PronosticoNegocios 03 PDF

UNIVERSIDAD JOSE CARLOS MARIATEGUI
CAPITULO 3
CALCULO DE LA MUESTRA
INTRODUCCION
En la estadstica tiene un papel destacado la nocin de MUESTRA ALEATORIA.

Una muestra aleatoria de tamao n es:
Una coleccin de n variables aleatorias.

Todas con la misma distribucin.
Todas independientes.
Esta definicin idealiza la operacin de repetir n veces la observacin de la misma

variable aleatoria, siendo las repeticiones independientes una de otra.
La coleccin de donde extraemos la muestra aleatoria, se denomina POBLACIN.

Nuestra intencin al tomar una muestra, es la de hacer INFERENCIA. Este trmino lo
usamos en estadstica para denotar al procedimiento con el que hacemos
afirmaciones acerca de valores generales de la poblacin mediante los nmeros que
observamos en la muestra.
Quiz un ejemplo aclare las ideas. Suponga que observamos el proceso de fabricacin
de las ``bolitas'' que se le ponen al envase de los desodorantes ``roll on''. No todas las
bolitas van a tener el mismo dimetro, si escogemos, al azar una bolita, tendremos un
valor para el dimetro que es una variable aleatoria. Podemos suponer que los
dimetros tienen la distribucin normal, debido a nuestra experiencia con el proceso,
conocemos que la desviacin estndar de la poblacin es de 4 mm
(aproximadamente). Pero, tambin por experiencia, sabemos que el dimetro
promedio puede variar por desajuste de la maquinaria productora. De modo que
tenemos:
Una POBLACIN, que son todas las bolitas que se producen.
Pg. 21
Un PARMETRO de la poblacin conocido (o casi) que es la desviacin

estndar.
Otro PARMETRO cuyo valor es desconocido: la media.
Para tratar de conocer el valor del parmetro que desconocemos, tomamos una
MUESTRA de laS bolitas. Supongamos que son 100 bolitas en la muestra. Con un
instrumento de precisin, y con mucho cuidado, medimos los dimetros de las 100
bolitas de la muestra y calculamos su promedio.
Qu nos dice el valor de la media de la muestra respecto a la media de la poblacin?

Por un lado, definitivamente la media de la muestra NO va a ser igual a
la de la poblacin.
Por otra parte, no tenemos mejor informacin respecto a la media

de la poblacin que la que extraigamos de la muestra. Cualquier
otra informacin no pasa de chisme.
Por ltimo, sera muy extrao que si la poblacin de bolitas tiene,

por decir algo, un dimetro promedio de 45 mm, nos tocaran 100
bolitas en la muestra con un promedio de, digamos, 32 mm.
Fjese que no decimos imposible sino raro o extrao.
Adems, si alguien nos preguntara como cunto es el dimetro

promedio de la poblacin de bolitas? Le contestaramos diciendo
el valor que hayamos visto en la muestra.
A nuestra contestacin debamos agregarle alguna advertencia

como: "mas o menos'', o ``aproximadamente''.
A un valor calculado con los datos de una muestra lo llamamos ESTADSTICA.

Cuando usamos una estadstica para jugar el papel de decir, aproximadamente, el
valor de un parmetro de la poblacin, le llamamos ESTIMADOR. Cuando andamos
un poco pedantes le llamamos ESTIMADOR PUNTUAL (al decir ``puntual'' queremos
decir que para estimar el parmetro estamos usando un valor nico).
Pg. 22
Regresando a las bolitas del ``Roll on''. Si la muestra de 100 bolitas arroja un valor del
promedio de 43.5 mm, diramos que ESTIMAMOS el promedio de la poblacin en 43.5
mm.
Constryase Ud. mismo un ejemplo como el de las bolitas. En su ejemplo, describa

una poblacin.
un parmetro para la poblacin.
una muestra.
una estadstica que le sirva como estimador.
Caractersticas probabilsticas de un estimador
Cuando se tiene una frmula para estimar y se aplica a una muestra aleatoria, el
resultado es aleatorio, es decir los estimadores son variables aleatorias.
Por ejemplo si se recibe un embarque de objetos que pueden

estar listos para usarse
defectuosos.
Podemos seleccionar, al azar, algunos de ellos para darnos una idea de la proporcin
de defectuosos en el embarque. El parmetro de inters es la proporcin de
defectuosos en toda la poblacin, pero lo que observamos es la proporcin de
defectuosos en la muestra. El valor de la proporcin en la muestra es una variable
aleatoria cuya distribucin est emparentada directamente con la binomial (si se
tratara del nmero de defectuosos, sera binomial).
Como cualquier variable aleatoria, el estimador tiene

