Distribuciones Muestrales2010 Ok

Universidad Nacional Autónoma de México
Facultad de Estudios Superiores Cuautitlán
DISTRIBUCIONES MUESTRALES
La inferencia estadística estudia los métodos para poder obtener

información acerca de una población a partir del estudio de una
muestra. Sus métodos y procedimientos son inductivos, es decir,
generan el conocimiento transitando de lo particular a lo general.
¿Qué se entiende por población?
Una población es el conjunto de todos los elementos que estamos

estudiando, acerca de los cuales deseamos obtener información.
¿Cómo se puede obtener información acerca de alguna

característica de la población?
Evaluando la característica en todos y cada uno

de los elementos de la población. Por ejemplo,
si deseas conocer el promedio de calificaciones
de los estudiantes de la licenciatura en
Administración en una determinada Facultad,
deberás acudir a la Sección Escolar y solicitar
los registros de calificaciones de todos y cada
uno de los estudiantes inscritos en esta carrera.
Con los datos obtenidos es fácil obtener el
promedio de todos los estudiantes.
¿Con qué nombre se conoce al procedimiento descrito

anteriormente?
El estudio de la característica objetivo en todos y cada uno de los

elementos de la población, se conoce como Censo.
He oído que el censo presenta algunos inconvenientes,

¿cuáles son éstos?
El estudio de cada elemento representa un costo. La medición de alguna

característica de la población, puede ser desde un proceso muy sencillo
hasta uno muy sofisticado.
Distribuciones Muestrales http://www.cuautitlan.unam.mx

Por ejemplo, medir la estatura de los estudiantes

es un proceso trivial, en cambio auditar un proceso
contable, requiere de una preparación
especializada; entonces el querer revisar todos y
cada uno de los elementos que conforman ese
proceso contable, requerirá contratar tanto
personal capacitado como sea necesario y por lo
tanto la auditoría resultará muy costosa.
Además, si la población está conformada por

muchos elementos o si el proceso de medida es lento, el censo resultará
muy tardado.
Ahora bien, si el proceso de medida es destructivo, es imposible realizar

el censo, ya que cada medición implica la destrucción o la eliminación
del elemento de la población donde se está midiendo la característica de
interés. Supón que trabajas en el departamento de Calidad de una
fábrica de cerillos y que para asegurarte que los cerillos “prenden”,
decides realizar un censo, es decir, prender todos y cada uno de los
cerillos; al final aunque tu producción haya sido muy buena, ya no
tienes cerillos que vender.
En resumen, los inconvenientes del censo son: el costo, lo tardado y que

es imposible llevarlo a cabo cuando la prueba es destructiva.
Entonces, ¿qué procedimiento alternativo al censo, se puede

utilizar?
El procedimiento alternativo al censo se conoce como muestreo;

consiste en seleccionar mediante algún procedimiento, algunos
elementos de la población y estudiar en ellos la característica objetivo.
Estos elementos seleccionados de la población conforman lo que se
denomina muestra.
A partir del siguiente problema, ¿qué elementos importantes

podemos distinguir?
Un editor de un diario a nivel nacional está interesado en conocer la

opinión que tienen los lectores, acerca de cómo aborda el periódico las
noticias sobre la criminalidad en el país.

Con este propósito, selecciona una muestra

de 100 personas que leen habitualmente el
diario y les pide que contesten una
encuesta. Con los datos obtenidos, el editor
tomará la decisión de mantener o modificar
la línea editorial.
Los elementos que podemos distinguir son

los siguientes:
Población: Son todos los lectores del diario en el país.
Muestra: Son las 100 personas encuestadas.
Inferencia estadística: son los métodos empleados que le permiten al

editor hacer o realizar afirmaciones acerca de la población, a partir del
estudio de las 100 encuestas, lo cual le permitirá poder tomar una
decisión.
¿Qué tipos de procedimientos se utilizan para seleccionar una

muestra de la población?
Las muestras se seleccionan utilizando alguna técnica o diseño de

muestreo. Las técnicas de muestreo utilizadas son: muestreo aleatorio
simple o irrestricto, muestreo estratificado, muestreo por
conglomerados, muestreo sistemático.
¿En qué consiste el muestreo aleatorio irrestricto o aleatorio

simple?
Un muestreo aleatorio simple, es aquel en el cual

cada individuo o elemento de una población tiene la
misma probabilidad de ser seleccionado. Además,
cada muestra de un tamaño n, tiene la misma
probabilidad de ser elegida que cualquier otra
muestra del mismo tamaño. El muestreo aleatorio
simple es la técnica de muestreo aleatorio más elemental y constituye la
base de las otras técnicas.

