Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Lectura 1 Estadistica Inferencial PDF
Lectura 1 Estadistica Inferencial PDF
SEMANA 1
MUESTRALES
[ ESTADÍSTICA INFERENCIAL ]
Aunque
ni
el
muestreo
ni
la
inferencia
estadística
pueden
sustituir
el
censo,
son
los
únicos
medios
posibles
o
prácticos
para
poder
obtener
información
acerca
de
una
población
cuando
el
censo
no
puede
hacerse
por
algún
motivo.
Los
beneficios
del
muestreo
se
hacen
más
notorios
en
el
muestreo
destructivo.
Piense
por
ejemplo
en
el
fabricante
de
bombillos
que
quiere
saber
la
vida
promedio,
en
horas,
del
producto.
Este
fabricante
podría
solicitar
al
departamento
de
Ingeniería
la
vida
promedio
diseñada
para
las
bombillas,
pero
para
determinar
el
tiempo
de
duración
de
las
bombillas,
se
tendría
que
seleccionar
varias
bombillas,
instalarlas
y
registrar
el
tiempo
transcurrido
hasta
que
se
quemen.
Si
tomamos
un
censo,
estaríamos
destruyendo
todos
los
elementos
de
la
población
en
la
prueba,
lo
cual
no
tiene
sentido.
Las
encuestas
de
opinión,
por
ejemplo
sobre
la
preferencia
de
un
producto,
demuestran
la
utilidad
del
muestreo
en
contraste
con
un
censo.
Los
cambios
de
opinión
deben
ser
reconocidos
rápidamente
si
se
espera
acomodar
las
políticas
de
venta
a
los
deseos
de
los
clientes.
El
número
reducido
de
unidades
elementales
en
una
muestra,
puede
implicar
que
más
variables
auxiliares
sean
investigables.
En
un
sitio
dado,
por
el
mismo
tiempo
y
dinero,
uno
podría
obtener
o
un
censo
del
número
de
industrias
en
una
ciudad
o
una
muestra
que
incluiría
industrias
por
sector,
utilidades
recibidas
al
año,
principales
productos
producidos.
Hay
cuatro
preguntas
básicas
que
es
necesario
plantear
acerca
de
las
muestras
y
del
proceso
de
inferencia:
1. ¿Cuáles
son
los
métodos
menos
costosos
de
muestreo
que
dan
la
mayor
seguridad
que
las
muestras
representan
a
la
población
de
la
cual
fueron
seleccionados?
2. ¿Cuál
es
la
mejor
forma
de
describir
la
información
muestral
a
fin
de
que
sea
útil
y
clara?
2
[ POLITÉCNICO GRANCOLOMBIANO ]
Palabras
clave:
Población,
muestra,
parámetro,
estadístico,
error
de
muestreo,
muestreo
aleatorio,
muestreo
estratificado,
muestreo
sistemático,
muestreo
de
conglomerados.
1. DISEÑOS
MUESTRALES
1.1
CONCEPTOS
FUNDAMENTALES
POBLACIÓN:
es
un
conjunto
de
medidas
o
recuento
posible
de
todas
las
unidades
que
tienen
una
o
varias
características
en
común.
Según
el
número
de
unidades
o
elementos
que
la
constituyen,
la
población
puede
ser
finita
o
infinita.
La
población
debe
estar
perfectamente
definida
en
el
tiempo
y
en
el
espacio.
Por
lo
tanto,
al
definir
una
población,
se
debe
cuidar
que
el
conjunto
de
elementos
que
la
integran
quede
delimitado.
Si,
por
ejemplo,
para
hacer
un
análisis
de
las
pequeñas
empresas,
se
debe
especificar
cuáles
son
y
en
qué
período
de
tiempo
se
analizan:
pequeñas
empresas
de
la
capital
de
país
en
el
año
2012.
MUESTRA:
una
muestra
es
un
subconjunto
de
la
población
que
ha
sido
seleccionada
con
una
técnica
llamada:
diseño
de
muestreo
para
garantizar
que
la
muestra
sea
representativa
de
la
población,
es
decir
que
las
unidades
sean
seleccionadas
aleatoriamente,
en
tal
forma
que
cada
una
de
ellas
tenga
la
misma
probabilidad
de
ser
seleccionada.
[ ESTADÍSTICA INFERENCIAL ] 3
ESTADISTICA:
un
estadístico
es
un
número
determinado
que
describe
un
aspecto
de
la
muestra
y
para
encontrar
su
valor
es
necesario
utilizar
la
información
muestral.
En
los
ejemplos
enunciados
en
la
definición
de
parámetros
los
estadísticos
correspondientes
son:
puntaje
medio
obtenido
en
la
prueba
de
aptitud
en
las
muestras
seleccionadas
de
hombres
y
mujeres
y
porcentaje
de
productos
defectuosos
en
una
muestra
seleccionada
de
la
producción
diaria.