distribucin de probabilidad.
valor esperado.
desviacin estndar / varianza.
Pg. 23
Valor esperado de un estimador y sesgo
El valor esperado de un estimador nos da un valor alrededor del cual es muy probable
que se encuentre el valor del estimador. Para poner un ejemplo, si supieramos que el
valor esperado de una estadstica es 4, esto significara que al tomar una muestra:
No creemos que el valor de la estadstica vaya a ser 4.
Pero tampoco creemos que el valor de la estadstica vaya a estar lejos de 4.
Ya que es muy probable que el valor del estimador est cerca de su valor esperado,
una propiedad muy deseable es que ese valor esperado del estimador coincida con el
del parmetro que se pretende estimar. Al menos, quisiramos que el valor esperado
no difiera mucho del parmetro estimado.
Por esa razn es importante la cantidad que, tcnicamente llamamos sesgo. El sesgo
es la diferencia entre el valor esperado del estimador y el parmetro que estima.
Si el sesgo 0, se dice que el estimador es instigado y sta es una caracterstica buena

para un estimador. Un estimador que es instigado tiene una alta probabilidad de tomar
un valor cercano al valor del parmetro.
Varianza de un estimador
Otra propiedad importante de un estimador es su varianza (o su raz cuadrada, la

desviacin estndar).
La importancia de la desviacin estndar es que nos permite darle un sentido

numrico a la cercana del valor del estimador a su valor esperado.
Entre menor sea la desviacin estndar (o la varianza) de un estimador, ser ms

probable que su valor en una muestra especfica se encuentre mas cerca del valor
esperado. Para aclarar esto, considere dos estimadores T1 y T2, suponga que ambos
son instigados y suponga que la varianza de T1 es menor que la de T2 Qu quiere
decir esto? Simplemente que en un entorno fijo del valor del parmetro, los valores de
T1 son ms probables que los de T2. O sea que vamos a encontrar a T1 ms cerca
del valor del parmetro que a T2. Esto hace que nuestras preferencias estn con T1.
Pg. 24
Cuando un estimador tiene una varianza menor que otro decimos que el estimador es
ms eficiente.
En el pizarrn vemos algunos estimadores instigados:

la proporcin muestra como estimador de la proporcin poblaciones.
la media muestra como estimador del valor esperado poblaciones.
la varianza de la muestra como estimador de la varianza de la poblacin.
La distribucin de probabilidad de una estadstica
Quiz el resultado ms importante para la estadstica es el Teorema del Lmite

Central. Este resultado nos indica que, para la estadstica promedio de la muestra
El valor esperado es la media de la poblacin.
La varianza es igual a la de la poblacin dividida por el nmero de elementos
de la muestra.
La distribucin de probabilidad es la normal.
Este teorema es muy importante porque permite calcular probabilidades acerca de

dnde se encuentra el valor del promedio muestra. Es slo cuestin de usar la tabla
normal teniendo cuidado al estandarizar de usar la desviacin estndar adecuada que
es la de la poblacin dividida por la raz cuadrada del nmero de elementos de la
muestra.
En el saln hacemos en forma detallada, ejemplos de estos clculos.
Estimacin del error de una medida directa
La estimacin del error de una medida tiene siempre una componente subjetiva. En
efecto, nadie mejor que un observador experimentado para saber con buena
aproximacin cul es el grado de confianza que le merece la medida que acaba de
tomar. No existe un conjunto de reglas bien fundadas e inalterables que permitan
determinar el error de una medida en todos los casos imaginables. Muchas veces es
tan importante consignar cmo se ha obtenido un error como su propio valor.
Sin embargo, la aplicacin de algunos mtodos estadsticos permite objetivar en gran

medida la estimacin de errores aleatorios. La estadstica permite obtener los
parmetros de una poblacin (en este caso el conjunto de todas las medidas que es
Pg. 25
posible tomar de una magnitud), a partir de una muestra (el nmero limitado de
medidas que podemos tomar).
Mejor valor de un conjunto de medidas
Supongamos que medimos una magnitud un nmero n de veces. Debido a la

existencia de errores aleatorios, las n medidas sern en general diferentes.
El mtodo ms razonable para determinar el mejor valor de estas medidas es tomar el

valor medio. En efecto, si los errores son debidos al azar, tan probable es que ocurran
por defecto como por exceso, y al hacer la media se compensarn, por lo menos
parcialmente. El valor medio se define por:
y este es el valor que deber darse como resultado de las medidas.
TIPOS DE ESTIMACIN ESTADSTICA
Estimacin de parmetros:
Un problema importante de la inferencia estadstica es la estimacin de parmetros de

