Universidad Autónoma de Madrid 1

Muestreo Tema 1

1. Muestreo

2. Muestreo aleatorio

3. Tipos de muestreo aleatorio

3.1. Muestreo aleatorio sin reposición

3.2. Muestreo aleatorio con reposición

(muestreo aleatorio simple)

3.3. Muestreo aleatorio en población infinita

(muestreo aleatorio simple)

4. Distribución muestral

4.1. Distribución muestral de la media

4.2. Distribución muestral de la proporción

Análisis de Datos en Psicología II Tema 1

 Universidad Autónoma de Madrid 2

1. Muestreo

Población

Parámetros (fijos)
µ: media
σ2 : varianza
π : probabilidad

Muestreo Inferencia:
Estimación
Contraste

Muestra

Estadísticos (variables o aleatorios)

X : media
Sn2 : varianza
P : proporción

Análisis de Datos en Psicología II Tema 1

Universidad Autónoma de Madrid 3

Muestreo: Proceso de obtención de una

muestra procedente de una población

Muestreo aleatorio: Todos los elementos

de la población tienen la misma
probabilidad de aparecer en la muestra. Se
denomina muestra aleatoria

Ejemplo.
Población:

Persona Edad
A 1
B 2
C 3

N =3
1+ 2 + 3
µ= =2
3
12 + 2 2 + 3 2
σ =
2
− 2 2 = 0,67
3

Análisis de Datos en Psicología II Tema 1

Universidad Autónoma de Madrid 4

3. Tipos de muestreo aleatorio

3.1. Muestreo aleatorio sin reposición

Los elementos no son devueltos a la
población. Sólo pueden aparecer una vez
en la muestra.

Número de muestras V N!
N ,n =
posibles: ( N − n )!
Ejemplo
Población: N=3.
Elementos = (1, 2, 3) µ = 2, σ 2 = 0,67
N! 3!
Muestras con n = 2 V N ,n = = =6
( N − n )! 1!

Muestra X1 X2 X Sn2 Prob.

1 1 2 1,5 0,25 1/6
2 1 3 2,0 1 1/6
3 2 1 1,5 0,25 1/6
4 2 3 2,5 0,25 1/6
5 3 1 2,0 1 1/6
6 3 2 2,5 0,25 1/6
Análisis de Datos en Psicología II Tema 1
Universidad Autónoma de Madrid 5

3.2. Muestreo aleatorio con reposición

Los elementos son devueltos a la

población.

Pueden aparecer más de una vez en la

muestra.

Muestreo aleatorio simple (muestreo

aleatorio)

Número de muestras posibles:

V Nn = N n

Análisis de Datos en Psicología II Tema 1

Universidad Autónoma de Madrid 6

Ejemplo
µ=2
Población: N = 3 σ 2 = 0,67

Muestras: n = 2

Elementos = (1, 2, 3)

N n = 32 = 9

Muestra X1 X2 X Sn2 Prob.

1 1 1 1 0 1/9
2 1 2 1,5 0,25 1/9
3 1 3 2 1 1/9
4 2 1 1,5 0,25 1/9
5 2 2 2 0 1/9
6 2 3 2,5 0,25 1/9
7 3 1 2 1 1/9
8 3 2 2,5 0,25 1/9
9 3 3 3 0 1/9

Análisis de Datos en Psicología II Tema 1

Universidad Autónoma de Madrid 7

3. 3. Muestreo aleatorio en población

infinita

• Se asume que la población tiene

infinitos elementos.

• El número de posibles muestras es

infinito.

