Está en la página 1de 4

INCREMENTO DEL TAMAO DE LA MUESTRA.

El tamao de la muestra que debemos escoger para hacer una estimacin del parmetro con las caractersticas especificadas (de nivel de confianza y error de estimacin.) es un problema de gran importancia ya que: 1.-Si tomamos una muestra ms grande de la indicada para alcanzar los resultados propuestos, constituye un desperdicio de recursos (tiempo, dinero, etc.); mientras que una muestra demasiado pequea conduce a menudo a resultados poco confiables. 2.-cuando elegimos una muestra de tamao n slo revisamos una fraccin o parte de la poblacin y con base en ella tomamos decisiones que afectan a toda la poblacin. Es evidente que por este procedimiento se abre la posibilidad de que nos equivoquemos en nuestras decisiones, pero esta posibilidad depende en gran medida del tamao de muestra o fraccin de poblacin que se haya analizado. El tamao que debe tener la muestra depende del nivel de confianza propuesto, as como del mximo error que estemos dispuestos a admitir entre el valor estimado y el valor real del parmetro que corresponde al error de estimacin. Veamos cmo se determinara el tamao de la muestra a partir de la consideracin del nivel de confianza y del error de estimacin cuando hacemos muestreo con repeticin o en poblaciones infinitas. Supongamos que d es el error de estimacin(precisin) y el nivel de confianza es 100(1) para la estimacin de la media con estos datos formamos la ecuacin d= El tamao de la muestra depende de dos elementos bsicos (supuesta dada la varianza) que hay que sopesar cuando se va a tomar una decisin al respecto; se trata del nivel de confianza y del error de estimacin y tenemos: 1.-El tamao de la muestra aumenta a medida que aumenta el nivel de confianza para un error de estimacin y una varianza dados. 2.-El tamao de la muestra aumenta a medida que disminuye el error de estimacin para un nivel de confianza y varianza dados. Si la poblacin es finita y el tamao de sta debe ser tenida en cuenta, el tamao maestral viene dado por: de una poblacin normal con varianza conocida ,

Relacin entre el tamao de la muestra y el error estndar. El error estndar es una medicin de la dispersin de las medias de muestras alrededor de la media de la poblacin. Si la dispersin disminuye (si x se hace ms pequea), entonces los valores tomados por la media de la muestra tienden a agruparse ms cercanamente alrededor de . Y a la inversa, si la dispersin se incrementa (si x se agranda), los valores tomados por la media de la muestra tienden a agruparse menos cercanamente alrededor de . Al disminuir el error estndar, el valor de cualquier media de muestra probablemente se acercar al valor de la media de la poblacin. Los estadsticos describen este fenmeno diciendo: al disminuir el error estndar, se incrementa la precisin con que se puede usar la media de muestra para estimar la media de poblacin. Debido al hecho de que x vara inversamente con la raz cuadrada de n, hay una utilidad decreciente en el muestreo. Es cierto que al muestrear ms elementos disminuye el error estndar, pero este beneficio puede no valer el costo. El aumento de precisin puede no valer el costo del muestreo adicional. Sea X una variable aleatoria con distribucin normal, con parmetros , 2. Si sacamos muestras de tamao n, y calculamos la media aritmtica, se demuestra que bajo ciertas condiciones, X tambin es una variable aleatoria con distribucin normal, con parmetros , 2/n. Es decir: Si X - N ( , 2), entonces X - N ( , 2/n) Las dos distribuciones tienen la misma media, pero la dispersin de la media aritmtica es menor, tanta ms pequea cuando mayor sea el tamao de la muestra. Como en un proceso de inferencia es un parmetro desconocido, al extraer una muestra en particular y calcular x, no podemos determinar exactamente qu tan cerca estuvo esa estimacin del valor verdadero del parmetro. De lo nico que podemos estar seguros es que, al aumentar el tamao de la muestra, la distribucin de la media aritmtica tiende a concentrarse ms y ms alrededor de la media poblacional y, por tanto, las estimaciones van a estar ms prximas al valor del parmetro (desconocido). Lo ms relevante de la media aritmtica es que, an cuando la variable en estudio no tenga distribucin normal, o su distribucin sea desconocida, si el nmero de elementos de la muestra es suficientemente grande, por aplicacin del Teorema del Lmite Central, la media aritmtica igualmente va a tener aproximadamente distribucin normal.

Por ltimo, es interesante remarcar la idea de que la media aritmtica es conceptualmente una variable aleatoria hasta el instante previo a calcular efectivamente su valor. Despus de efectuar ese clculo, tenemos un valor fijo (no aleatorio), y por lo tanto, deja de tener sentido hablar de la "probabilidad de la media aritmtica". El clculo de probabilidades con la media aritmtica tiene entonces validez en trminos tericos, es decir, representa "lo que se espera" que ocurra con dicha variable antes de tomar una muestra y calcular efectivamente su valor. El multiplicador de la poblacin finita. Para calcular el error estndar de la media, utilizamos la ecuacin: x = / n Esta ecuacin est diseada para situaciones en las que la poblacin es infinita, o en las que tomamos muestras de una poblacin infinita con reemplazo. La frmula diseada para encontrar el error estndar de la media cuando la poblacin es finita y el muestreo se hace sin reemplazo es: x = / n x (N - n) / (N - 1) Dnde: N = tamao de la poblacin n = tamao de la muestra Este nuevo factor que aparece en la ecuacin y se multiplica al error estndar original se conoce como multiplicador de la poblacin finita. Cuando muestreamos una pequea fraccin de la poblacin entera (es decir, cuando el tamao de la poblacin N es muy grande en relacin con el tamao de la muestra n), el multiplicador de la poblacin finita toma un valor cercano a 1. Cuando utilizamos la ecuacin para poblaciones infinitas, es constante y, por tanto, la medida de la precisin de muestreo, x, depende solamente del tamao de la muestra n y no de la fraccin de poblacin muestreada. Es decir, para hacer x ms pequea slo es necesario agrandar n. En consecuencia, resulta que el tamao absoluto de la muestra es el que determina la precisin del muestreo, no la fraccin de la poblacin muestreada.

SUGERENCIAS:

Cuando desee calcular probabilidades con la media aritmtica, no olvide que al calcular la variable estandarizada, debe dividir por el desvo o error estndar de la media. Los resultados sern inexactos si omite este punto. Para verificar el funcionamiento de un proceso, medir el rendimiento de un mtodo, etc. necesitamos conocer su valor medio. Si debemos estimar ese valor a travs de la muestra, recuerde que la precisin de la estimacin aumenta con el incremento del tamao muestral. Evite realizar inferencias utilizando una sola observacin. La aplicacin del Teorema del Lmite Central hace de la media aritmtica una herramienta til, an en aquellos casos en que la distribucin de la variable en estudio no es conocida, o no es normal. La disminucin del error estndar no es directamente proporcional al tamao de la muestra, as que es conveniente compatibilizar precisin con costos.