TEORIA DEL MUESTREO

MUESTRA Y CENSO
Una muestra comprende el examen de una parte de los elementos de una poblacin, mientras que un censo consiste en estudiar todos los elementos de esta. Aunque el enfoque en la estadstica se apoya en las muestras, es til, sin embargo, considerar la alternativa del muestreo. Parece ser mas conveniente inspeccionar de manera completa todos los elementos de una poblacin que estudiar una muestra de estos. En la prctica es mejor hacer un muestreo que efectuar un censo1.

TIPOS DE ERRORES
Cuando queremos estudiar las caractersticas de poblaciones grandes, utilizamos muestras, para obtener una enumeracin completa de la poblacin, llamada censo. Cuando se usan valores muestrales, o estadsticos, para estimar valores poblacionales, o parmetros, pueden ocurrir dos tipos generales de errores: el error muestral y el error no muestral. El error muestral se refiere a la variacin natural existente entre muestras tomadas de la misma poblacin, cuando una muestra ni es una copia exacta de la poblacin. Los errores que surgen al tomar las muestras no pueden clasificarse como errores muestrales y se denominan errores no muestrales. El sesgo de las muestras es un tipo de error no muestral. El sesgo muestral se refiere a una tendencia sistemtica inherente a un mtodo de muestreo que da estimaciones de un parmetro. Los errores que resultan de la acumulacin de datos o de su procesamiento se clasifican tambin como errores no muestrales2.

MUESTREO ALEATORIO
El muestreo aleatorio requiere que cada elemento de una poblacin tenga la misma oportunidad de ser incluido en la muestra. Obtencin de una muestra aleatoria Si una poblacin objetivo es infinita, se puede considerar como un proceso probabilstico. Anotando los elementos en el orden en que ocurren. En tanto el proceso se mantiene estable durante el periodo que de hacen las observaciones, es posible considerar el
1 2

Estadstica para administracin y economa conceptos y aplicaciones. William J. Stevenson. Pg. 187 Estadstica. Richard C. Weimes. Pg. 343

Estadstica
proceso y la muestra resultante como aleatorias. Si la poblacin objetiva es finita, esencialmente hay dos formas de seleccionar una muestra aleatoria simple3. Un mtodo consiste en elaborar una lista, o marco de referencia de cada uno de los elementos de la poblacin y aplicar despus un mtodo aleatorio a la lista, para seleccionar los elementos que se habrn de muestrear. El segundo mtodo se utiliza cuando los objetos que forman la poblacin no se identifican claramente, lo que imposibilita un listado. La posibilidad de obtener una muestra aleatoria verdadera es mucho mayor cuando se puede listar cada uno de los elementos. Ejemplo, los empleados, los inventarios, etc. El nico fin del listado es el permitir seleccionar elementos de una poblacin para su estudio. El proceso de seleccin consiste en asignar nmeros consecutivos a los elementos listados y designar aleatoriamente los nmeros de aquellos que sern incluidos en la muestra. Se pueden utilizar caratas, dados, etc. En la prctica rara vez se utilizan porque cada idea deja algo que desear; los mtodos no son completamente al azar. Debido a estos problemas se han elaborado las tablas de nmeros aleatorios4. Tablas de nmeros aleatorios Las tablas de nmeros aleatorios contienen los 10 dgitos 0,1,2,,9. Las tablas se caracterizan por dos cosas: una es que los dgitos estn ordenados de tal manera que la probabilidad de que aparezca cualquiera en un punto dado de una secuencia es igual a la probabilidad de que ocurra cualquier otro, la otra es que las combinaciones de dgitos tienen la misma probabilidad de ocurrir que las otras combinaciones de un numero igual de dgitos. Conceptualmente, las tablas de nmeros aleatorios se pudieron elaborar enumerando 10 bolas con los dgitos 0-9, y sacndolas una por una de una urna, anotando el resultado, regresndola a esta, sacando otra, etc.