la poblacin, brevemente parmetros (tales como la media y la variacin de la
poblacin), de los correspondientes estadsticos mustrales, o simplemente
estadsticos (tales como la media y la variacin de la muestra).
Estimaciones sin sesgo:
Si la media de las dispersiones de muestreo con un estadstico es igual que la del

correspondiente parmetro de la poblacin, el estadstico se llamara estimador sin
sesgo, del parmetro; si no, si no se llama estimador sesgado. Los correspondientes
valores de tal estadstico se llaman estimacin sin sesgo, y estimacin con sesgo
respectivamente.
Ejemplo 1: la media de las distribuciones de muestreo de medias e , media de la

poblacin. Por lo tanto, la media muestral X es una estimacin sin sesgo de la media
de la poblacin.
Pg. 26
Ejemplo 2: Las medias de las distribuciones de muestreo de las variables es:

N 1 2
s 2 =
N
2
Encontramos, de manera que s es una estimacin sin sesgo de. Sin embargo, s es
una estimacin sesgada de. En trminos de esperanza podramos decir que un
estadstico es instigado porque E{X }= Y ( }=

E S2 2
Estimacin eficiente:
Si las distribuciones de muestreo de dos estadsticos tienen la misma media(o

esperanza), el de menor varianza se llama un estimador eficiente de la media,
mientras que el otro se llama un estimador ineficiente, respectivamente.
Si consideramos todos los posibles estadsticos cuyas distribuciones de muestreo

tiene la misma media, aquel de varianza mnima se llama a veces, el estimador de
mxima eficiencia, sea el mejor estimador.
Ejemplo:
Las distribuciones de muestreo de media y mediana tienen ambas la misma media, a
saber, la media de la poblacin. Sin embargo, la varianza de la distribucin de
muestreo de medias es menor que la varianza de la distribucin de muestreo de
medianas. Por tanto, la media muestral da una estimacin eficiente de la media de la
poblacin, mientras la mediana de la muestra da una estimacin ineficiente de ella.
De todos los estadsticos que estiman la media de la poblacin, la media muestral

proporciona la mejor (la ms eficiente) estimacin.
En la prctica, estimaciones ineficientes se usan con frecuencia a causa de la relativa

sencillez con que se obtienen algunas de ellas.
Estimaciones de punto y estimaciones de intervalo, su fiabilidad:
Una estimacin de un parmetro de la poblacin dada por un solo nmero se llama

una estimacin de punto del parmetro. Una estimacin de un parmetro de la
poblacin dada por dos puntos, entre los cuales se pueden considerar encajado al
parmetro, se llama una estimacin del intervalo del parmetro.
Pg. 27
Las estimaciones de intervalo que indican la precisin de una estimacin y son por
tanto preferibles a las estimaciones de punto.
Ejemplo:
Si decimos que una distancia s a medido como 5.28 metros (m), estamos dando una
estimacin de punto. Por otra parte, si decimos que la distancia es 5.28 0.03 m,
(sea, que esta entre 5.25 y 5.31 m), estamos dando una estimacin de intervalo.
El margen de error o la percepcin de una estimacin nos informa su fiabilidad.
Estimaciones de intervalos de confianza para parmetros de poblacin:
Sean s y s la media y la desviacin tpica (error tpico) de la distribucin de

muestreo de un estadstico S. Entonces, si la distribucin de muestreo de s es
aproximadamente normal (que como hemos visto es cierto para muchos estadsticos si
el tamao de la muestra es N30), podemos esperar hallar un estadisco muestral real
S que este en los intervalos s sas + s, s 2sas + 2s, os 3sas + 3s

alrededor del 68.27 %, 95.45% y 99.7 % del tiempo restante, respectivamente.
La tabla 1. Corresponde a los niveles de confianza usados en la prctica. Para niveles

de confianza que no aparecen en la tabla, los valores Zc se pueden encontrar gracias
a las tablas de reas bajo la curva normal.
Nivel de 99.7% 99% 98% 96% 95.45% 95% 90% 80%

confianza 6827% 50%
Zc 3.00 2.58 2.33 2.05 2.00 1.96 1.645 1.28

1.00 0.6745
Intervalos de confianza para la media:
Si el estadstico s de la media X de la muestra, entonces los limites de confianza