¿Cómo se puede seleccionar una muestra aleatoria simple o

irrestricta?
El procedimiento consiste en numerar a los elementos de la

población y luego por sorteo, ir seleccionando los elementos
que conforman la muestra. Es decir, cada elemento tendrá un
número y en una urna se depositarán boletos, bolas, canicas,
etc. con cada número; se revuelven en la urna o en el medio
que las contenga, por ejemplo, la lotería nacional usa
tambores giratorios, y se van extrayendo tantos boletos,
bolas, canicas, etc. como sean necesarios hasta conformar la muestra
deseada. Con el fin de sustituir este procedimiento laborioso, se pueden
usar las tablas de números aleatorios.
¿Qué son las tablas de números aleatorios?
Las tablas de números aleatorios son tablas de

dígitos generados por computadora. Su
aleatoriedad está probada estadísticamente; son
dígitos aleatorios porque la probabilidad de
ocurrencia es la misma para cada uno de ellos.
¿Cómo se utilizan las tablas de números

aleatorios para seleccionar una muestra?
Primero se debe numerar a los elementos de la

población, utilizando el número de dígitos adecuados. Por ejemplo, si
quieres obtener una muestra de una población de 135 sucursales
bancarias, para realizar un estudio de la calidad en el servicio, deberás
numerar a las sucursales del 000 al 134.
Enseguida eliges un punto de partida en la tabla; el punto de partida es

totalmente arbitrario, es decir, el que tú decidas. Puedes desplazarte en
cualquier dirección, de arriba hacia abajo, de abajo hacia arriba, de
izquierda a derecha, de derecha a izquierda, en diagonal ascendente y
en diagonal descendente, con la única limitación de que una vez que
seleccionas una dirección, debes usar ésta. Hoy en día, las calculadoras
de bolsillo y software especializado generan números aleatorios.
Siempre he escuchado que hay que obtener una muestra que sea
representativa de la población; ¿las muestras obtenidas mediante un
muestreo aleatorio simple son representativas de la población?

Si la población está conformada por diferentes grupos y se desea que

todos los grupos estén representados en la muestra, el muestreo
aleatorio simple no garantiza que la muestra sea representativa de la
población, ya que el mismo procedimiento aleatorio de obtener la
muestra puede excluir a un grupo sobre todo si la muestra es pequeña.
Supón que la población son los estudiantes de

una Facultad y quieres obtener una muestra
para darte una idea del peso promedio de toda
esa población. Planteado así, si puedes decir que
una muestra aleatoria representa a la población.
Pero si a los estudiantes se les clasifica en
diferentes grupos o estratos: obesos, gordos,
peso normal y flacos, y lo que deseas es obtener
una muestra que represente a estos grupos, una muestra aleatoria
simple no lo asegura. Supón que los estudiantes obesos son muy pocos,
es muy probable que una muestra dada no incluya a ninguno de ellos.
Entonces, ¿cómo puedo estar seguro, en el caso de que la población

esté clasificada en grupos, que todos éstos queden representados en la
muestra?
Utilizando un muestreo estratificado.
¿En qué consiste el muestreo estratificado?
La población se divide de acuerdo a la característica

objetivo, en grupos mutuamente excluyentes
conocidos como estratos; los elementos de la
población dentro de cada estrato deben ser lo más
homogéneo posible y los estratos deben ser muy
bien diferenciados; una vez obtenidos los estratos
se selecciona una muestra aleatoria simple de cada
uno de ellos.
En el ejemplo del estudio del peso de los

estudiantes, la población se divide en obesos,
gordos, peso normal y flacos; cada uno de estos
grupos es un estrato perfectamente bien diferenciado, y los estudiantes
dentro de cada estrato, son homogéneos con respecto a la característica
del peso