PARAMETROS Y ESTADISTICAS
Matemticamente, podemos describir muestras y poblaciones al emplear mediciones como la media, la mediana, la moda y la desviacin estndar. Cuando estos trminos describen las caractersticas de una muestra, se denominan estadsticas. Cuando describen las caractersticas de una poblacin, se llaman parmetros. Una estadstica es una caracterstica de una muestra y un parmetro es una caracterstica de una poblacin5.

MUESTREO DE JUICIO
El muestreo de juicio, se emplea el conocimiento y la opinin personal para identificar a los elementos de la poblacin que deben incluirse en la muestra. Una muestra seleccionada por muestreo de juicio se basa en la experiencia de alguien con la
3 4

Estadstica para administracin y economa conceptos y aplicaciones. William J. Stevenson. Pg. 190 Estadstica para administracin y economa conceptos y aplicaciones. William J. Stevenson. Pg. 191 5 Estadstica para administracin y economa. Richard I. Levin, David S. Pg. 236

Estadstica para administracin y economa. Richard I. Levin, David S. Pg. 237

Estadstica
poblacin. Algunas veces, una muestra de juicio se usa como gua o muestra tentativa para decidir como tomar una muestra aleatoria ms adelante. Un guardabosque, por ejemplo, reunira una muestra de juicio si decidiera las zonas de un rea arbolada que recorrera para estimar la cantidad de madera que podra obtenerse6.

MUESTREO POR CONGLOMERADOS

El muestreo por conglomerados requiere de elegir una muestra aleatoria simple de unidades heterogneas de la poblacin llamadas conglomerados. Cada elemento de la poblacin pertenece exactamente a un conglomerado, y los elementos dentro de cada conglomerado son usualmente heterogneos o dicmiles. En el muestreo por conglomerados, estos se forman para representar, tan fielmente como sea posible, a toda la poblacin; entonces se usa una muestra aleatoria simple de cada conglomerado para estudiarla6

MUESTREO PROBABILISTICO
Los procedimientos probabilsticos estn diseados de manera que se conozca la probabilidad de todas las combinaciones muestrales posible. El muestreo al azar es un ejemplo del muestreo probabilstico7. Consideremos tres procedimientos: el sistemtico, el estratificado y el de acumulacin. EN EL MUESTREO SISTEMATICO los elementos son seleccionados de la poblacin dentro de un intervalo uniforme que se mide con respecto al tiempo, al orden o al espacio. Si tuviera que entrevistar a cada vigsimo estudiante de una universidad, escogera un punto de inicio aleatorio entre los primeros 20 nombres del directorio estudiantil y luego cada veintavo nombre de ah en adelante. En el muestreo sistemtico existe el problema de introducir un error en el proceso de muestreo. Suponga que estuviera muestreando el desecho de papel producido domsticamente, y decidiera muestrear 100 casas cada lunes. La probabilidad de que esa muestra no fuera representativa es alta porque la basura de los lunes incluira, el peridico8. EL MUESTREO ESTRATIFICADO comprende el dividir la poblacin en subgrupos (estratos) de elementos semejantes, y muestrear despus en cada subgrupo. El razonamiento es que mediante el ordenamiento de los elementos de la poblacin en subgrupos homogneos, la variabilidad es menor que la de la poblacin total, y por ello se necesitar un tamao de muestra mas pequeo. Este concepto se puede visualizar fcilmente al considerar un caso extremo: supngase que los elementos de cada estrato son idnticos. En ese evento, una sola observacin de cada subgrupo sealar como es cada subgrupo. As, cuanto ms semejantes sean los elementos en cada estrato, tanto menor ser el tamao de la muestra requerida.
6 7

Estadstica. Richard C. Weimes. Pg. 348 Estadstica para administracin y economa conceptos y aplicaciones. William J. Stevenson. Pg. 196 8 Estadstica para administracin y economa. Richard I. Levin, David S. Pg. 241

Estadstica
EL MUESTREO DE ACUMULACION comprende el ordenar los elementos de una poblacin en subgrupos heterogneos que sean representativos de la poblacin total. Las acumulaciones suelen ser grupos de 9 elementos relacionados entre si, como unidades familiares, manzanas de casas, ciudades, etc .