1.96 X Y 2.58 X , respectivamente. Mas en general los limites de confianza para
X Z C X , usando los valores de

estimar la media de la poblacin viene dado por
Si el muestreo de la poblacin es infinita por lo tanto viene dado por:

X = ZC
N
Pg. 28
Si el muestro es sin reposicin de una poblacin de tamao Np.
Ejemplo
Halar laos limites de confianza de 98% y 90%.para los dimetros de una bolsa
Solucin:
Sea Z =Zc tal que al rea bajo la curva normal a la derecha sea 1%. Entonces, por
simetra el rea del lado izquierdo de Z=-Zc, como el rea total bajo la curva es 1,
Zc= 0.49 por lo tanto, Zc=2.33, luego el limite de confianza es 98% son X=
2.33=0.824 2.33(0.042/ 200)=0.824 0.069 cm.
Generalmente, la desviacin tpica de la poblacin no es conocida. As pues, para

obtener los limites usamos la estimacin s o S es satisfactorio si N>=30, si a
aproximacin es pobre y debe de empleare la teora de pequeas muestras.
CLCULO DEL TAMAO DE LA MUESTRA

A la hora de determinar el tamao que debe alcanzar una muestra hay que tomar en
cuenta varios factores: el tipo de muestreo, el parmetro a estimar, el error muestral
admisible, la varianza poblacional y el nivel de confianza. Por ello antes de presentar
algunos casos sencillos de clculo del tamao muestral delimitemos estos factores.
Parmetro. Son las medidas o datos que se obtienen sobre la poblacin.
Estadstico. Los datos o medidas que se obtienen sobre una muestra y por lo tanto
una estimacin de los parmetros.
Error Muestral, de estimacin o standard. Es la diferencia entre un estadstico y su

parmetro correspondiente. Es una medida de la variabilidad de las estimaciones de
muestras repetidas en torno al valor de la poblacin, nos da una nocin clara de hasta
dnde y con qu probabilidad una estimacin basada en una muestra se aleja del
valor que se hubiera obtenido por medio de un censo completo. Siempre se comete un
error, pero la naturaleza de la investigacin nos indicar hasta qu medida podemos
cometerlo (los resultados se someten a error muestral e intervalos de confianza que
varan muestra a muestra). Vara segn se calcule al principio o al final. Un estadstico
Pg. 29
ser ms preciso en cuanto y tanto su error es ms pequeo. Podramos decir que es

la desviacin de la distribucin muestral de un estadstico y su fiabilidad.
Nivel de Confianza. Probabilidad de que la estimacin efectuada se ajuste a la

realidad. Cualquier informacin que queremos recoger est distribuida segn una ley
de probabilidad (Gauss o Student), as llamamos nivel de confianza a la probabilidad
de que el intervalo construido en torno a un estadstico capte el verdadero valor del
parmetro.
Varianza Poblacional. Cuando una poblacin es ms homognea la varianza es

menor y el nmero de entrevistas necesarias para construir un modelo reducido del
universo, o de la poblacin, ser ms pequeo. Generalmente es un valor
desconocido y hay que estimarlo a partir de datos de estudios previos.
Tamao de muestra para estimar la media de la poblacin
Veamos los pasos necesarios para determinar el tamao de una muestra empleando
el muestreo aleatorio simple. Para ello es necesario partir de dos supuestos: en primer
lugar el nivel de confianza al que queremos trabajar; en segundo lugar, cual es el error
mximo que estamos dispuestos a admitir en nuestra estimacin. As pues los pasos a
seguir son:
Veamos los pasos necesarios para determinar el tamao de una muestra empleando
el muestreo aleatorio simple. Para ello es necesario partir de dos supuestos: en primer
lugar el nivel de confianza al que queremos trabajar; en segundo lugar, cual es el error
mximo que estamos dispuestos a admitir en nuestra estimacin. As pues los pasos a
seguir son:
1.- Obtener el tamao muestral imaginando que N>
Donde:
: z correspondiente al nivel de confianza elegido
: Varianza poblacional
e : error mximo
Pg. 30
2.- Comprobar si se cumple
Si esta condicin se cumple el proceso termina aqu, y ese es el tamao adecuado

que debemos muestrear.
Si no se cumple, pasamos a una tercera fase:
3.- Obtener el tamao de la muestra segn la siguiente frmula:
Veamos un ejemplo: La Consejera de Trabajo planea un estudio con el inters de

