Estadística inferencial: tipos de muestreo

ESTADÌSTICA INFERENCIAL CONTADURÍA PÚBLICA
Concepto de Muestreo
Se denomina muestreo al procedimiento mediante el cual se selecciona un conjunto de
elementos de la población, partir de este conjunto de elementos, inferir el valor de una o
varias características de la población.
Los errores más comunes que se pueden cometer son:

1.- Hacer conclusiones muy generales a partir de la observación de sólo una parte de la
Población, se denomina error de muestreo.
2.- Hacer conclusiones hacia una Población mucho más grandes de la que originalmente se
tomó la muestra.
Error de Inferencia. En la estadística se usa la palabra población para referirse no sólo a
personas sino a todos los elementos que han sido escogidos para su estudio y el término
muestra se usa para describir una porción escogida de la población.
TIPOS DE MUESTREO
Existen diferentes criterios de clasificación de los diferentes tipos de muestreo, aunque en
general pueden dividirse en dos grandes grupos: métodos de muestreo probabilísticos y
métodos de muestreo no probabilísticos.
Muestreo probabilístico
Los métodos de muestreo probabilísticos son aquellos que se basan en el principio de
equiprobabilidad. Es decir, aquellos en los que todos los individuos tienen la misma
probabilidad de ser elegidos para formar parte de una muestra y, consiguientemente, todas
las posibles muestras de tamaño n tienen la misma probabilidad de ser seleccionadas. Sólo
estos métodos de muestreo probabilísticos nos aseguran la representatividad de la muestra
extraída y son, por tanto, los más recomendables. Dentro de los métodos de muestreo
probabilísticos encontramos los siguientes tipos:
Profesora: Aura Esmir Navarro Carrascal

Lic. En Matemática y Computación
Esp. En Informática
Esp. En Docencia
Tus talentos y habilidades irán mejorando con el tiempo, pero para eso has de
empezar (Martin Luther King)
1.- Muestreo aleatorio simple:

El procedimiento empleado es el siguiente:
1) se asigna un número a cada individuo de la población
2) a través de algún medio mecánico (bolas dentro de una bolsa, tablas de números aleatorios,
números aleatorios generadas con una calculadora u ordenador, etc.) se eligen tantos sujetos
como sea necesario para completar el tamaño de muestra requerido. Este procedimiento,
atractivo por su simpleza, tiene poca o nula utilidad práctica cuando la población que estamos
manejando es muy grande.
2.- Muestreo aleatorio sistemático:
Este procedimiento exige, como el anterior, numerar todos los elementos de la población,
pero en lugar de extraer n números aleatorios sólo se extrae uno. Se parte de ese número
aleatorio i, que es un número elegido al azar, y los elementos que integran la muestra son los
que ocupa los lugares i, i+k, i+2k, i+3k,...,i+(n-1)k, es decir se toman los individuos de k en
k, siendo k el resultado de dividir el tamaño de la población entre el tamaño de la muestra:
k= N/n. El número i que empleamos como punto de partida será un número al azar entre 1 y
k. El riesgo este tipo de muestreo está en los casos en que se dan periodicidades en la
población ya que al elegir a los miembros de la muestra con una periodicidad constante (k)
podemos introducir una homogeneidad que no se da en la población. Imaginemos que
estamos seleccionando una muestra sobre listas de 10 individuos en los que los 5 primeros
son varones y los 5 últimos mujeres, si empleamos un muestreo aleatorio sistemático con
k=10 siempre seleccionaríamos o sólo hombres o sólo mujeres, no podría haber una
representación de los dos sexos.
3.- Muestreo aleatorio estratificado:
Trata de obviar las dificultades que presentan los anteriores ya que simplifican los procesos
y suelen reducir el error muestral para un tamaño dado de la muestra. Consiste en considerar
categorías típicas diferentes entre sí (estratos) que poseen gran homogeneidad respecto a
alguna característica (se puede estratificar, por ejemplo, según la profesión, el municipio de
residencia, el sexo, el estado civil, etc.). Lo que se pretende con este tipo de muestreo es
asegurarse de que todos los estratos de interés estarán representados adecuadamente en la
muestra. Cada estrato funciona independientemente, pudiendo aplicarse dentro de ellos el
muestreo aleatorio simple o el estratificado para elegir los elementos concretos que formarán
Esp. En Docencia
parte de la muestra. En ocasiones las dificultades que plantean son demasiado grandes, pues
exige un conocimiento detallado de la población. (Tamaño geográfico, sexos, edades,...).
La distribución de la muestra en función de los diferentes estratos se denomina afijación, y
puede ser de diferentes tipos:
Afijación Simple: A cada estrato le corresponde igual número de elementos muéstrales.
Afijación Proporcional: La distribución se hace de acuerdo con el peso (tamaño) de la
población en cada estrato.
Afijación Óptima: Se tiene en cuenta la previsible dispersión de los resultados, de modo que
se considera la proporción y la desviación típica. Tiene poca aplicación ya que no se suele
conocer la desviación.
4.- Muestreo aleatorio por conglomerados:

