1-PROBABILIDAD Y CLASES DE PROBABILIDAD

La probabilidad mide la frecuencia con la que se obtiene un resultado (o

conjunto de resultados) al llevar a cabo un experimento aleatorio, del que se
conocen todos los resultados posibles, bajo condiciones suficientemente
estables. La teoría de la probabilidad se usa extensamente en áreas como la
estadística, la física, la matemática, la ciencia y la filosofía para sacar
conclusiones sobre la probabilidad de sucesos potenciales y la mecánica
subyacente de sistemas complejos
CLASES DE PROBABILIDAD
Probabilidad Clásica o a Priori Si un suceso puede ocurrir de N maneras
mutuamente excluyentes e igualmente probables, y m de ellas poseen una
característica A. Ejemplo 1: P(de que salga cara al tirar una moneda) Concepto
clásico de Probabilidad Una de las características de un experimento aleatorio
es que no se sabe qué resultado particular se obtendrá al realizarlo. Es decir, si
A es un suceso asociado con un experimento aleatorio, no podemos indicar
con certeza si A ocurrirá o no en una prueba en particular. Por lo tanto, puede
ser importante tratar de asociar un número al suceso A que mida la
probabilidad de que el suceso ocurra. Este número es el que llamaremos P(A).
2
Ejemplo 2: P(de que salga un varón al tomar 2 bebés y observar su sexo)
Probabilidad empírica o frecuencia • Esta teoría está estrechamente
relacionada con el punto de vista expresado por Aristóteles: “lo probable es
aquello que ocurre diariamente”. • Notamos a través de gran cantidad de
observaciones acumuladas con los diversos juegos de azar una forma general
de regularidad que permitió establecer una teoría. • Supongamos que
efectuamos una serie de n repeticiones del experimento E. Sea f el número de
repeticiones en las que se presenta el suceso A, de forma que en las restantes
n – f no se presentará. Obtendremos así una serie de frecuencias relativas para
n1, n2 …. Este número se llamará probabilidad del suceso A en relación con el
experimento aleatorio E.
Probabilidad subjetiva • Se refiere a la probabilidad de ocurrencia de un
suceso basado en la experiencia previa, la opinión personal o la intuición del
individuo. En este caso después de estudiar la información disponible, se
asigna un valor de probabilidad a los sucesos basado en el grado de creencia
de que el suceso pueda ocurrir. ¿ Cuál es la probabilidad de que haya vida en
Marte? ¡Analiza esta probabilidad!

2-EVENTO O SUCESO Y TIPOS D EVENTOO Y SUCESO

Un evento es el resultado posible o un grupo de resultados posibles de un
experimento y es la mínima unidad de análisis para efectos de cálculos
probabiliasticos
los eventos se clasifican de la siguiente forma:
Mutuamente excluyentes: aquellos que no pueden ocurrir al mismo
tiempo. EJEMPLO: cara o escudo.
Independientes: Estos no se ven afectados por otros
independientes. EJEMPLO: el color del zapato y la probabilidad que llueva hoy.
Dependientes: cuando un evento afecta a la probabilidad de ocurrencia de
otro. EJEMPLO: repaso, calificaciones.
No excluyentes entre si: cuando la ocurrencia de uno de ellos no impide que
ocurra el otro. EJEMPLO: que una persona sea doctor que tenga 56 años, ser
estudiante y ya estar casado.
Sucesos
Un suceso es una afirmación referente a los resultados de un experimento
aleatorio. Como veremos en los siguientes ejemplos, puede entenderse un
suceso como un subconjunto del espacio muestral, formado por los resultados
del experimento para los que el suceso es cierto.
Una vez realizado el experimento, de un suceso se dice que ocurre (se verifica)
o que no ocurre (no se verifica). Un suceso   ocurre cuando
el resultado del experimento, w, está en A.
Los sucesos se clasifican en

elementales ( , con un solo resultado)

compuestos (unión de varios elementales).

Se llama suceso seguro al que consta de todos los sucesos elementales,   

y suceso imposible al que no tiene ningún elemento del espacio muestral, se
denota por  . El suceso seguro ocurre siempre, y el suceso imposible no
ocurre nunca.

