UNIVERSIDAD NACIONAL

TORIBIO RODRÍGUEZ DE MENDOZA

FACULTAD DE CIENCIAS ECONÓMICAS Y ADMINISTRATIVAS

ESCUELA PROFESIONAL DE ADMINISTRACIÓN DE EMPRESAS

CURSO : ESTADÍSTICA INFERENCIAL PARA ADMINISTRADORES.

TEMA : MUESTREO, TIPOS DE MUESTREO PROBABILISTICO Y

DISTRIBUCIONES MUESTRALES.

DOCENTE : LIC. MORI HUAMAN MOISES

ESTUDIANTES :
FUSTAMANTE IRIGOÍN, Flor Anaida
HORNA HUAMAN, Geny
MORI PORTAL, Madeleine
TAUCA LÓPEZ, Milagros Esperanza

CHACHAPOYAS – PERÚ

2019
 INDICE

INTRODUCCION ............................................................................................................................................................... 3
DISTRIBUCIONES MUESTRALES ...................................................................................................................................... 4
1. MUESTREO ALEATORIO .......................................................................................................................................... 4
1.1. POBLACIÓN Y PARÁMETROS ............................................................................................................................. 4
1.2. MUESTRA ALEATORIA ........................................................................................................................................ 4
1.3. DISTRIBUCIONES MUESTRALES ......................................................................................................................... 5
CONCLUSIONES ............................................................................................................................................................... 8
BIBLIOGRAFIA .................................................................................................................................................................. 9

pág. 2
 INTRODUCCION
Uno de los objetivos de la estadística es saber acerca del comportamiento de parámetros
poblacionales tales como: la media, la varianza o la proporción. Se extrae una muestra aleatoria
de la población y se calcula el valor de un estadístico correspondiente, por ejemplo, la media
muestral, la varianza muestral o la proporción muestral. El valor del estadístico es aleatorio
porque depende de los elementos elegidos en la muestra seleccionada. y, por lo tanto, el
estadístico tiene una distribución de probabilidad la cual es llamada la Distribución Muestral del
Estadístico.

Los métodos de muestreo probabilístico son aquellos que se basan en el principio de

equiprobabilidad. Es decir, aquellos en los que todos los elementos del universo tienen la misma
probabilidad de ser elegidos para formar parte de la muestra. El método de muestreo
probabilístico te ofrece la mejor oportunidad de crear una muestra representativa de la población.

pág. 3
 DISTRIBUCIONES MUESTRALES

1. MUESTREO ALEATORIO

1.1. POBLACIÓN Y PARÁMETROS

Población. Se denomina población o universo a la totalidad de personas u objetos que

tienen una o más características medibles o contables de naturaleza cualitativa o
cuantitativa.
Si la variable estadística a estudiar es una sola, cada elemento de la población puede
asociarse con una observación. En este sentido, se denomina población al conjunto de
valores posibles de la variable.
La distribución de la población es la distribución de la variable aleatoria por lo tanto la media
y la varianza de la variable aleatoria viene hacer la media y la varianza de la población.
Parámetros. Se denomina parámetros a las medidas descriptivas definidas en una
población. Los parámetros, denotados por letras griegas, son valores numéricos que
generalmente se desconocen. Por ejemplo:

1.2. MUESTRA ALEATORIA

Una muestra es un subconjunto de elementos seleccionados de la población. Cuyo objetivo
es que esta sea representativa de la población, las muestras aleatorias se las denomina
también muestras probabilísticas. No queda descartada las muestras no probabilísticas
que dependen del criterio de expertos.

Las muestras aleatorias son de cuatro tipos:

1.2.1. Muestra al azar simple: Es aquella cuyos elementos se seleccionan de la

población uno por uno con una oportunidad igual o independiente. Es un
experimento similar a la que se realiza en la extracción aleatoria de números en una
lotería.
1.2.2. Muestra al Azar Sistemática: Es aquella en la que sus elementos se eligen de la
población a intervalos uniformes a partir de un listado ordenado. Al elegir una

pág. 4
 muestra sistemática de 100 alumnos de la facultad de administración que tiene
3000 alumnos, K es = a 3000 / 100=30, el primero de la muestra se elige en forma
aleatoria, simple de los 30 primeros de la lista y los demás sistemáticamente cada
30 alumnos de la lista.

1.2.3. Muestra Aleatoria Estratificado: es un diseño de muestreo probabilístico en el

que dividimos a la población en subgrupos o estratos. La estratificación puede
basarse en una amplia variedad de atributos o características de la población como
edad, género, nivel socioeconómico, ocupación, etc.