¿En qué consiste el muestreo por conglomerados?
La población se divide en grupos

mutuamente excluyentes llamados
conglomerados; la diferencia con los
estratos, es que no se dividen de acuerdo
a la característica objetivo, lo que implica
que tampoco los elementos dentro de cada
conglomerado deben ser homogéneos.
Una vez obtenidos los conglomerados, se
selecciona aleatoriamente una muestra de
ellos y luego se selecciona una muestra
aleatoria de cada uno de ellos.
Por ejemplo, supón que deseas realizar un estudio de opinión sobre la

preferencia electoral, y la población la divides de acuerdo a la división
política del territorio nacional, es decir, cada conglomerado es un estado
de la república. Observa que los habitantes en edad de votar en cada
estado no son homogéneos con respecto a su preferencia electoral, que
es la característica objetivo. Debes seleccionar en forma aleatoria
algunos estados y luego obtener una muestra aleatoria de ciudadanos
de cada uno de los estados elegidos. Algunas veces, a este tipo de
muestreo se le conoce con el nombre de muestreo geográfico.
¿En qué consiste el muestreo sistemático?
El muestreo sistemático genera lo que se conoce como muestras

aleatorias sistemáticas. Para seleccionar una muestra sistemática al
azar, debes numerar los elementos de la población de 1 a n y
determinar lo que se conoce como
intervalo de muestreo, k= N/n.
Seleccionas aleatoriamente un punto de
inicio y luego eliges cada k-ésimo
elemento de la población.
Supón que se tiene la oportunidad de

otorgar 10 préstamos hipotecarios con
condiciones blandas a los empleados de
una compañía; el problema es el de
siempre, sólo se cuenta con 10
préstamos y se tienen 140 empleados
deseosos de obtener un préstamo.

Piensas que para otorgar los préstamos, es adecuado seleccionar una

muestra sistemática. Para tal efecto, elaboras una lista alfabética con los
nombres de los 140 empleados, numerados del 1 al 140; el intervalo de
muestreo será k=140/10=14; primero seleccionas aleatoriamente un
empleado de los 14 primeros, por ejemplo el número 8; enseguida
seleccionas a los 9 empleados restantes cada intervalo de muestreo, es
decir, cada 14 elementos, lo que daría el otorgamiento de los préstamos
a los empleados listados con los siguientes números: 8, 22, 36, 50, 64,
78, 92, 106, 120 y 134.
¿Cómo se pueden describir las poblaciones y las muestras?
Tanto las poblaciones como las muestras se pueden describir mediante

valores numéricos. Las medidas descriptivas más importantes son las
de tendencia central y variabilidad. Las medidas descriptivas que se
refieren a la población se conocen como parámetros y las que se
refieren a la muestra como estadísticos. Es muy importante también la
forma de la distribución, como una representación descriptiva sobre
todo de las poblaciones.
¿Cuál es la diferencia entre un parámetro y un estadístico?
En el ejemplo de la opinión sobre la criminalidad de los lectores del

diario, supón que la encuesta la calificas de 0 a 10 puntos. Si conocieras
la opinión de todos los lectores, es
decir, de toda la población, podrías
calcular el promedio de la calificación.
Nota que si ya tienes las calificaciones
de todas las encuestas, y calculas el
promedio una segunda vez, una
tercera vez, etc. obtienes el mismo
resultado. Luego el valor del
promedio de la población es un valor
fijo. A los descriptores de la población
que son valores fijos les llamamos
parámetros.