conocer el promedio de horas semanales trabajadas por las mujeres del servicio
domstico. La muestra ser extrada de una poblacin de 10000 mujeres que figuran
en los registros de la Seguridad Social y de las cuales se conoce a travs de un
estudio piloto que su varianza es de 9.648. Trabajando con un nivel de confianza de
0.95 y estando dispuestos a admitir un error mximo de 0,1, cul debe ser el tamao
muestral que Empleemos?
Buscamos en las tablas de la curva normal el valor de que corresponde con el
nivel de confianza elegido: = 1.96 y seguimos los pasos propuestos arriba.
1.
2.- Comprobamos que no se cumple, pues en este caso 10000 < 3706 (3706 - 1);
10000 < 13730730
3.-
Pg. 31
Tamao de muestra para estimar la proporcin de la poblacin
Para calcular el tamao de muestra para la estimacin de proporciones poblaciones

hemos de tener en cuenta los mismos factores que en el caso de la media. La frmula
que nos permitir determinar el tamao muestral es la siguiente:
donde
: z correspondiente al nivel de confianza elegido

P : proporcin de una categora de la variable
e : error mximo
N : tamao de la poblacin
Siguiendo con el estudio planteado en el punto anterior, supongamos que tratamos de

estimar la proporcin de mujeres que trabajan diariamente 10 horas o ms. De un
estudio piloto se dedujo que P=0.30, fijamos el nivel de confianza en 0.95 y el error
mximo 0.02.
Pg. 32
MUESTREO Y
DI STRI BUCI ONES
DE MUESTREO
OBJETIVOS
Al finalizar la Sesin, el participante ser capaz de:

1. Deter mi nar el tamao de una muestra
2. Asegurarse que las muestras que se extraigan
sean representativas de la poblacin de la que
provienen
3. Comprender las distribuciones del muestreo
4. Comprender la relacin entre el costo del tomar
muestras ms grandes y la precisin adicional
que esto le proporcione a las decisiones
tomadas a partir de ellas
Pg. 33
CONTENIDO
1. Ti pos de Muestreo
2. El muestreo
3. Di stribuci ones de muestreo
4. El teorema del lmite central
3.1 I mportancia del muestreo

En lugar de levantar un censo completo se
realiza un muestreo, debido a que un censo:
1. requiere demasiado tiempo

2. es muy costoso
3. muy laborioso e ineficiente
Pg. 34
3.2 Tipos de Muestreo
A) MUESTREO NO PROBABI L STI CO: No

per mite inferencia estadstica.
1. M. de Juicio: Abarca el j uici o del experto,

opi ni ones de especi alista
2. M. de Cuotas: Se deci de l a estructura del
marco muestral, si n tener en cuenta l a
estructura del marco pobl aci onal.
3. M. de Trozo: La el ecci n de l os raci mos no
se hace al azar.
(B) MUESTREO PROBABI L STI CO: Per mite

inferencia estadstica. Cada element o del
marco poblacional tiene una probabilidad
conocida diferente de cero de confor mar o
ser parte de la muestra.
1. Muestreo Aleatorio Si mple (MAS):
Concepto: Todas l as uni dades el emental es
tienen l a mi sma probabili dad de conformar l a
muestra. Dicho de otro modo, si gnifica que
cada una de l as posi bl es muestras de tamao
n, tenga a l a mi sma probabili dad: 1/ N CN de
ser sel ecci onada (muestreo si n
sustituci n). Es el caso de un sorteo.
Pg. 35
A. Para esti mar una media poblacional:

Se calcula a partir de la for mula siguiente
Z S 2e
n = 2
2
donde
Z 2 : Valor tabular para un nivel de confianza.
Depende del nivel de confianza utilizado
por la esti macin del parmetro
desconocido. Toma un valor de 1,96
para un nivel de confianza de 0,95.
s 2e : Variancia obtenida de revisin bibliogrfica

o estudio piloto.
2
A mayor variabilidad de la muestra s e , mayor
varianza. A mayor varianza mayor tamao muestral
representa el error de muestreo, llamado error
de esti macin o precisin de la esti macin. El valor
debe ser asumi do por el investigador. En este caso
= ( x)
Para poblaciones finitas (se conoce N), el tamao
final (nf) queda definido por la siguiente relacin
n
nf =
n
1+
N
Pg. 36
Eje mpl o 1:
A fin de conocer el gasto mensual en medicinas

