INFERENCIA ESTADISTICA

CÓDIGO: 212064ª_611

Unidad 1: Fase 2 - Muestreo e intervalos de confianza

Presentado a:

Dany Mariela Silva

Entregado por:

Yeison Vargas Mendoza

Código: 80740293

Grupo: 212064_12

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA - UNAD

ESCUELA DE CIENCIAS BÁSICAS TECNOLOGÍA E INGENIERÍA

MARZO DE 2019
“¿Cómo seleccionar el tamaño muestral?
Existen diversas maneras para obtener el tamaño de una muestra dependiendo de
los datos con que se cuente, por ejemplo, en caso de contar con la cantidad de
personas a las que le realizaremos el estudio (por ejemplo, el número de habitantes
en X ciudad), se dice que se cuenta con un universo finito, en esta ocasión
abordaremos está clase de universos y como obtener el tamaño ideal de una
muestra, para lograr lo anterior se hace uso de la siguiente fórmula propuesta por
Murray y Larry (2005):

En donde:
n = es el tamaño de la muestra poblacional a obtener.
N = es el tamaño de la población total.
Representa la desviación estándar de la población. En caso de desconocer este
dato es común utilizar un valor constate que equivale a 0.5
Z = es el valor obtenido mediante niveles de confianza. Su valor es una constante,
por lo general se tienen dos valores dependiendo el grado de confianza que se
desee siendo 99% el valor más alto (este valor equivale a 2.58) y 95% (1.96) el valor
mínimo aceptado para considerar la investigación como confiable.
e = representa el límite aceptable de error muestral, generalmente va del 1% (0.01)
al 9% (0.09), siendo 5% (0.5) el valor estándar usado en las investigaciones.
Una vez establecido los valores adecuados, se procede a realizar la sustitución de
los valores y aplicación de la fórmula para obtener el tamaño de la muestra
poblacional correspondiente al universo finito determinado.
Ya realizado el proceso matemático se obtendrá la muestra, la cual como se
mencionó al principio, nos ayudará a realizar una investigación válida y completa.
 ¿Cómo se realiza el muestreo sistemático?
Es necesario desarrollar una audiencia estructural definida para que el investigador
comience a trabajar en el aspecto del muestreo.
El investigador a cargo debe determinar el tamaño de la muestra ideal, es decir,
cuántas personas de la población completa se van a elegir.
La clave para obtener resultados precisos razonables y prácticos es tener una
audiencia grande.
Una vez que se decida el número de tamaño de la muestra, se debe asignar un
número a cada miembro de la muestra.
Decide cuál será el intervalo de esta muestra. Este es básicamente la distancia
estándar entre los elementos.
El ejemplo mencionado anteriormente sugiere que el intervalo de muestra debe ser
10, que es el resultado de la división de 5000 (N= tamaño de la población) y 500 (N
= tamaño de la muestra) (i) = N/n = 5000/500 = 10
El investigador debe seleccionar miembros que cumplan con este criterio. En este
caso sería una persona de cada 10.
Se debe elegir un número de manera aleatoria como miembro inicial (r) de la
muestra, y este intervalo se agregara al número aleatorio para seguir agregando
miembros r, r+i, r+2i etc. que serán elementos de la muestra.
Una vez que sabes cómo realizar un muestreo sistemático, te darás cuenta de que
es una excelente opción para tu próxima investigación.
Ventajas del muestreo sistemático
 Es extremadamente simple y conveniente para los investigadores crear,
conducir y analizar las muestras.
 Como no es necesario enumerar a cada miembro de la muestra, el muestreo
sistemático es mejor para representar a una población de manera más rápida
y sencilla.
 Las muestras creadas se basan en la selección de miembros libre de
favoritismos.
 En los otros métodos de muestreo hay posibilidades de que los
conglomerados creados sean altamente sesgados, y esto comúnmente no
sucede en el muestreo sistemático, ya que los miembros se encuentran a
una distancia fija el uno del otro.
 El factor de riesgo involucrado en este método de muestreo es
extremadamente mínimo.
• ¿Cómo se realiza el muestreo aleatorio simple?
El muestreo aleatorio simple es un subconjunto de una muestra elegida de una
población más grande. Cada individuo se elige al azar y por pura casualidad. En
este tipo de muestreo cada individuo tiene la misma probabilidad de ser elegido en
cualquier etapa del proceso.
Cabe mencionar que es diferente al muestreo sistemático. Una muestra aleatoria
simple es una técnica de muestreo justa.
El muestreo aleatorio simple es un tipo de método de muestreo muy básico y puede
ser fácilmente un componente de un método de muestreo más complejo. El principal
atributo de este método de muestreo es que cada muestra tiene la misma posibilidad
de ser elegida.
El tamaño de la muestra en este método de muestreo idealmente debe ser de más
de unos cientos de individuos para que se pueda aplicar de manera apropiada. A
veces se argumenta que este método es teóricamente simple de entender, pero
difícil de implementar en la práctica.
¿Quieres saber cómo realizar un muestreo aleatorio simple? ¡Sigue estos
pasos!
1.- Prepara una lista de todos los miembros de la población, posterior a esto marca
a cada miembro con un número específico.