• Muestreo aleatorio simple:

1. Con reposición.

2. En población infinita.

Análisis de Datos en Psicología II Tema 1

Universidad Autónoma de Madrid 8

4. Distribución muestral

Distribución de un estadístico en todas las

posibles muestras de tamaño n que es
posible extraer de una población
Ejemplo. Muestreo sin reposición
Muestra X1 X2 X Sn2 Prob.
1 1 2 1,5 0.25 1/6
2 1 3 2,0 1 1/6
3 2 1 1,5 0,25 1/6
4 2 3 2,5 0,25 1/6
5 3 1 2,0 1 1/6
6 3 2 2,5 0,25 1/6
X f (X) 2 2 2
E ( X ) = 1,5 +2 + 2,5 =2
1,5 2/6 6 6 6
2 2/6 Var ( X ) = 0,166
2,5 2/6

Sn2 f ( Sn2 ) E ( S n2 ) = 0,5

0,25 4/6 Var ( S n2 ) = 0,125
1 2/6
Análisis de Datos en Psicología II Tema 1
Universidad Autónoma de Madrid 9

4.1. Distribución muestral de la media

Se asume muestreo aleatorio simple

Sea X una variable con E ( X )= µ σ

y X
2
= σ 2
.
Se cumple que:

E( X ) = µ
σ2
σ X2 =
n
Además:
Si X es normal o si
n es grande (aún no siendo X normal)

X es normal ( µ , σ / n)

Por tanto

X −µ
Z=
σ/ n
X es normal (0,1)
Análisis de Datos en Psicología II Tema 1
Universidad Autónoma de Madrid 10

Distribución muestral de la media con σ2

desconocida

En caso de que se desconozca σ2 puede

calcularse:

X −µ
T =
Sn / n − 1
X −µ
=
S n −1 / n

Cuya distribución es t con n-1 grados de

libertad

Análisis de Datos en Psicología II Tema 1

Universidad Autónoma de Madrid 11

Ejemplo

La variable ‘edad de la clase’ tiene µ=20 y

σ2=2. Asumiendo que X es normal:

a) Tomamos todas las posibles muestras

de n=4 y calculamos X . Obtener E(X ) y
σ X2

b) Obtener la probabilidad de encontrar un

sujeto con X > 22

c) Obtener la probabilidad de encontrar una

muestra con X > 22

Análisis de Datos en Psicología II Tema 1

Universidad Autónoma de Madrid 12

a)

E ( X ) = µ = 20
σ2 2
σ 2
X = = = 0,5
n 4

b)

X −µ 22 − 20
Z= = = 1,41
σ 2

P ( X > 22 ) = P ( Z > 1, 41 ) = 0 , 0793

c)

X − µ 22 − 20
Z= = = 2,83
σ/ n 2/ 4

P ( X > 22 ) = P ( Z > 2 ,83 ) = 0 , 0023

Análisis de Datos en Psicología II Tema 1

Universidad Autónoma de Madrid 13

4.2. Distribución muestral de la proporción

n variables dicotómicas: X1, X2, ..., Xn

E (Xi) = π
Var (Xi) = π (1− π )

Ejemplo. El 20% de los pasajeros de un

avión tienen fobia. Si se toma un pasajero
al azar:
E (Xi) = π = 0,2
Var (Xi) = π (1− π ) = 0,2 (0,8) = 0,16
n

Suma:
X = X1 + L + X n = ∑X
i =1
i

Proporción: P = X / n
Ejemplo. Si hay tres pasajeros, uno con
fobia y dos que no:
X = X1 + X 2 + X 3 = 1
X 1
P= = = 0,33
n 3

Análisis de Datos en Psicología II Tema 1

Universidad Autónoma de Madrid 14

El valor esperado y varianza de X y P son:

E ( X ) = nπ E (P ) = π
π (1 − π )
σ X2 = nπ (1 − π ) σP =
2

Ejemplo. Entre tres pasajeros, cabe esperar

que tengan fobia:

E ( X ) = nπ = 3(0,2) = 0,6
σ X2 = nπ (1 − π ) = 3(0,2)0,8 = 0,48

Proporción con fobia:

E ( P ) = π = 0,2
π (1 − π ) 0,2(0,8)
σP =
2
= = 0,05
n 3

Análisis de Datos en Psicología II Tema 1

Universidad Autónoma de Madrid 15

Muestras pequeñas: X es binomial (n, π)

Muestras grandes (n>25):

X es normal (nπ, nπ (1 − π ) )
P es normal (π, π (1 − π ) / n )
X − nπ
Z =
nπ (1 − π )
P −π
=
π (1 − π ) / n
Es normal (0, 1)

Ejemplo. La probabilidad de que haya más

de 30 con fobia en un avión de 100
pasajeros es:
X − nπ 30 − 100(0,2)
Z= = = 2,5
nπ (1 − π ) 100(0,2)0,8

P (Z ≥ 2,5) = 0,0062

Análisis de Datos en Psicología II Tema 1

 Universidad Autónoma de Madrid 16

0,60

Binomial (3, 0,2)

0,50

0,40 E (X) = nπ
= 3(0,2)
f (x)

0,30
= 0,6
Var(X) = nπ(1-π)
0,20

0,10 = 3(0,2)0,8
0,00
= 0,48
0 1 2 3
X

0,20

Binomial (30, 0,2)

0,15

E (X) = nπ
= 30(0,2)
f (x)

0,10
=6
0,05 Var(X) = nπ(1-π)
= 30(0,2)0,8
0,00 = 4,8
0 5 10 15 20 25 30

Análisis de Datos en Psicología II Tema 1

Universidad Autónoma de Madrid 17

Ejemplo

Un sujeto responde al azar un examen de

5 preguntas, cada una con 5 alternativas.

a) Obtener n y π.

b) Obtener E (X1) y σ2X1

c) Obtener E (X), σ2X, E (P) y σ2P

d) Obtener P (X ≤ 3)

e) Obtener P (P > 0,4)

Análisis de Datos en Psicología II Tema 1

Universidad Autónoma de Madrid 18

a)

n=5
π = 1/5 = 0,2

b)

E (X1) = π = 0,2
σ2X1 = π (1-π) = 0,2(0,8) = 0,16

c)

E (X) = nπ = 5(0,2) = 1
σ2X = nπ(1−π) = 5(0,2)0,8 = 0,8

E (P) = π = 0,2
σ2P = π (1−π)/n = 0,2(0,8) / 5 = 0,023

Análisis de Datos en Psicología II Tema 1

Universidad Autónoma de Madrid 19

d) Binomial (5, 0,2), P (X ≤ 3) = 0,993

X − nπ 3 −1
Z= = = 2,24
nπ (1 − π ) 0,8

P (X ≤ 3) = P (Z ≤ 2,24) = 0,9875

e)

P = X / n; 0,4 = X / 5; X = 2

Binomial (5, 0,2),

P (X > 2) = 1 - P (X ≤ 2) = 1 - 0,942 = 0,058

P −π 0,4 − 0,2
Z= = = 1,32
π (1 − π ) / n 0,023

P (P > 0,4) = P (Z > 1,32) = 0,0934

Análisis de Datos en Psicología II Tema 1

Universidad Autónoma de Madrid 20

Formulario del tema 1

Muestreo aleatorio sin reposición:
N!
V N ,n =
( N − n )!
Muestreo aleatorio con reposición:
V Nn = N n

Distribución muestral de la media:

X −µ
Z=
σ/ n
Z ~ Normal (0, 1)

X −µ
T =
Sn / n − 1
X −µ
=
S n −1 / n
T ~ tn-1
Análisis de Datos en Psicología II Tema 1
Universidad Autónoma de Madrid 21

Distribución muestral de la proporción:

X − nπ
Z =
nπ (1 − π )
P −π
=
π (1 − π ) / n

Análisis de Datos en Psicología II Tema 1

Universidad Autónoma de Madrid 22

Ejercicios recomendados del libro

1.1
1.2
1.3
1.4
1.5
1.9
1.15
1.16

Análisis de Datos en Psicología II Tema 1