El editor obtuvo una muestra de 100 personas y con las calificaciones de

las encuestas puede calcular la media de esta muestra. Ahora bien, el
editor le pide al jefe de redacción seleccionar una segunda muestra de
100 personas, seguramente éstas no serán las mismas personas que las
que el editor seleccionó, luego el promedio de calificaciones será
diferente. Si realizamos muestreo repetitivo, es decir muchas muestras
de tamaño 100, cada muestra generará algunas medias diferentes,
otras iguales, pero no tomarán un valor fijo. En contraste, con las
medidas descriptivas calculadas con los valores de una población, las
medidas a partir de una muestra son variables y se les conoce como
estadísticos o estimadores.
Los estadísticos son variables aleatorias y por lo tanto tienen

distribución de probabilidad.
¿Cómo se puede obtener la distribución de probabilidad de un

estadístico?
Si se realiza un muestreo repetitivo y se obtiene la distribución de

frecuencias relativas para un estadístico en particular, esta será una
buena aproximación de la distribución de probabilidad del estadístico.
¿A que se conoce como distribución de muestreo o muestral

de un estadístico?
Se conoce como distribución de muestreo o muestral de un estadístico,

a su distribución de probabilidad
Si nos dan el valor de una media, ¿cómo podemos saber si se

refiere a la media de la población o a la media de la muestra?
Convencionalmente se utilizan letras griegas para referirse a los

parámetros y letras latinas para los estadísticos.
Medida descriptiva Población Muestra

Media aritmética
Varianza
Desviación estándar
Proporción
Tabla 1. Parámetros y Estadísticos

Si suponemos una población que consiste en los números 1,

2, 3 y 4, ¿cómo se puede obtener la distribución muestral de
la media?
Como se conoce la población, es conveniente describir su distribución

para después compararla con la distribución muestral.
En la tabla 2, se muestra cada valor de la población asociado a su

correspondiente valor de probabilidad. En este caso cada valor 1, 2, 3 y
4 ocurren una sola vez, es decir, su probabilidad es igual a 1/4.
xi P ( xi )
1 ¼
2 ¼
3 ¼
4 ¼
∑ P(x ) = i 1.0
Tabla 2. Valores de probabilidad para cada valor de la población
En la figura 1, se muestra la gráfica de la distribución de probabilidad

para la población; observa que es una distribución uniforme
Figura 1. Gráfica de distribución de probabilidad para la población

La media de la población es igual a:
y la varianza de la población viene dada por:
y por tanto, su desviación estándar es:
Ahora obtengamos la distribución muestral del estadístico seleccionado,

es decir de la media de la muestra . Para obtener la distribución
muestral de definamos un tamaño de muestra, por ejemplo, y
obtengamos todas las muestras posibles con reposición.
En la tabla3, se resumen las muestras posibles y sus correspondientes

medias, Los números entre paréntesis indican la probabilidad para
cada valor de la población y el número subrayado indica la media, de
cada muestra
1 (0.25) 2 (0.25) 3 (0.25) 4 (0.25)

1 (0.25) 1.0 1.5 2.0 2.5
2(0.25) 1.5 2.0 2.5 3.0
3(0.25) 2.0 2.5 3.0 3.5
4(0.25) 2.5 3.0 3.5 4.0
Tabla 3. Cada valor de la población asociada a su probabilidad
En la tabla4, se resume el valor de las con sus correspondientes

probabilidades.

1.0 1 0.0625
1.5 2 0.1250
2.0 3 0.1875
2.5 4 0.2500
3.0 3 0.1875
3.5 2 0.1250
4.0 1 0.0625
Tabla 4. Resumen del valor de las medias con sus probabilidades
En la figura 2, se muestra la gráfica de cada valor de y su

correspondiente valor de probabilidad. Observa que la distribución
muestral de es normal en contraste con la distribución de la población
que era uniforme.
Figura 2. Grafica de cada valor de y su probabilidad
La media de esta distribución, es decir, la media de las medias, , la

calculamos como sigue:

o bien
Observa que el valor de
La varianza de la distribución de las , se calcula como sigue:
o bien:
Observa que este valor es igual a la varianza de la población dividida

entre el tamaño de la muestra

Nota que el tamaño de la muestra es , ya que cada muestra que

generó una fue de este tamaño. No confundas el tamaño de la
muestra con el número de muestras que en nuestro caso son 16.
La desviación estándar de la distribución muestral de la media, la cual