2.- De esta población, las muestras aleatorias se eligen de dos maneras: tablas de
números aleatorios y con un software de generador de números aleatorios. Se
recomienda (y comúnmente es lo que prefieren los investigadores) un software
generador de números aleatorios, ya que los números de muestra se generan sin
interferencia humana.
¿Quieres saber cómo realizar un muestreo aleatorio sin sesgo? Hay dos enfoques
o métodos que se encargan de minimizar este punto:
Método de lotería:
El método de la lotería es uno de los métodos más antiguos y es definitivamente un
ejemplo claro del mecanismo del muestreo aleatorio simple. En este método, cada
miembro de la población debe estar numerado de manera sistemática y posterior a
esto se escribe cada número en una hoja de papel por separado. Esos pedazos de
papel se mezclan y se ponen en una caja y de esta de forma los números se extraen
de manera aleatoria.
Uso de números aleatorios
El método de uso de números aleatorios es un método alternativo que también
implica la numeración de la población. En este método, se utiliza una tabla similar a
la de la siguiente imagen para aplicar la técnica:
números aleatorios para una muestra aleatoria simple
Fórmula de muestreo aleatorio simple
Ejemplo; considera que tienes un hospital que cuenta con un personal de 1000
miembros y necesitan asignar a 100 personas al turno de la noche. Todos los
nombres se ponen en unos papeles y posteriormente se mezclan en una caja o
cubo para ser seleccionados al azar. Todas las personas participantes tienen la
misma posibilidad de ser seleccionadas, y dado que conocemos el tamaño de la
población (N) y el tamaño de la muestra (n), el cálculo es el siguiente:

P=1- N-1/N.N-2/N-1….N-n/N-(n-1)
Eliminando=1-N-n/N
=n/N
=100/1000
=10%

• ¿Para qué se utilizan los intervalos de confianza?

Un intervalo de confianza nos va a permitir calcular dos valores alrededor de una
media muestral (uno superior y otro inferior). Estos valores van a acotar un rango
dentro del cual, con una determinada probabilidad, se va a localizar el parámetro
poblacional.
Intervalo de confianza = media +- margen de error
Conocer el verdadero poblacional, por lo general, suele ser algo muy complicado.
Pensemos en una población de 4 millones de personas. ¿Podríamos saber el gasto
medio en consumo por hogar de esa población? En principio sí. Simplemente
tendríamos que hacer una encuesta entre todos los hogares y calcular la media. Sin
embargo, seguir ese proceso sería tremendamente laborioso y complicaría bastante
el estudio.
Ante situaciones así, se hace más factible seleccionar una muestra estadística. Por
ejemplo, 500 personas. Y sobre dicha muestra, calcular la media. Aunque
seguiríamos sin saber el verdadero valor poblacional, podríamos suponer que este
se va a situar cerca del valor muestral. A esa media le sumamos el margen de error
y tenemos un valor del intervalo de confianza. Por otro lado, le restamos a la media
ese margen de error y tendremos otro valor. Entre esos dos valores estará la media
poblacional.
En conclusión, el intervalo de confianza no sirve para dar una estimación puntual
del parámetro poblacional, si nos va a servir para hacernos una idea aproximada de
cuál podría ser el verdadero de este. Nos permite acotar entre dos valores en dónde
se encontrará la media de la población.
Factores de los que depende un intervalo de confianza
El cálculo de un intervalo de confianza depende principalmente de los siguientes
factores:
 Tamaño de la muestra seleccionada: Dependiendo de la cantidad de datos
que se hayan utilizado para calcular el valor muestral, este se acercará más
o menos al verdadero parámetro poblacional.
 Nivel de confianza: Nos va a informar en qué porcentaje de casos nuestra
estimación acierta. Los niveles habituales son el 95% y el 99%.
 Margen de error de nuestra estimación: Este se denomina como alfa y nos
informa de la probabilidad que existe de que el valor poblacional esté fuera
de nuestro intervalo.
 Lo estimado en la muestra (media, varianza, diferencia de medias…): De
esto va a depender el estadístico pivote para el cálculo del intervalo.

 ¿A qué se le llama error de estimación?