por familia, el Gerente de Marketing de un
laboratorio far macutico desea deter mi nar el
tamao de la muestra que le proporcione un
nivel de confianza de 0,95 (Z = 1,96). Adems
conoce por estudios anteriores que las compras
medi as por familia eran de S/. 120 mensuales,
con una desviacin estndar de 30. El Gerent e
busca un tamao de muestra que le per mit a
esti mar el nivel de gasto con un error de 10.
Z S 2e
n = 2
2
(1,96 )2 (3 0 )2
n=
(1 0 )2
n = 36
Pg. 37
Eje mplo 2
En cierta poblacin se 1200 escolares, se desea
esti mar el nivel promedio de Hb con 0,95 de confianza.
Al realizar un estudio piloto se encontr que x = 12,3 y
S = 1,6. Si los investigadores estn dispuestos a
asumir un = 0 ,5 .Calcular n
Z 2 = 1,96
N = 1200
Se = 1,6 n=
Z 2 2 s 2e
=
(1,96 ) (1,6 )
2 2
= 39,33
= 0 ,5
2 (0,5 )2
n 39,33
nf = = = 38,08 39
n 39,33
1+ 1+
N 1200
Interpretacin
El nmero m ni mo necesario de escolares para
realizar el estudio es de 39, si se desea esti mar el
nivel promedio de Hb en la poblacin con una
precisin de 0,5.
Pg. 38
Eje mplo 3
En cierta poblacin se 1200 escolares, de 9 11 aos
se desea esti mar el nivel promedio de hierro srico. Con
este fin se va a seleccionar una muestra probabilistic. Si
en un estudio si milar se obtuvo una media arit mtica de
60, 6 mg/dl y S = 22,4 mg/ dl. Calcular el tamao m ni mo
de la muestra si la esti macin del parmetro se va a
realizar con 0,95 de confianza y se asume un = 5
Z = 1,96
(1,96 ) (22,4 )
2
Z 2 2 s 2e 2 2
N = 1200 n= = = 77,10
Se = 22,4
2 (5 )2
= 5
n 77,10
nf = = = 72,44 73
n 77,10
1+ 1+
N 1200
Interpretacin :
El nmero m ni mo necesario de escolares para
realizar el estudio es 73, si se desea esti mar el nivel
promedi o de hierro srico en la poblacin con una
precisin 5
Pg. 39
B. Para esti mar una proporcin poblacional:

Z 2 2 p e q e
n =
2
donde:
pe = proporcin esti mada de sujetos con la
caracterstica de inters. Se puede obtener
de revisn bibliogrfica, estudio piloto o
asumi endo pe = qe = 0, 50
qe = proporcin esti mada de sujetos sin la
caracteristica de inters.
= Error absoluto de muestreo o precisin. Debe
ser asumi do por el investigador. = ( p)
Si se conoce N:
n
nf =
n
1+
N
Eje mpl o 1:
En una poblacin grande, se desea esti mar la
prevalencia de DM con 0,95 de confianza. De la
literatura se sabe que p = 0, 10 si se asume un
error muestral de 5%, calcular n
Pg. 40
Datos
Z 2 2 p e q e
n =
2
Z 2 = 1,96
n =
(1,96 )2 (0 ,1 )(0 ,9 )
p e = 10 % = 0,10
qe = 90 % = 0,90
(0 ,05 )2
= 0,05 0 , 345744
n = = 138 , 3 139
0 , 0025
Interpretacin: Si se desea esti mar la prevalenci a

poblacional con 0,95 de confianza y un de 5% se
deber evaluar 139 sujet os.
2. M. Sistemtico: Las unidades elementales

son seleccionadas dentro de un intervalo (I) de
igual tamao. Se extrae la muestra de acuerdo a
la lista de pacientes atendidos
I 1 I 2 I3 I 4
X1
Pg. 41
3. M. Estratificado: El marco pobl aci onal se di vi de en

grupos homogneos (estratos); de cada uno se
extrae una submuestra, proporci onal al tamao del
estrato. Muestreo por ti po de servi ci o
4. M. por Conglomerado: El marco pobl aci onal se

encuentra agrupado en congl omerados o raci mos Se
sel ecci ona en for ma al eatori a, el o l os raci mos.
Todos l os paci entes que i ngresaron un determi nado
da.
ALEATORI O SI MPLE
SISTEMTI CO
PROBABI LIST CO
ESTRATI FI CADO
POR CONGLOMERADO
MUESTREO
DE JUI CI O
NO PROBABI LSTI CO DE CUOTAS
DE TROZO
Pg. 42
El error estndar
Es una medida de dispersin de una distribucin muestral. Es

equivalente a la desviacin estndar.
Desviacin estndar de la Error estndar

distribucin de medias de muestra de la media
Desviacin estndar de la Error estndar distribucin