Los métodos presentados hasta ahora están pensados para seleccionar directamente los
elementos de la población, es decir, que las unidades muéstrales son los elementos de la
población.
En el muestreo por conglomerados la unidad muestral es un grupo de elementos de la

población que forman una unidad, a la que llamamos conglomerado. Las unidades
hospitalarias, los departamentos universitarios, una caja de determinado producto, etc., son
conglomerados naturales. En otras ocasiones se pueden utilizar conglomerados no naturales
como, por ejemplo, las urnas electorales. Cuando los conglomerados son áreas geográficas
suele hablarse de "muestreo por áreas".
El muestreo por conglomerados consiste en seleccionar aleatoriamente un cierto número de

conglomerados (el necesario para alcanzar el tamaño muestral establecido) y en investigar
después todos los elementos pertenecientes a los conglomerados elegidos.
II. Métodos de muestreo no probabilísticos.

A veces, para estudios exploratorios, el muestreo probabilístico resulta excesivamente
costoso y se acude a métodos no probabilísticos, aun siendo conscientes de que no sirven
para realizar generalizaciones (estimaciones inferenciales sobre la población), pues no se
tiene certeza de que la muestra extraída sea representativa, ya que no todos los sujetos de la
población tienen la misma
Esp. En Docencia
Probabilidad de ser elegidos. En general se seleccionan a los sujetos siguiendo determinados
criterios procurando, en la medida de lo posible, que la muestra sea representativa.
En algunas circunstancias los métodos estadísticos y epidemiológicos permiten resolver los

problemas de representatividad aun en situaciones de muestreo no probabilístico, por ejemplo
los estudios de caso-control, donde los casos no son seleccionados aleatoriamente de la
población.
Entre los métodos de muestreo no probabilísticos más utilizados en investigación
encontramos:
1.- Muestreo por cuotas:

También denominado en ocasiones "accidental". Se asienta generalmente sobre la base de un
buen conocimiento de los estratos de la población y/o de los individuos más "representativos"
o "adecuados" para los fines de la investigación. Mantiene, por tanto, semejanzas con el
muestreo aleatorio estratificado, pero no tiene el carácter de aleatoriedad de aquél.
En este tipo de muestreo se fijan unas "cuotas" que consisten en un número de individuos
que reúnen unas determinadas condiciones, por ejemplo: 20 individuos de 25 a 40 años, de
sexo femenino y residentes en Gijón. Una vez determinada la cuota se eligen los primeros
que se encuentren que cumplan esas características. Este método se utiliza mucho en las
encuestas de opinión.
2.- Muestreo intencional o de conveniencia:

Este tipo de muestreo se caracteriza por un esfuerzo deliberado de obtener muestras
"representativas" mediante la inclusión en la muestra de grupos supuestamente típicos. Es
muy frecuente su utilización en sondeos preelectorales de zonas que en anteriores votaciones
han marcado tendencias de voto.
También puede ser que el investigador seleccione directa e intencionadamente los individuos
de la población. El caso más frecuente de este procedimiento el utilizar como muestra los
individuos a los que se tiene fácil acceso (los profesores de universidad emplean con mucha
frecuencia a sus propios alumnos).

Esp. En Docencia
3.- Bola de nieve:
Se localiza a algunos individuos, los cuales conducen a otros, y estos a otros, y así hasta
conseguir una muestra suficiente. Este tipo se emplea muy frecuentemente cuando se hacen
estudios con poblaciones "marginales", delincuentes, sectas, determinados tipos de enfermos,
etc.
4.- Muestreo Discrecional ·

A criterio del investigador los elementos son elegidos sobre lo que él cree que pueden aportar
al estudio.

