la muestra, el estadstico tienda a acercarse cada vez ms al parmetro poblacional. Ejemplo: El nmero de "sellos" al lanzar una moneda tender a ser cercano al 50%, conforme se incrementa el nmero de lanzamientos.

El estimador debe ser eficiente, esto es que el tamao del error estndar debe ser reducido Ejemplo: Al analizar dos muestras de igual tamao y caractersticas, la que tenga el menor error estndar es la ms eficiente.

Estadistico -

Sin sesgo Consistente Eficiente

Parmetro

Un estimador adecuado es el promedio muestral o de las diversas muestras, para equiparar con el promedio poblacional. Un estimador sesgado de la desviacin estndar es el obtenido de una muestra, por cuanto es menor el valor en la muestra que en la poblacin, para eliminar el sesgo se recurre a un factor de correccin: [ n / (n - 1) ] n 2 5 10 50 100 500 1000 [ n / (n - 1) ] 1.414214 1.118034 1.054093 1.010153 1.005038 1.001002 1.000500 [ n / (n - 1) ] 1.414214 1.118034 1.054093 1.010153 1.005038 1.001002 1.000500

POBLACION

MUESTRA

ESTIMADOR

Pgina 3

Muest

Promedio Desviacin tpica

Muestreo de la variable estadistica

m s
Poblacin infinita

_ x s

m^ s^
Poblacin finita

Promedio Desviacin estndar de muestra Estimacin media poblacional Estimacin desviacin tpica de la poblacin s^ Estimacin del error estndar de la media s^sx

x1+x2+..... / n s = [n Sx - ( Sx) ] / n x^ s^ = s [ n / (n-1)]

x1+x2+..... / n [n Sx - ( Sx) ] / n x^ s [ n / (n-1) ] * [(N-1) / N] s^ n s (n-1) [(N-n) / N]

s^ n s (n-1)

[(N-n) /(N-1)]

Consulta : 1. Como se puede calcular el tamao de una muestra 2. Que es muestreo multietpico, ejemplo y aplicacin 3. Qu es muestreo por paneles, ejemplo y aplicaciones

1. Con error de la estima 2. Escogo de una ciudad los barrios, luego de cada uno de estos las "manzanas", y de estas las viviendas. Seleccin por etapas. 3. Para casos dinmicos, no estticos, se selecciona bajo cualquier mtodo anterior los gru_ pos a entrevistar, se divide en dos segmentos: el primero para la prueba de entrevistas y reentrevistas inicial; el segundo para un nuevo anlisis. Al grupo primero se le cuestiona peridicamente, sobre un tpico. Logrando observar las tendencias o comportamientos en el tiempo. Util en estudios de mercado. Dificultad estriba en tener que entrevistar en todos los casos a la misma familia o elemento

Pgina 4