de proporciones de muestra de la
proporcin
3.3 Distribuciones de muestreo

La totali dad de datos de una pobl aci n, constituye
la distri buci n de pobl aci n origi nal (PO)
PO
X1 Medi a :
X2
:x
2
X3 Varianza
.
. x-
z=
. x
XN
Pg. 43
De l a PO se extraen muestras de tamao n. A cada una

se calcul a su media. El conjunto de ese total de medi as
se denomina pobl acin deri vada de medi as (PDM)
PO PDM
X1
x1
X2 x2
X3
n x3
. .
..
.
XN
Medi a : xm
x
Vari anza : 2x 2
x2 =
n
x x
x - =
z = x
x n
De l a PO se extraen muestras de tamao n. A cada una

se calcul a su media. El conj unto de ese total de medi as
se denomina poblacin derivada de medi as (PDM)
PO PDM
X1
x1
X2 x2
X3
n x3
. .
..
.
XN
Medi a : xm
x
Vari anza : 2x 2
x2 =
n
x x
x - =
z = x
x n
Pg. 44
Si se busca comparar dos poblaciones, se

deriva de cada poblacin una poblacin de
medias y luego se comparan
PO1 PDM1 PO2 PDM2 PDDM

X1 x1 X1 x1 (x1 x2 )
X2 x2 X2 x2 (x x )
X3 X3
.
x3 .
x3 (x x )
. . . . .
. . . .
XN XN
.
xm xm ( )
Medi a 1 x 1
2 x2
d = 1 2
x2 x = 1 + 2
2 2
Varianza
n1 n2
1 2
(x1 x2 ) (1 2 )
z=
12 2 2
+
n1 n2
Pg. 45
3.4 El teorema del lmite central
Muestra la relacin entre la for ma de la distribucin de la

poblacin y la f or ma de la distribucin de muestro. Se basa en
dos aspectos:
(1) La media de la PDM ser igual a la media de la PO,

sin i mportar el tamao de la muestra(n) incluso si la
poblacin no es nor mal
x = x
( 2) Al incrementarse el tamao de la muestra, la

PDM se acercar a la nor malidad, si n
i mportar la for ma de la distribucin de l a
poblacin.
El teorema del l mite central nos per mit e
utilizar las propiedades de la distribucin
nor mal en muchos casos en los que los
dat os subyacentes pueden no estar
distribuidos nor mal mente.
Pg. 46
Hoja de Comprobacin
1. Cuando los elementos incluidos en una muestra se basan en

el jui ci o del individuo que conduce la muestra, se dice que l a
muestra es no aleatoria
2. Un estadsti co es una caractersti ca de una pobl acin
3. Un plan de muestreo que sel ecci ona mi embros de una

pobl acin a interval os uniformes con respecto al tiempo, al
orden o al espaci o se denomi na muestreo estratificado
4. Como regl a general, no es necesari o incl uir un multi pli cador

de pobl acin fi nita en el calculo del error estndar de l a
medi a cuando el tamao de la muestra es mayor que 50
5. La di stribuci n de probabilidad de todas l as medi as posi ble s

de muestras se conoce como l a di stri bucin de muestreo de
la medi a
6. Los pri ncipios de muestreo aleatorio si mpl e son la base

teri ca de l a inferenci a estad stica
7. El error estndar de la medi a es l a desvi aci n estndar de la

di stribuci n de medi as de l a muestra
Pg. 47
8. Un pl an de muestreo que divide a la pobl acin en grupo s

bien definidos de los cual es se extraen muestras aleatorias
se conoce como muestreo de raci mo
9. Con un mayor tamao de muestra, la di stribuci n de

muestreo de la medi a se aproxi ma a l a normalidad, si n
i mportar l a di stri bucin de la pobl acin
10.El error estndar de la medi a di smi nuye en proporcin

directa al tamao de muestra
11.Para realizar una enumeraci n compl eta, se debe exami nar

cada elemento de una pobl aci n
12.En la vi da diari a vemos muchos ejempl os de pobl aci one s

infinitas de obj etos fsicos
13.Para obtener una di stribuci n terica de muestreo,

consi deramos todas l as muestras de un tamao dado
14.Las muestras grandes son si empre una buena i dea, porque

di smi nuyen el error estndar
Pg. 48
15.Si l a medi a de una ci erta poblaci n fuera 15, es probabl e

que la mayor parte de las muestras que podramos tomar de
esa pobl aci n tuvi eran medi as de 15
16.La preci si n de una muestra esta determi nada por el nmero

de el ementos de la muestra y no por la fracci n de la
pobl acin total muestreada
17.El error estndar de una estad stica de muestra es l a

desvi aci n estndar de su di stri bucin de muestreo
18.El muestreo de juicio tiene l a desventaja de que pued e

perder cierta representatividad de una muestra
Pg. 49

PronosticoNegocios 03 PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

PronosticoNegocios 03 PDF

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD JOSE CARLOS MARIATEGUI

En la estadstica tiene un papel destacado la nocin de MUESTRA ALEATORIA.

