TEORA DEL MUESTREO:

Es un procedimiento por medio del cual se estudia una parte de la poblacin

llamada muestra, con el objetivo de inferir con respecto a toda la poblacin.
La teora de muestreo se refiere al estudio de las relaciones que existen entre
un colectivo o poblacin y las muestras que se extraen de las mismas.
Algunas veces es posible y prctico examinar a cada persona o elemento de la
poblacin que deseamos describir. Esta accin se conoce como
enumeracin completa o censo. Se recurre al muestreo cuando no es
posible contar o medir todos los elementos de la poblacin.
Los especialistas en estadstica usan la palabra poblacin para referirse no slo
a personas sino a todos los elementos que han sido escogidos para su estudio.
Los especialistas en estadstica emplean la palabra muestra para describir una
porcin escogida de la poblacin.
Estadsticas y parmetros
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 poblacin.

TIPOS DE MUESTREO
Existen dos mtodos para seleccionar muestras de poblaciones: el muestreo
no aleatorio o de juicio y el muestreo aleatorio o de probabilidad. En el
muestreo de probabilidad, todos los elementos de la poblacin tienen la
oportunidad de ser escogidos para la muestra. En 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.
En una muestra aleatoria los miembros de la poblacin se seleccionan de
forma que cada miembro individual tenga la misma posibilidad de ser elegido.
MUESTREO ALEATORIO:
En una muestra aleatoria o de probabilidad conocemos las posibilidades de que
un elemento de la poblacin se incluya o no en la muestra. Como resultado de
lo anterior, es posible determinar objetivamente las estimaciones de las
caractersticas de la poblacin que resultan de una muestra dada; es decir; se
puede describir matemticamente que tan objetivas son las estimaciones
correspondientes.

Cada miembro de la poblacin tiene la misma probabilidad de resultar

seleccionado. A menudo se usan computadoras para generar nmeros
telefnicos aleatorios.

1) MUESTREO ALEATORIO SIMPLE

El muestreo aleatorio simple selecciona muestras mediante mtodos que
permiten que cada posible muestra tenga una igual probabilidad de ser
seleccionada y que cada elemento de la poblacin total tenga una oportunidad
igual de ser incluido en la muestra.
Muestreo aleatorio simple:
Se selecciona una muestra de n sujetos, de manera que cada posible muestra
del mismo tamao n tenga la misma posibilidad de ser elegida.

2) MUESTREO SISTEMTICO
En el muestreo sistemtico, 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 El muestreo sistemtico difiere del muestreo aleatorio simple en
que cada elemento tiene igual oportunidad de ser seleccionado, pero cada
muestra no tiene una posibilidad igual de ser seleccionada.
En el muestreo sistemtico existe el problema de introducir un error en el
proceso de muestreo, pero este mtodo puede requerir menos tiempo y,
algunas veces, tiene como resultado un costo menor que el mtodo de
muestreo aleatorio simple.
Muestreo sistemtico:
Se selecciona un punto de partida, despus se elige cada k-simo (por
ejemplo, cada quincuagsimo) elemento de la poblacin.

3) MUESTREO ESTRATIFICADO
Para utilizar el muestreo estratificado, dividimos la poblacin en grupos
relativamente homogneos, llamados estratos. Despus utilizamos uno de los
dos planteamientos: o bien seleccionamos aleatoriamente, en cada estrato, un
nmero especfico de elementos correspondiente a la proporcin del mismo en
relacin con la poblacin completa, o extraemos el mismo nmero de
elementos de cada estrato y despus ponderamos los resultados considerando
la proporcin que el estrato representa con respecto a la poblacin total.
Con cualquiera de los planteamientos, el muestreo estratificado garantiza que
cada elemento de la poblacin tenga posibilidad de ser seleccionado.

El muestreo estratificado resulta apropiado cuando la poblacin ya est

dividida en grupos de diferentes tamaos y deseamos tomar en cuenta esta
condicin.
La ventaja de las muestras estratificadas es que, cuando se disean
adecuadamente, reflejan de manera ms precisa las caractersticas de la
poblacin de la cual fueron elegidas, en comparacin con otro tipo de
muestras.