se conoce como error estándar, es igual a:
y es igual .
La distribución muestral de las , obtenida mediante este procedimiento,

se conoce como distribución empírica.
¿Se pueden generalizar los resultados obtenidos en el anterior

ejemplo o sólo fue un caso especial?
Si, si se pueden generalizar los resultados del ejemplo anterior; son

consecuencia del teorema del límite central.
¿Que establece el teorema del límite central?
El enunciado del teorema del límite central es el siguiente:
Dada una población con una media finita y una varianza finita, la
distribución muestral de , obtenida a partir de muestras de tamaño
de dicha población, será aproximadamente normal con media y
varianza .
Las consecuencias más importantes de este teorema son las siguientes:
1. Cualquiera que sea la forma de la distribución de la población, la

distribución muestral de se aproxima a una distribución normal,
cuando es suficientemente grande.
2. La media de la distribución muestral de será siempre igual a la

media de la población.

3. La varianza de la distribución de las es igual a , siempre y

cuando se realice muestreo con reemplazo de una población finita
o con o sin reemplazo de una población infinita.
4. Cuando se muestrea sin reemplazo una población finita La

varianza de la distribución de las es igual a
5. La varianza de la distribución muestral disminuye cuando el

tamaño de la muestra aumenta y siempre será menor de la
varianza de la población
Se mencionó que la distribución muestral se aproxima a una

distribución normal cuando es suficientemente grande, ¿a
partir de que tamaño se considera que una muestra es
suficientemente grande?
No existe una respuesta exacta debido a que el tamaño de la muestra

que permita que la distribución muestral de , se aproxime a una
distribución normal depende de la condición de no normalidad de la
población. Sin embargo, para la mayoría de las situaciones prácticas una
muestra de 30 o más observaciones se considera suficiente. Lo que no
se debe de perder de vista es que la aproximación de la distribución
muestral de a una normal es mejor si aumenta el tamaño de la
muestra.
¿Sí la población estuviera distribuida normalmente, la

distribución muestral de se aproximaría a una distribución
normal con tamaños de muestra menores?
Cuando la población se distribuye normalmente, la distribución muestral

de las será exactamente normal sea cual sea el tamaño de la muestra.
Cuando se muestrea una población finita sin reemplazo, se multiplicó a

la varianza de la distribución muestral por un factor igual a ¿siempre
se tiene que usar este factor o en algunos casos se puede omitir?

Al factor , se le conoce como factor de corrección por población finita

y se le puede omitir cuando la población es mucho mayor que la
muestra. Por ejemplo, si el tamaño de la población es de un
1,000,000 y el tamaño de la muestra , entonces el factor de
corrección es:
En este caso, el factor de corrección por población finita es

aproximadamente igual a 1 y se puede omitir sin ningún remordimiento
de conciencia. En general, esta corrección se omite cuando
En general, ¿cómo se obtiene una distribución muestral?
Las distribuciones muestrales pueden construirse empíricamente

mediante muestreo de poblaciones finitas y discretas de la siguiente
manera: de una población finita se seleccionan aleatoriamente todas las
muestras posibles de un tamaño determinado; para cada muestra se
calcula el estadístico de interés y por último se grafican los distintos
valores que toma el estadístico contra su frecuencia relativa.
¿Se puede elaborar la distribución muestral para la proporción

de éxitos en una muestra?
La distribución muestral para la proporción de éxitos en una muestra se

genera a partir de la distribución binomial.
Una población binomial es cualquier conjunto de elementos donde cada

uno se puede clasificar como un éxito o un fracaso.
El tamaño de la población, es decir el número de elementos, se

representa con . En la población hay éxitos y – fracasos y la
proporción de éxitos en la población, que se representa con la letra ,
es igual a .