3-MUESTREO.CLASES Y CARACTERISTICAS DE CADA CLASE DE

MUESTREO.IMPORTANCIA DEL MUESTREO EN ESTADISTICA

MUESTREO.
El muestreo es una herramienta para determinar qué parte de una población
debemos analizar cuando no es posible realizar un censo. Depende de los
objetivos del estudio el elegir una muestra probabilística o no probabilística
Inicialmente, los muestreos se dividen en dos grandes grupos: 

-muestreo no probabilistico.
-muestreo probabilistico (Aleatorio)
MUESTREO PROBABILÍSTICO
Se basa en el principio de equiprobabilidad, esto quiere decir que todos los
individuos de la muestra seleccionada, tendrán las mismas probabilidades de
ser elegidos. Lo anterior nos asegura que la muestra extraída contará con
representatividad.
 Al azar simple
 Sistemática
 Estratificada
 Conglomerados
Características:
 No hay discreción del investigador.
 Los elementos se seleccionan por reglas mecánicas.
 Hay error muestral.
 Se conoce la probabilidad de inclusión.
MUESTREO NO PROBABILÍSTICO
No sirven para hacer generalizaciones pero sí para estudios exploratorios. En
este tipo de muestras, se eligen a los individuos utilizando diferentes criterios
relacionadas con las características de la investigación, no tienen la misma
probabilidad de ser seleccionados ya que el investigador suele determinar la
población objetivo.
 Por juicio u opinión.
 Por cuotas.
 De bola de nieve.
 De conveniencia.
Características:
 La muestra es discrecional
 Los elementos se seleccionan por facilidad conveniencia y no por reglas
fijas
 No hay error muestral o no se puede calcular
 No se conoce la posibilidad de inclusión

TIPOS DE MUSTREO
Muestreo aleatorio simple:

Este tipo de muestreo simple y en el se basan todos los demas.

Para obtener los elementos de la muestra se numeran los elementos de la
población y se selecciona al azar los elementos que debe contener la muestra.
todos los elementos tienen la misma probabilidad de ser elegidos.

Muestreo aleatorio sistemático:

Es una técnica presida a la anterior, pero, tras elegir un primer elemento al

azar, selecciona los demás a intervalos regulares, es decir sistematiza la
selección de elementos. 

Muestreo estratificado

Consiste en dividir la población total en clases homogeneas (estratos).

Cada estrato funciona independientemente,pudiendo aplicarse dentro de ellos
el muestreo aleatorio simple para elegir los elementos concretos que forman
parte de la muestra.
Muestreo por conglomerados

Es parecido al muestreo estratificado, con la diferencia que la población se

divide en grupos como homogéneos, como si fuera subpoblaciones dentro de
la población. 

Caracteristicas de los tipos de muestreo

Aleatorio Simple: Selecciona una muestra de tamaño n de una población de N

unidades, cada elemento tiene una probabilidad de conclusión igual y conocida
de n/N.

Estratificado: Se divide la población en ciertas ocasiones resultara

conveniente estratificar la muestra según ciertos variables de interés, para ello
debemos conocer la composición estratificada de la población objetivo a hacer
un muestreo.

Sistemático: Se elije a un individuo al azar y a partir de él, a intervalos

constantes, se elige a los demás hasta completar la muestra.

Conglomerados: Se realizan varias faces de muestreo sucesivas (poliepatico)

la necesidad de listado de las unidades de una etapa se limita a aquellas
unidades de muestreo seleccionadas en la etapa anterior.
El muestreo es de vital importancia ya que un muestreo de toda la población
puedes examinar y sacar conclusiones en base a una pequeña parte de la
población total, dando por sentado que los resultados obtenidos en la muestra
es de hecho representativa de toda la población, una ventaja muy grande es
que es mucho más sencillo trabajar con una pequeña parte de un todo