1.2.4. Muestra Aleatoria por Conglomerados: En el muestreo por conglomerados la

unidad muestral ya no son los individuos, sino un conjunto de individuos que bajo
determinados aspectos, se considera que forman una unidad. El diseño muestral
por lo tanto se articula a partir de la identificación de conglomerados de manera que
en pequeña escala, cada conglomerado es una representación del universo.
Persigue, al contrario que el estratificado, heterogeneidad dentro de los estratos y
homogeneidad entre estratos. Los conglomerados pueden ser demarcaciones
territoriales de interés tales como barrios, distritos, municipios viviendas, etc.

1.3. DISTRIBUCIONES MUESTRALES

Se denomina distribución muestral de una estadística a una distribución de
probabilidad. El objetivo es construir distribuciones de probabilidad de las
estadísticas más importantes. Y luego aplicar estas para hallar áreas o
probabilidades cuando son conocidos sus parámetros.

1.3.1. Distribución Muestral de la Media :

Cada muestra de tamaño n que podemos extraer de una población proporciona una
media. Si consideramos cada una de estas medias como valores de una variable
aleatoria podemos estudiar su distribución que llamaremos distribución muestral
de medias.

 Si tenemos una población normal N(m,s) y extraemos de ella muestras de

tamaño n, la distribución muestral de medias sigue también una distribución
normal

pág. 5
  Si la población no sigue una distribución normal pero n>30, aplicando el
llamado Teorema central del límite la distribución muestral de medias se
aproxima también a la normal anterior.

1.3.2. Distribución Muestral de la Proporción:

En numerosas ocasiones se plantea estimar una proporción o porcentaje. En estos

casos la variable aleatoria toma solamente dos valores diferentes (éxito o fracaso).

Z= área de distribución normal

p=probabilidad deseada

P=probabilidad del éxito

n=tamaño de la muestra

1.3.3. Distribución Muestral de la Varianza:

Es fundamental para el correcto entendimiento de la inferencia estadística.

Una distribución de la población es la distribución de la totalidad de las medidas

individuales de una población, en tanto que una distribución muestral es la
distribución de los valores individuales incluidos en una muestra.

Se debe tener en cuenta su uso, para ciertos casos donde conlleva como principio
valorar o estimas diferentes actividades como: las desigualdades en ingresos,
rentas y los riesgos en las inversiones; tratándose de una variable aleatoria, contara
con media y varianza.

Si se extraen todas las muestras posibles de una población normal y cada muestra
se le calcula su varianza, se obtendrá la distribución muestral de las varianzas.

Propiedades:

 Los valores de X2 son mayores o iguales que 0

pág. 6
 La forma de la distribución X2 depende del gl=n-1 siendo estos los grados de
libertad
 El área bajo una curva ji. Cuadrada y sobre el eje horizontal es 1
 Las distribuciones X2 son asimétricas, tienen una pendiente positiva
 Cuando n>2, la media de una distribución X2 es n-1 y la varianza es 2(n.1)
 La varianza muestral es una variable aleatoria

El cálculo de probabilidad en una distribución muestral de varianzas nos sirve para

saber cómo se va a comportar la varianza o desviación estándar en una muestra
que proviene de una distribución normal.

En ella encontramos la siguiente FÓRMULA

n: Tamaño de la muestra
s2: Varianza Muestral
o2: Varianza de la población de donde se extrajo la muestra

pág. 7
CONCLUSIONES

Analizando el estimador de la media muestral se concluye que para las

distribuciones continuas y discretas los dos métodos de estimación trabajados

proporcionan las mismas medidas descriptivas con una precisión de tres dígitos

como lo son: la media, la varianza, el error promedio de estimación, coeficiente de

kurtosis, coeficiente de asimetría, mínimo y máximo valor observados de los

estimadores, límite superior e inferior de los intervalos de confianza al 95% para la

media poblacional, longitud promedio de los intervalos de confianza y sesgo de

estimación, sin embargo para tamaños muestrales menores a 30 la longitud

promedio de los intervalos de confianza es menor al utilizar el método de estimación

Jacknife frente al método convencional de estimación para la media poblacional.

pág. 8
BIBLIOGRAFIA
1. Lind, Mason y Marchal (2000), Estadística para Administración y Economía – 3era
edición.
2. CORDOVA ZAMORA M. (2003), ESTADISTICA DESCRIPTIVA E INFERENCIAL,
Quinta Edición, Editorial Librería MOSHERA S.R.L – LIMA -PERU.
3. Miller y Freund (2001) PROBABILIDAD Y ESTADISTICA PARA INGENIEROS,
Editorial Prentice Hall

pág. 9