Muestreo estratificado:
Se subdivide a la poblacin en al menos dos subgrupos (o estratos diferentes),
de manera que los sujetos del mismo subgrupo compartan las mismas
caractersticas (como el gnero o la categora de edad), y despus se obtiene
una muestra de cada subgrupo.

4) MUESTREO DE CONGLOMERADOS
Este muestreo esta fundamentalmente orientado a la seleccin de grupo y no
de individuos dentro de la poblacin. El primer paso consiste en decidir la
poblacin en grupos que sean mutuamente excluyentes y colectivamente
exhaustivos y despus se toma una muestra aleatoria de los grupos
seleccionados por un muestreo aleatorio
Los conglomerados son designaciones de suceso natural, como pases, distritos
electorales, cuadras de una ciudad, hogares o territorios de venta. . Con
frecuencia, el muestreo de conglomerados tiene una mejor relacin costoeficacia que el muestreo aleatorio simple, sobre todo si la poblacin se
distribuye en una regin geogrfica extensa. Sin embargo, para generar
resultados tan precisos como los que se obtienen a partir del muestreo
aleatorio simple o del estratificado, a menudo el muestreo de conglomerados
necesita una muestra de mayor tamao.
Muestreo por conglomerados:
Se divide el rea de la poblacin en secciones (o conglomerados), luego se
eligen al azar algunos de estos conglomerados, y despus se elige a todos los
miembros de los conglomerados seleccionados.

MUESTREO NO ALEATORIO
1) 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
poblacin.

Algunas veces, una muestra de juicio se usa como gua o muestra tentativa
para decidir cmo tomar una muestra aleatoria ms adelante.

Cul es el principal inconveniente del muestreo de juicio?

6-2 El muestreo de juicio y el muestreo de probabilidad, son mutuamente
excluyentes por necesidad? Explique su respuesta.
Son excluyentes porque el muestreo de juicio toma en cuenta la opinin
personal del investigador para tomar la muestra y por lo contrario en el
muestreo de probabilidad cualquier elemento de la poblacin puede ser parte
de la muestra sin opiniones ni restricciones
6-3 D una lista de las ventajas del muestreo en comparacin con una
enumeracin completa o censo.
Es econmico, rpido, y permite evaluar a un grupo extenso solamente
tomando una muestra de la poblacion (falta analizar)
6-4 Cules son algunas desventajas del muestreo de probabilidad en
relacin con el muestreo de juicio??????????

EL TEOREMA DE LIMITE CENTRAL

La relacin entre la forma de la distribucin de la poblacin y la forma de la
distribucin de muestreo se denomina teorema del lmite central. El teorema
del lmite central es, tal vez, el ms importante de toda la inferencia
estadstica, pues asegura que la distribucin de muestreo de la media se
aproxima a la normal al incrementarse el tamao de la muestra. Hay
situaciones tericas en las que el teorema del lmite central no se cumple, pero
casi nunca se encuentran en la toma de decisiones prctica.
La importancia del teorema del lmite central es que nos permite usar
estadsticas de muestra para hacer inferencias con respecto a los parmetros
de poblacin, sin saber sobre la forma de la distribucin de frecuencia de esa
poblacin ms que lo que podamos obtener de la muestra.

El teorema del lmite central es importantsimo al utilizar la inferencia

estadstica para obtener conclusiones sobre una poblacin. Permite elaborar
inferencias sobre la media poblacional sin necesidad de conocer la forma
especfica de su distribucin.

EL TEOREMA DEL LMITE CENTRAL

El teorema del limite central dispone que cuando el tamao de la muestra ( es

decir, el numero de valores en cada muestra) es lo bastante grande, la
distribucin muestral de la media tiene una distribucin aproximadamente
normal. Esto es valido sin importar la forma de la distribucin de los valores
individuales en la poblacin.

Aplicacin del teorema del lmite central

Muchos problemas prcticos importantes se resuelven mediante el teorema del
lmite central. Cuando trabaje con este tipo de problemas, recuerde que si el
tamao de la muestra es mayor que 30, o si la poblacin original se distribuye
normalmente, debe tratar la distribucin de medias muestrales como si fuera
una distribucin normal con media m y desviacin estndar
En el siguiente ejemplo, el inciso a) incluye un valor individual, pero el inciso b)
incluye la media de una muestra de 20 hombres, por lo que debemos usar el
teorema del lmite central al trabajar con la variable aleatoria.