4-MUESTRA.COMO DETERMINAR EL TAMAÑO DE UNA MUESTRA

En estadística, una muestra es un subconjunto de casos o individuos de
una población. En diversas aplicaciones interesa que una muestra sea
una muestra representativa y para ello debe escogerse una técnica de muestra
adecuada que produzca una muestra aleatoria adecuada ( se obtiene
una muestra sesgada cuyo interés y utilidad es más limitado dependiendo del
grado de sesgo que presente).
Como un subgrupo o subconjunto representativo de la población, extraída
seleccionada por algún método de muestreo. La muestra siempre es una parte
de la población. Si se tienen varias poblaciones, entonces se tendrán varias
muestras. La muestra debe poseer toda la información deseada para tener la
posibilidad de extraerla, esto solo se puede lograr con una buena selección de
la muestra y un trabajo muy cuidadoso y de alta calidad en la recogida de
datos.
COMO DETERMINAR EL TAMAÑO DE UNA MUESTRA
Determinar el tamaño de la muestra que se va a seleccionar es un paso
importante en cualquier estudio de investigación de mercados, se debe
justificar convenientemente de acuerdo al planteamiento del problema, la
población, los objetivos y el propósito de la investigación.
¿De qué depende el tamaño muestral?
El tamaño muestral dependerá de decisiones estadísticas y no estadísticas,
pueden incluir por ejemplo la disponibilidad de los recursos, el presupuesto o el
equipo que estará en campo.
Antes de calcular el tamaño de la muestra necesitamos determinar varias
cosas:
Tamaño de la población. Una población es una colección bien definida de
objetos o individuos que tienen características similares. Hablamos de dos
tipos: población objetivo, que suele tiene diversas características y también es
conocida como la población teórica. La población accesible es la población
sobre la que los investigadores aplicaran sus conclusiones.
Margen de error (intervalo de confianza). El margen de error es una
estadística que expresa la cantidad de error de muestreo aleatorio en los
resultados de una encuesta, es decir, es la medida estadística del número de
veces de cada 100 que se espera que los resultados se encuentren dentro de
un rango específico.
Nivel de confianza. Son intervalos aleatorios que se usan para acotar un valor
con una determinada probabilidad alta. Por ejemplo, un intervalo de confianza
de 95% significa que los resultados de una acción probablemente cubrirán las
expectativas el 95% de las veces.
La desviación estándar. Es un índice numérico de la dispersión de un
conjunto de datos (o población). Mientras mayor es la desviación estándar,
mayor es la dispersión de la población.
5-FORMULA PARA DETERMNAR EL TAMAÑO DE UNA MUESTRA

CÁLCULO DEL TAMAÑO DE LA MUESTRA DESCONOCIENDO EL

TAMAÑO DE LA POBLACIÓN
La fórmula para calcular el tamaño de muestra cuando se desconoce el tamaño
de la población es la siguiente:

En donde

Z = nivel de confianza,

P = probabilidad de éxito, o proporción esperada

 
Q = probabilidad de fracaso 

D = precisión (error máximo admisible en términos de proporción)

CÁLCULO DEL TAMAÑO DE LA MUESTRA CONOCIENDO EL TAMAÑO DE
LA POBLACIÓN

La fórmula para calcular el tamaño de muestra cuando se conoce el tamaño de

la población es la siguiente:

En donde, N = tamaño de la población Z = nivel de confianza, P = probabilidad

de éxito, o proporción esperada Q = probabilidad de fracaso D = precisión
(Error máximo admisible en términos de proporción).
6-DE QUE DEPENDE EL TAMAÑO MUESTRAL
La elección del tamaño de la muestra depende de consideraciones no
estadísticas y estadísticas. Las consideraciones no estadísticas pueden incluir
la disponibilidad de los recursos, la mano de obra, el presupuesto, la ética y
el marco de muestreo. Las consideraciones estadísticas incluirán la precisión
deseada de la estimación de la prevalencia y la prevalencia esperada de los
problemas oculares en niños en edad escolar.
7-ELEMENTOS NECESARIOS PARA DETERMINAR EL TAMAÑO DE LA
MUESTRA
hay dos elementos fundamentales de una estimación que guardan una relación
inversa entre ellos: la precisión y la seguridad. Son dos objetivos altamente
deseables pero que se contraponen: a más precisión menos seguridad, a más
seguridad menos precisión. Ya lo hemos razonado suficientemente en la
estimación estadística. Sin embargo, hay un camino para incrementar la
precisión y la seguridad hasta el nivel que queramos: aumentar el tamaño de la
muestra. Conforme n se hace mayor, disminuye el error tipo y, por tanto,
también el error de precisión, generando un intervalo más estrecho, es decir,
más preciso, sin que ello haya requerido tocar el nivel de seguridad.
Por si no lo recuerdas, observa la fórmula que permite calcular el error de
precisión:
ep = Z seg σ / √n
La expresión, por un lado, permite observar que al aumentar la distancia
estandarizada (Z) que expresa la seguridad, aumenta también el error de
precisión, que amplía el intervalo. En otras palabras: a más seguridad, más
imprecisión. Pero si no queremos tocar la seguridad (Z permanece constante)
al mismo tiempo que deseamos
8-tabla de cálculo del tamaño de una muestra por niveles de confianza

9-EJERCICIOS MODELOS DEL CALCULO DEL TAMAÑO DE UNA

MUESTRA