Una coleccin de n variables aleatorias.

Esta definicin idealiza la operacin de repetir n veces la observacin de la misma

La coleccin de donde extraemos la muestra aleatoria, se denomina POBLACIN.

Una POBLACIN, que son todas las bolitas que se producen.

Un PARMETRO de la poblacin conocido (o casi) que es la desviacin

Otro PARMETRO cuyo valor es desconocido: la media.

Qu nos dice el valor de la media de la muestra respecto a la media de la poblacin?

Por otra parte, no tenemos mejor informacin respecto a la media

Por ltimo, sera muy extrao que si la poblacin de bolitas tiene,

Adems, si alguien nos preguntara como cunto es el dimetro

A nuestra contestacin debamos agregarle alguna advertencia

A un valor calculado con los datos de una muestra lo llamamos ESTADSTICA.

Constryase Ud. mismo un ejemplo como el de las bolitas. En su ejemplo, describa

una estadstica que le sirva como estimador.

Caractersticas probabilsticas de un estimador

Por ejemplo si se recibe un embarque de objetos que pueden

Como cualquier variable aleatoria, el estimador tiene

Valor esperado de un estimador y sesgo

Si el sesgo 0, se dice que el estimador es instigado y sta es una caracterstica buena

Otra propiedad importante de un estimador es su varianza (o su raz cuadrada, la

La importancia de la desviacin estndar es que nos permite darle un sentido

Entre menor sea la desviacin estndar (o la varianza) de un estimador, ser ms

En el pizarrn vemos algunos estimadores instigados:

La distribucin de probabilidad de una estadstica

Quiz el resultado ms importante para la estadstica es el Teorema del Lmite

Este teorema es muy importante porque permite calcular probabilidades acerca de

En el saln hacemos en forma detallada, ejemplos de estos clculos.

Estimacin del error de una medida directa

Sin embargo, la aplicacin de algunos mtodos estadsticos permite objetivar en gran

Mejor valor de un conjunto de medidas

Supongamos que medimos una magnitud un nmero n de veces. Debido a la

El mtodo ms razonable para determinar el mejor valor de estas medidas es tomar el

y este es el valor que deber darse como resultado de las medidas.

TIPOS DE ESTIMACIN ESTADSTICA

Un problema importante de la inferencia estadstica es la estimacin de parmetros de

Estimaciones sin sesgo:

Si la media de las dispersiones de muestreo con un estadstico es igual que la del

Ejemplo 1: la media de las distribuciones de muestreo de medias e , media de la

Ejemplo 2: Las medias de las distribuciones de muestreo de las variables es:

estadstico es instigado porque E{X }= Y ( }=

Si las distribuciones de muestreo de dos estadsticos tienen la misma media(o

Si consideramos todos los posibles estadsticos cuyas distribuciones de muestreo

De todos los estadsticos que estiman la media de la poblacin, la media muestral

En la prctica, estimaciones ineficientes se usan con frecuencia a causa de la relativa

Estimaciones de punto y estimaciones de intervalo, su fiabilidad:

Una estimacin de un parmetro de la poblacin dada por un solo nmero se llama

El margen de error o la percepcin de una estimacin nos informa su fiabilidad.

Estimaciones de intervalos de confianza para parmetros de poblacin:

Sean s y s la media y la desviacin tpica (error tpico) de la distribucin de

S que este en los intervalos s sas + s, s 2sas + 2s, os 3sas + 3s

La tabla 1. Corresponde a los niveles de confianza usados en la prctica. Para niveles

Nivel de 99.7% 99% 98% 96% 95.45% 95% 90% 80%

Zc 3.00 2.58 2.33 2.05 2.00 1.96 1.645 1.28

Intervalos de confianza para la media:

Si el estadstico s de la media X de la muestra, entonces los limites de confianza

X Z C X , usando los valores de

Si el muestro es sin reposicin de una poblacin de tamao Np.

Generalmente, la desviacin tpica de la poblacin no es conocida. As pues, para

CLCULO DEL TAMAO DE LA MUESTRA

Parmetro. Son las medidas o datos que se obtienen sobre la poblacin.

Error Muestral, de estimacin o standard. Es la diferencia entre un estadstico y su