Para muestras de tamaño con reemplazo de una población finita,

representa el número de éxitos en cada muestra. Como se puede
observar el número de éxitos cambiara de muestra en muestra, por lo
que es una variable aleatoria
La proporción de éxitos en la muestra es el estadístico de interés.
Supongamos que el 60% de los estudiantes de tu

facultad usan el Ipod. Entonces el experimento
aleatorio consiste en preguntarle a cada estudiante
si usa o no usa el Ipod.
Con el fin de elaborar la distribución muestral de la

proporción de estudiantes que usan Ipod, definamos
el éxito:
La probabilidad de que un estudiante use el IPOD en la población, es

decir la probabilidad de que suceda un éxito es:
y la probabilidad de que un estudiante no use el IPOD en la población

es:
Ahora se define a la variable aleatoria como:
Elaboremos la distribución muestral de , seleccionando muestras

aleatorias de tamaño
Entonces las posibilidades son: que ninguno de los dos estudiantes

entrevistados en cada muestra use el gadget o uno lo use o los dos lo
usen.

Es decir:
Sí queremos calcular la probabilidad de que los

dos estudiantes seleccionados usen el IPOD,
tenemos:
Suponiendo independencia:
La selección de las muestras de dos estudiantes se esquematizan en la

tabla 5; las probabilidades de obtener cada muestra, es decir las
probabilidades de cada celda, se calculan simplemente multiplicando la
probabilidad del renglón por la probabilidad de la columna
correspondiente.
1er estudiante seleccionado

No. de 0 1
éxitos (0.4) (0.6)
0 (0.4) 0.16 0.24

2 estudiante
seleccionado
1 (0.6) 0.24 0.36
Tabla 5. Selección de muestras de 2 estudiantes
En la tabla 6, se muestran los valores que puede tomar la variable , la

proporción de personas que usan el Ipod en la muestra, es decir
y la probabilidad asociada con ellos. En la figura 3 se puede observar su
gráfica.

0 0/2 = 0 0.16
1 ½ = 0.5 0.24 + 0.24 = 0.48
2 2/2 = 1.0 0.36
Tabla 6. Valores de la variable x
Figura 3. Distribución muestral para la variable x
La media de las proporciones en esta distribución se calcula como sigue:
Como se puede observar la media de la distribución muestral de es

igual a la proporción poblacional .
La varianza de las proporciones muestrales se calcula como sigue:

La varianza de la distribución muestral , también es igual a:
Si las muestras fueran de tamaño mayor a 2, ¿también se puede

obtener la distribución muestral empíricamente?
Si, veamos el procedimiento para , el cual puede generalizarse

para cualquier tamaño de muestra.
En este caso las posibilidades son: que ninguno de los tres estudiantes
entrevistados en cada muestra use el gadget o uno lo use o dos lo usen
o tres lo usen, es decir:
Entonces la selección de las muestras de tres estudiantes, se

esquematizan en la tabla 7, de la siguiente manera: En las columnas
anotamos los resultados obtenidos anteriormente que se muestran en
la tabla 8 y que se refieren a las probabilidades para los resultados
posibles en la selección de dos estudiantes, en la figura 4 se muestra la
gráfica de la distribución. En los renglones anotamos al tercer estudiante
seleccionado que solo puede contestar usa o no usa.
Los 2 primeros estudiantes

seleccionados
No de 0 1 2
éxitos (0.16) (0.48) (0.36)
3er. 0 (0.4) 0.064 0.192 0.144

estudiante
seleccionado 1 (0.6) 0.096 0.288 0.216
Tabla 7. Selección de muestras de 3 estudiantes

Si queremos calcular la probabilidad de que ninguno de los tres

estudiantes seleccionados usen el IPOD, tenemos:
Suponiendo independencia:
En general, las probabilidades de las celdas se obtienen simplemente

multiplicando la probabilidad del renglón por la probabilidad de la
columna correspondiente
0 0/3 =0 0.0624
1 1/3 = 0.333 0.288
2 2/3 = 0.666 0.432
3 3/3 =1 0.216
Tabla 8. Resultados de las probabilidades de x
Figura 4. Gráfica cuando n=3

La media de las proporciones en esta distribución sigue siendo:
Observa que nuevamente la media de la distribución muestral de p, es

igual a la proporción poblacional .
La varianza de las proporciones muestrales es igual a:
La varianza de la distribución muestral , sigue siendo igual a:
Observa que la varianza de la distribución muestral se redujo de 0.12 a

0.08 al aumentar el tamaño de la muestra de

Distribuciones Muestrales2010 Ok

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Distribuciones Muestrales2010 Ok

Cargado por

Copyright:

Formatos disponibles

Universidad Nacional Autónoma de México

Facultad de Estudios Superiores Cuautitlán

La inferencia estadística estudia los métodos para poder obtener

¿Qué se entiende por población?