DISTRIBUCIONES DE PROBABILIDAD
VARIABLES ALEATORIAS
Una variable aleatoria es una descripcin numrica del resultado de un experimento. Variables aleatorias discretas: son las que asuma ya sea un numero finito de valores o una sucesin infinita de valores tales como, 0, 1, 2, etc. Variables aleatorias continuas: una variable que puede tomar cualquier valor numrico de un intervalo10.

DISTRIBUCION BINOMIAL
La distribucin binomial sirve para determinar la probabilidad de cierto nmero de resultados satisfactorios en un nmero dado de observaciones. Es completamente normal referirse a las dos categoras de una distribucin binomial como xito y fracaso. A las observaciones de un experimento binomial se les conoce como ensayos. Para utilizar la distribucin binomial es necesario satisfacer ciertos supuestos: 1. 2. 3. 4. Existen n observaciones o ensayos Cada ensayo tiene dos posibles resultados, xito y fracaso. La probabilidad de xito p y de fracaso 1-p se mantienen constantes Los resultados son independientes11.

Formula P(X) = N X

DISTRIBUCION DE POISSON
La distribucin de poisson suele ser til para describir las probabilidades del numero de acontecimientos con respecto a un campo. El uso de la distribucin de Poisson supone lo siguiente: 1. La probabilidad de un acaecimiento u ocurrencia es la misma a travs de todo el campo.

Estadstica para administracin y economa conceptos y aplicaciones. William J. Stevenson. Pg. 198 Estadstica para administracin y economa. Anderson. Sweeney. Pg. 189 11 Estadstica para administracin y economa conceptos y aplicaciones. William J. Stevenson. Pg. 123 y 124
10

Estadstica
2. La probabilidad de mas de un acaecimiento en cualquier punto nico es aprox. Cero. 3. El nmero de ocurrencias de cualquier intervalo es independiente del numero de acaecimientos en otros intervalos. Formula P(X) = N X

DISTRIBUCION NORMAL
Caractersticas: 12 1. 2. 3. 4. 5.
Estadstica para administracin y economa conceptos y aplicaciones. William J. Stevenson. Pg. 125

La curva normal tiene forma de campana Es simtrica con respecto a la medida de distribucin Se extiende de infinito a + infinito El rea total bajo la curva normal se considera que es el 100% El rea bajo la curva entre dos puntos es la probabilidad de que una variable distribuida normalmente asume un valor entre ellos. 6. Dado que existe un numero ilimitado de valores, la probabilidad de que una variable aleatoria distribuida con normalidad sea exactamente igual a cualquier valor dado es casi de cero. Por lo tanto , las probabilidades siempre sern para un intervalo de valores. 7. El rea bajo la curva entre la media y cualquier otro punto es una funcin del numero de desviaciones estndar que el punto de la media12.

DISTRIBUCION EXPONENCIAL
Esta comprende probabilidades acerca de la longitud de tiempo o distancia entre ocurrencias con respecto a un intervalo continuo. Las probabilidades exponenciales se expresan en trminos del tiempo o distancia hasta que un evento u ocurrencia no tiene lugar.

Mediante esta formula, se puede calcular la probabilidad de que el espacio antes de que se presente la primera ocurrencia sea mayor que un espacio dado. La probabilidad de una ocurrencia en t o antes de dicho espacio se obtiene mediante esta formula13:

DISTRIBUCION HIPERGEOMETRICA

12 13

Estadstica para administracin y economa conceptos y aplicaciones. William J. Stevenson. Pg.162 Estadstica para administracin y economa conceptos y aplicaciones. William J. Stevenson. Pg.177 y 178

Estadstica
En esta distribucin los ensayos no son independientes y la probabilidad de xito vara de ensayo a ensayo. La funcin de esta distribucin se usa para calcular la probabilidad de que en una muestra aleatoria de n elementos, seleccionados sin remplazo se tengan x xitos y n-x fracasos. Para que se presente este resultado, se
deben tener X xitos de los r xitos que hay en la poblacin y n-x fracasos de los N-r fracasos14.

14

Estadstica para administracin y economa. Anderson. Sweeney. Pg. 214