Un mismo estimador ofrece distintos valores para distintas muestras del mismo
tamaño extraídas de la misma población. Por lo tanto deberíamos tener una medida
de la variabilidad del estimador respecto del parámetro que se trata de estimar. Esta
variabilidad se mide en términos de la desviación estándar del estimador, la cual
recibe el nombre de error estándar.
El error estándar de un estimador T de un parámetro es la desviación estándar del
estimador.
Así por ejemplo, si tomamos como estimador de, entonces el error estándar está
dado por.
Error de estimación es el valor absoluto de la diferencia entre una estimación
particular y el valor del parámetro.
En realidad, por cada valor estimado del parámetro se tiene un error de estimación
por lo general diferente. Sin embargo, es posible fijar un intervalo dentro del cual se
encontrarán la mayoría de los valores de error de estimación para un estimador y
parámetro dados.
En la tabla siguiente se dan las fórmulas de los errores de estimación para algunos
estimadores y los estimadores para tales errores. Los estimadores se usan cuando
los parámetros que se incluyen en las fórmulas de los errores de estimación son
desconocidos.

 ¿Cómo se calculan los intervalos de confianza para la media?

Intervalo de confianza para la media de una distribución Normal

Dada una variable aleatoria con distribución Normal N(μ, σ), el objetivo es la
construcción de un intervalo de confianza para el parámetro μ, basado en una
muestra de tamaño n de la variable.
Desde el punto de vista didáctico hemos de considerar dos posibilidades sobre la
desviación típica de la variable: que sea conocida o que sea desconocida y
tengamos que estimarla a partir de la muestra. El caso de σ conocida, ya comentado
anteriormente, no pasa de ser un caso académico con poca aplicación en la
práctica, sin embargo, es útil desde el punto de vista didáctico.
Caso de varianza conocida
Dada una muestra X1, ..., Xn, el estadístico

se distribuye según una Normal estándar. Por tanto, aplicando el método del pivote
podemos construir la expresión

donde zα/2 es el valor de una distribución Normal estándar que deja a su derecha
una probabilidad de α/2, de la que se deduce el intervalo de confianza
Caso de varianza desconocida
Dada una muestra X1, ..., Xn, el estadístico

se distribuye según una t de Student de n − 1 grados de libertad. Por tanto, y

siguiendo pasos similares a los del apartado anterior, el intervalo de confianza
resultante es

donde tα/2 es el valor de una distribución t de Student con n − 1 grados de libertad

que deja a su derecha una probabilidad de α/2.
Con el programa siguiente podemos calcular el intervalo de confianza para la media
de una distribución Normal con desviación típica desconocida.

 ¿Cómo se calculan los intervalos de confianza para la proporción?

Dada una variable aleatoria con distribución Binomial B(n, p), el objetivo es la
construcción de un intervalo de confianza para el parámetro p, basada en una observación
de la variable que ha dado como valor x. El mismo caso se aplica si estudiamos una
Binomial B(1, p) y consideramos el número de veces que ocurre el suceso que define la
variable al repetir el experimento n veces en condiciones de independencia.

Existen dos alternativas a la hora de construir un intervalo de confianza para p:

 Considerar la aproximación asintótica de la distribución Binomial en la
distribución Normal.
 Utilizar un método exacto.
Aproximación asintótica
Tiene la ventaja de la simplicidad en la expresión y en los cálculos, y es la más
referenciada en la mayoría de textos de estadística. Se basa en la aproximación

que, trasladada a la frecuencia relativa, resulta

Tomando como estadístico pivote

que sigue una distribución N(0, 1), y añadiendo una corrección por continuidad al
pasar de una variable discreta a una continua, se obtiene el intervalo de confianza
asintótico:

donde zα/2 es el valor de una distribución Normal estándar que deja a su derecha
una probabilidad de α/2 para un intervalo de confianza de (1 − α) · 100 %. Las
condiciones generalmente aceptadas para considerar válida la aproximación
asintótica anterior son:

El intervalo obtenido es un intervalo asintótico y por tanto condicionado a la validez

de la aproximación utilizada. Una información más general sobre los intervalos de
confianza asintóticos
Intervalo exacto
Aun cuando las condiciones anteriores no se verifiquen, es posible la construcción
de un intervalo exacto, válido siempre, pero algo más complicado en los cálculos.
Es posible demostrar que un intervalo exacto para el parámetro p viene dado por
los valores siguientes:

donde Fα/2,a,b es el valor de una distribución F de Fisher-Snedecor con a y b grados

de libertad que deja a su derecha una probabilidad de α/2 para un intervalo de
confianza de (1 − α) · 100 %.
Una justificación de los intervalos de confianza exactos para distribuciones discretas
puede encontrarse aquí
En el programa siguiente se pueden calcular los intervalos de confianza asintótico
y, si n es menor de 100, también el exacto para una proporción.