CENSO:
es
una
técnica
para
obtener
los
datos
por
medio
de
la
cual
se
cuentan
todos
los
elementos
que
conforman
la
población
y
se
registran
sus
características.
Otra
fuente
de
error
en
el
muestreo,
especialmente
en
las
encuestas
de
opinión
pública,
son
las
respuestas
sesgadas.
Cuestionarios
mal
redactados
o
mal
elaborados
dan
lugar
a
respuestas
que
no
reflejan
las
verdaderas
opiniones.
Estos
tipos
de
error
se
llaman
errores
no
muestrales.
Incluyen
todo
tipo
de
errores
humanos
tales
como,
errores
en
la
recolección,
análisis
o
publicación
de
datos,
un
instrumento
de
medición
mal
calibrado
o
un
registro
del
dato
mal
escrito.
Por
otra
parte,
aun
cuando
se
trate
de
muestras
bien
diseñadas
y
seleccionadas,
habrá
casos
en
donde
la
muestra
no
representa
en
forma
adecuada
a
la
población
de
estudio,
simplemente
porque
solo
representa
una
parte
de
esa
población.
En
tales
casos
la
información
contenida
en
la
muestra
puede
dar
inferencias
incorrectas
acerca
de
la
población;
es
decir,
puede
cometerse
un
error
al
estimar
las
características
de
la
población
sobre
la
base
de
la
información
muestral.
Los
errores
de
esta
naturaleza,
que
representan
las
diferencias
que
pueden
existir
entre
un
estadístico
muestral
y
el
parámetro
poblacional
que
se
esta
estimando,
reciben
el
nombre
de
errores
muestrales.
4
[ POLITÉCNICO GRANCOLOMBIANO ]
Un
objetivo
fundamental
del
diseño
de
muestreo
consiste
en
minimizar
tanto
los
errores
muestrales
como
los
no
muestrales.
Los
errores
son
costosos,
no
solo
en
términos
del
tiempo
y
del
dinero
invertido
en
la
recolección
de
las
muestras,
sino
también
en
términos
de
la
pérdida
potencial
que
podría
provenir
de
una
decisión
errónea
tomada
a
partir
de
una
inferencia
errónea
basada
en
esos
datos,
es
por
esto
que
trataremos
aquí
el
problema
de
determinar
el
diseño
de
muestreo
que
minimice
con
mayor
efectividad
los
errores.
Se
dispone
de
dos
métodos
para
seleccionar
muestras
de
poblaciones:
el
muestreo
no
aleatorio
o
de
juicio
y
el
muestreo
aleatorio
o
probabilístico.
[ ESTADÍSTICA INFERENCIAL ] 5
una
población
infinita.
La
práctica
usual
para
muestrear
poblaciones
finitas,
es
muestrear
sin
remplazo,
es
decir,
con
un
elemento
seleccionado
que
será
elegido
solo
una
vez.
En
el
muestreo
simple
las
unidades
de
muestreo
individual
y
directamente
por
medio
de
un
proceso
aleatorio
(por
medio
de
las
tablas
de
números
aleatorios).
Número
Tiempo(Minutos)
01
15
02
14
03
15
04
18
05
19
06
20
07
13
08
23
09
30
10
35
11
30
12
27
13
25
14
26
15
29
Selección
del
muestreo
aleatorio
simple:
el
principal
requisito
para
la
aplicación
de
este
muestreo
es
que
cada
elemento
de
la
población
sea
identificable
en
forma
clara
y
sin
ambigüedades,
de
tal
forma
que
se
pueda
obtener
una
lista
que
permita
identificar
de
manera
única
cada
elemento.
Cuando
ya
se
dispone
de
esta
información
y
esta
completa,
pueden
numerarse
secuencialmente
todas
las
unidades
de
la
lista
y
puede
elegirse
una
muestra
aplicando
un
proceso
de
selección
por
medio
de
una
tabla
de
números
aleatorios.
Se
deben
tener
tantos
números
diferentes
de
esta
tabla
como
los
casos
que
se
desean
para
la
muestra,
excluyendo
los
números
que
están
fuera
de
la
secuencia
de
números
correspondientes
a
la
población.
Se
seleccionan
aquellos
elementos
que
correspondan
a
los
números
aleatorios
que
se
obtuvieron.
Este
procedimiento
se
muestra
con
el
siguiente
ejemplo:
suponga
una
población
de
quince
trabajadores
y
su
tiempo
(en
minutos)
en
la
realización
de
un
proceso.
Con
el
objeto
de
seleccionar
una
muestra
aleatoria
de
5
trabajadores
se
procede
de
la
siguiente
forma:
1.