Una población es el conjunto de todos los elementos que estamos

¿Cómo se puede obtener información acerca de alguna

Evaluando la característica en todos y cada uno

¿Con qué nombre se conoce al procedimiento descrito

El estudio de la característica objetivo en todos y cada uno de los

He oído que el censo presenta algunos inconvenientes,

El estudio de cada elemento representa un costo. La medición de alguna

Distribuciones Muestrales http://www.cuautitlan.unam.mx

Por ejemplo, medir la estatura de los estudiantes

Además, si la población está conformada por

Ahora bien, si el proceso de medida es destructivo, es imposible realizar

En resumen, los inconvenientes del censo son: el costo, lo tardado y que

Entonces, ¿qué procedimiento alternativo al censo, se puede

El procedimiento alternativo al censo se conoce como muestreo;

A partir del siguiente problema, ¿qué elementos importantes

Un editor de un diario a nivel nacional está interesado en conocer la

Distribuciones Muestrales http://www.cuautitlan.unam.mx

Con este propósito, selecciona una muestra

Los elementos que podemos distinguir son

Población: Son todos los lectores del diario en el país.

Muestra: Son las 100 personas encuestadas.

Inferencia estadística: son los métodos empleados que le permiten al

¿Qué tipos de procedimientos se utilizan para seleccionar una

Las muestras se seleccionan utilizando alguna técnica o diseño de

¿En qué consiste el muestreo aleatorio irrestricto o aleatorio

Un muestreo aleatorio simple, es aquel en el cual

Distribuciones Muestrales http://www.cuautitlan.unam.mx

¿Cómo se puede seleccionar una muestra aleatoria simple o

El procedimiento consiste en numerar a los elementos de la

¿Qué son las tablas de números aleatorios?

Las tablas de números aleatorios son tablas de

¿Cómo se utilizan las tablas de números

Primero se debe numerar a los elementos de la

Enseguida eliges un punto de partida en la tabla; el punto de partida es

Distribuciones Muestrales http://www.cuautitlan.unam.mx

Si la población está conformada por diferentes grupos y se desea que

Supón que la población son los estudiantes de

Entonces, ¿cómo puedo estar seguro, en el caso de que la población

Utilizando un muestreo estratificado.

¿En qué consiste el muestreo estratificado?

La población se divide de acuerdo a la característica

En el ejemplo del estudio del peso de los

Distribuciones Muestrales http://www.cuautitlan.unam.mx

¿En qué consiste el muestreo por conglomerados?

La población se divide en grupos

Por ejemplo, supón que deseas realizar un estudio de opinión sobre la

¿En qué consiste el muestreo sistemático?

El muestreo sistemático genera lo que se conoce como muestras

Supón que se tiene la oportunidad de

Distribuciones Muestrales http://www.cuautitlan.unam.mx

Piensas que para otorgar los préstamos, es adecuado seleccionar una

¿Cómo se pueden describir las poblaciones y las muestras?

Tanto las poblaciones como las muestras se pueden describir mediante

¿Cuál es la diferencia entre un parámetro y un estadístico?

En el ejemplo de la opinión sobre la criminalidad de los lectores del

Distribuciones Muestrales http://www.cuautitlan.unam.mx

El editor obtuvo una muestra de 100 personas y con las calificaciones de

Los estadísticos son variables aleatorias y por lo tanto tienen

¿Cómo se puede obtener la distribución de probabilidad de un

Si se realiza un muestreo repetitivo y se obtiene la distribución de