Estadística Aplicada

“Métodos de muestreo y teorema del límite central” (capítulo 8)

Preparado por:

CARDENAS TORRES, Leidy

HERMITAÑO SALVADOR, Ruth
PONCE MENDOZA, Leyla Yineth
ROSAS MARTEL, Noemí Katerine
VACAS ESPINOZA, Jheann Miguel

Mayo, 2018
 INTRODUCCIÓN

Es mejor realizar un muestreo que estudiar a toda una población, ya que el estudio de

toda la población nos originaría demasiados costos y también se tendría que disponer de

tiempo para realizarlo. Es por ello que el presente trabajo se centra en todo lo que tiene que

ver con el muestreo, como son las razones para muestrear, si bien es cierto existe múltiples

razones para realizar el muestreo, pero en este trabajo se dará a conocer las fundamentales.

También se hablará sobre los tipos de muestreo, y como se van a realizar cada uno de ellos.

La muestra es una parte representativa de la población, pero eso no significa que el

estadístico de una muestra va ser igual a un parámetro poblacional, es por ello que también se

hablará del error de muestreo, de la distribución muestral de la media, del teorema central del

límite y del error estándar de la media.

 DESARROLLO

MÉTODOS DE MUESTREO

Nos va resultar más fácil realizar un muestreo, a que se estudiar toda la población. Es

por eso que vamos a dar a conocer las razones para muestrear, y los métodos para elegir una

muestra.

Razones para muestrear

Existen muchas razones para seleccionar la muestra dentro de una población, pero se

dará a conocer las razones fundamentales que nos van ayudar a muestrear.

 Para poder muestrear no se debe entrar en contacto con toda la población, ya

que requeriría de mucho tiempo, y en muchos casos quizá no sea fructífero.

 Si estudiamos a toda la población, nos generaría un alto costo y en la mayoría

de casos sería imposible pagarlo.

 No nos debemos centrar en constatar todos los elementos de la población, sino

se debe aplicar diferentes técnicas, para obtener aproximaciones.

 Para cerciorarnos que los elementos de estudio están en estado óptimo, no se

debe realizar la prueba de todos los elementos, sino solo de algunos.

Muestreo Aleatorio Simple

En este tipo de muestreo, que es el más común, cada elemento de la población va tener

las mismas posibilidades de ser seleccionado para la muestra.

Muestreo Aleatorio Sistemático

Para este tipo de muestreo primero se va a dividir el tamaño de la población entre el

tamaño de la muestra, por ejemplo, si el valor que obtenemos es “n”, la selección de la

muestra va ser cada “n” elementos, pero el primer elemento debe ser seleccionado de forma

aleatoria.

Muestreo Aleatorio Estratificado

Este tipo de muestreo se aplica cuando se forma grupos dentro de la población, de

acuerdo a las características que tienen los elementos. A cada subgrupo que se tiene dentro de

la población se le llama estrato, y para realizar el muestreo aleatorio estratificado, se va a

seleccionar una muestra de cada subgrupo o estrato.

Muestreo por Conglomerados

Este tipo de muestreo se emplea para reducir el costo de muestrear. Lo primero es

dividir a la población en conglomerados o unidades primarias, a partir de situaciones

geográficas u otros. Luego se debe seleccionar al azar una cierta cantidad de unidades

primarias, y tomar una muestra de cada una de las unidades seleccionadas. Vamos a ver que

en este tipo de muestreo se hace una combinación de un muestreo por conglomerados y un

muestreo aleatorio simple.

ERROR DE MUESTREO

La muestra es una parte representativa de la población, pero no se puede asegurar que

un valor que hallas en la muestra, va ser el mismo valor que se va obtener en una población.

Por ejemplo, la varianza de la muestra no va ser igual a la varianza poblacional. Es ahí donde

se calcula el error de muestreo, ya que la diferencia entre el estadístico (unidad de medida de

la muestra) y el parámetro (unidad de medida de la población) nos va a dar como resultado el

error de muestreo.
DISTRIBUCIÓN MUESTRAL DE LA MEDIA

Consiste en una distribución de probabilidad de todas las medias posibles de las

muestras de un tamaño de muestra de la población.

TEOREMA CENTRAL DEL LÍMITE

Es el teorema fundamental de probabilidad y estadística

Permite utilizar la probabilidad normal que a su vez va crear intervalos de confianza y

en seguida se da a cabo la prueba de hipótesis. Cuando se da muestras aleatorias grandes esta

se aproxima a la distribución normal, es decir la fiabilidad es más exacta. Si en caso es

simétrica (no normal), sus distribuciones muéstrales serán muy pequeñas, para lo cual lo

adecuado sería usar de 30 a más características de normalidad, ya que algunos estadísticos

recomienda que la muestra puede ser aplicable en este teorema.

“Cuanto mayor sea el número de observaciones en la muestra, más evidente será la

convergencia” (Douglas A. Lind, 2012), quiere decir que a menor dispersión de los datos más

exacta será el objetivo de nuestra muestra y por ende esta se acercara a un más a la solución

del problema.

La distribución muestral es la media poblacional, o también llamada error estándar;

esto es la diferencia entre un parámetro poblacional y un estadístico de la muestra.

USO DE LA DISTRIBUCIÓN MUESTRAL DE LA MEDIA

La mayoría de una buena toma de decisiones en un negocio, organización, o empresa

tiene que ver con el muestreo, si el muestreo muestra un grado de error entonces surgieran

nuevas preguntas, para que esto no pase tenemos que tener una población identificada y que
nuestra muestra sea parte especifica de la realidad del problema porque solo así sabremos si

las decisiones que tomamos son las adecuadas, si las observaciones suelen ser menores a 30

quieren decir que no han variado y se mantienen en la distribución muestral sigue siendo

normal.
 CONCLUSIONES

Que para realizar una investigación es esencial tener un muestreo que es extraída de la

población por medio de la muestra, los autores nos hacen menciona su vez que será más

acertada si usamos más de 30 observaciones para conseguir la distribución muestral con las

muestras, ya que será de mayor fiabilidad y certera con lo que buscamos saber porque su

variación será menor.

 REFERENCIAS

Lind/Marchal/Wathen. (2008). Estadística Aplicada a los Negocios y la Economía (13° Edición).

México: Mc GRAW-HILL/INTERAMERICANA EDITORES. S.A. de C.V.