Se
hace
una
enumeración
de
cada
uno
de
los
elementos
de
la
población,
en
este
caso
de
cada
trabajador.
6
[ POLITÉCNICO GRANCOLOMBIANO ]
2.
Para
la
selección
de
los
elementos
que
van
a
conformar
la
muestra,
se
utiliza
la
generación
de
números
aleatorios
de
Excel.
Para
esto
se
elige
la
función
fx,
y
aleatorio
entre:
Aquí
se
genera
el
primer
número
aleatorio
y
el
resultado
se
extiende
hasta
obtener
los
cinco
números
generados:
[ ESTADÍSTICA INFERENCIAL ] 7
Los
valores
aleatorios
corresponden
a
los
datos:
Número
Tiempo
(minutos)
01
15
02
14
03
15
04
18
05
19
06
20
07
13
08
23
09
30
10
35
11
30
12
27
13
25
14
26
15
29
Muestreo
Estratificado
Este
es
un
segundo
tipo
de
diseño
de
muestreo,
que
frecuentemente
proporciona
una
cantidad
de
información
a
menor
costo
que
el
muestreo
aleatorio
simple.
Este
diseño
se
8
[ POLITÉCNICO GRANCOLOMBIANO ]
El
primer
paso
en
la
selección
consiste
en
la
especificación
clara
de
cada
estrato,
asociando
a
cada
elemento
de
la
población
uno
y
solo
un
estrato.
Una
vez
especificados
los
estratos,
se
puede
seleccionar
una
muestra
aleatoria
en
cada
estrato.
!!
!! = !
!
N1+N2+……..+ Nk = N
Ejemplo:
suponga
que
la
población
de
los
tiempos
de
los
trabajadores
esta
conformada
por
los
siguientes
valores:
19
21
35
15
21
18
17
19
20
32
22
21
34
27
21
19
20
17
21
34
20
20
17
19
25
30
15
19
19
23
28
19
17
18
23
20
32
18
21
30
15
21
25
15
35
31
16
22
32
25
16
20
25
30
25
28
18
25
32
18
N=60
y
se
quiere
seleccionar
una
muestra
estratificada
de
20
elementos:
[ ESTADÍSTICA INFERENCIAL ] 9
1. Se divide la población en tres estratos de la siguiente forma:
Los valores que conforman cada uno de los estratos son:
Estrato 1:
10
[ POLITÉCNICO GRANCOLOMBIANO ]
!! !"
n2
= ! !
= 20 !" = 8,6 = 9
!! !"
n3
= ! !
= 20 !" = 4
Se utiliza la generación de números aleatorios utilizando la función de Excel en cada estrato:
Estrato 1
Estrato 3
[ ESTADÍSTICA INFERENCIAL ] 11
Muestreo
Sistemático
El
muestreo
sistemático
o
en
serie,
se
usa
frecuentemente
por
ser
simple,
directo
y
económico.
Consiste
en
seleccionar
uno
en
uno,
los
elementos
de
la
muestra
en
un
orden
determinado,
con
un
comienzo
aleatorio.
Suponga
que
N=
1000
y
n
=
100
entonces
la
fracción
de
muestreo
es:
!"""
F=
!"" = 10
El
primer
elemento
se
selecciona
aleatoriamente
en
el
intervalo
0
a
10,
por
ejemplo
resulto
seleccionado
el
número
5,
el
segundo
elemento
que
se
seleccionará
será
15,
luego
25
y
así
sucesivamente,
ya
que
la
fracción
de
muestreo
es
10.
12
[ POLITÉCNICO GRANCOLOMBIANO ]
BIBLIOGRAFÍA
FREUND,
John
E.,
MILLER,
Irwin
y
MILLER,
Marylees.
Estadística
Matemática
con
aplicaciones.
6ed.
Madrid
Prentice
Hall,
2000.
GUTIERREZ,
Humberto
y
DE
LA
VARA,
Román.
Control
estadístico
de
Calidad
y
Seis
Sigma
(6s).
México:
McGraw-‐Hill,
2005.
KENNET,
Ron
S.,
y
ZACKS,
Shelemyahu.
Estadística
Industrial
Moderna.
Barcelona,
Thomson,
2000.
MONTGOMERY,
Douglas
C.
y
RUNGER,
George
C.
Probabilidad
y
Estadística
aplicadas
a
la
Ingeniería.
2ed.
México:
Limusa,
2002.
NEWBOLD.
Paul.
Estadística
para
los
Negocios
y
la
Economía.
4ed.
Madrid
Prentice
Hall,
1988.
WALPOLE
Ronal,
E.,
MYERS,
Raymond
H.
y
MYERS,
Sharon
L.
Probabilidad
y
Estadística
para
Ingenieros.
6ed.
Madrid
Prentice
Hall,
1998.
[ ESTADÍSTICA INFERENCIAL ] 13