Esp. En Docencia
Ventajas e inconvenientes de los distintos tipos de muestreo probabilístico

Esp. En Docencia
Determinación del tamaño de la muestra (M.A.S)

a) Grado de confianza.
Un investigador por lo general trabaja con el 95% o 95.5% el valor Z=1.96 y Z=2.00.
El lector puede comprobar otro valores de Z. en algunos casos son utilizados
P = 68.26% => Z=1.00 P = 99.0% => Z=2.57

P = 86.64% => Z=1.50 P = 99.7% => Z=3.00
P = 90.0% => Z=1.64 P = 95.5% => Z=2.00

Esp. En Docencia
b) Grado de variabilidad.
Esta dado por la varianza. Entre más variabilidad presente la característica principal,
que tiene que ver con el objetivo de la investigación, mayor será el tamaño de la
muestra, necesario para que represente a la población. Es importante también calcular
el coeficiente de variabilidad para determinar el método a escoger entre M.A.S y el
M.A.E. la característica d a estudiar puede ser cualitativa o cuantitativa.
∑𝑋 2 −𝑁𝑋̅ 2 ∑𝑋 2 𝑛1 −𝑁𝑋̅ 2
𝜎2 = 𝑆2 = O 𝜎2 = 𝑆2 =
𝑁−1 𝑁−1
En caso de que la característica sea cualitativa o atributo, se tendrá que la varianza será igual
a:
𝜎𝑝2 = 𝑆𝑃2 = 𝑃𝑄
Donde P es la proporción de elementos que presentan la característica investigada de la

𝐴𝑖
población, siendo 𝑃 = ∑ .
𝑁
c) Error de muestra.
Simbolizado por e, o E al igual que el nivel de confianza es determinado por el
investigador, teniendo en consideración que a mayor error menor será el tamaño y al
contrario, a menor error mayor será el tamaño de la muestra.
El error y la deviación típica deben estar dadas en las mismas unidades es decir, si la
variable se mide en kilos, la varianza y el error deben referirse en kilos.

Esp. En Docencia
Ejemplo: Si nos referimos al peso promedio de los estudiantes de la UFPSO, se puede
establecer un error de 2 kilos, si el promedio de la población es de 50 kilos obtenidos en la
encuesta. Determina el error de muestreo, nivel de C. 95%
1 − 𝜎 = 0.95 P = 50
𝜎 = 1 − 0.95 E=𝜎∗𝑃
𝜎 = 0.05 E = (0.05) (50)
𝜎 = 5% E = 2.5 Kilos
1-Método de muestra aleatorio.

Formula en poblaciones infinitas.
𝑍2 𝑆𝑥2 𝑍2 𝑃𝑄
𝑛= Variables 𝑛= Atributos.
𝐸2 𝐸2
Ejemplos:
1) Una cooperativa financiera, localizada en una ciudad intermedia, desea determinar
qué proporción de sus ahorradores le pagan su sueldo en forma quincenal. En estudio
similar se ha encontrado que la proporción es del 72%. Si se establece que debe haber
una estimación correcta con aproximación de ± 6% de la proporción verdadera y una
confianza del 90%, ¿Qué tamaño de la muestra se necesita, suponiendo que la
población es infinita o demasiado grande?
𝑍 2 𝑃𝑄
𝑛=
𝐸2
72
Z=1.645 𝑃= = 0,72 𝑄 =1−𝑃
100
(1,645)2(0,72)(1−0,72)
𝑛= = 151 Ahorrador
(0,06)2

Esp. En Docencia
1) En un Colegio, el departamento de bienestar desea estimar el peso promedio de sus

estudiantes, el error debe ser más o menos 3 libras y una confianza del 95% ¿Cuál
debe ser el tamaño de la muestra, bajo el supuesto de que no se conoce el tamaño de
la población y además se estima que la desviación típica es de 11 libras?
𝑍 2 𝑆𝑥2
𝑛= 2
𝐸
Z = 1,96 S = 11 E=3
(1,96)2 (11)2
𝑛= => 𝑛 = 51,65 => 𝑛 ≃ 52 Estudiantes
(3)2
2- Poblaciones finitas.
Se pueden aplicar cualquiera de las siguientes fórmulas para (Variables o Atributos) y sus
resultados serán exactamente iguales, en cada caso:
𝑆2 𝑃𝑄
𝑛= 𝐸 2 𝑆2
Variables 𝑛= 𝐸 2 𝑃𝑄
Atributo
( 𝑍) + 𝑁 ( 𝑍) + 𝑁
También se puede emplear:
𝑍2𝑆2𝑁 𝑍 2 𝑃𝑄
𝑛= Variable 𝑛= Atributo
𝑁𝐸 2 +𝑍 2 𝑆 2 𝑁𝐸 2 +𝑍2 𝑃𝑄
Otra forma de calcular el tamaño de óptimo puede ser, para ambos casos:
𝑛𝑜 𝑍2 𝑆 2 𝑍2 𝑃𝑄
𝑛= 𝑛𝑜 𝑠𝑖𝑒𝑛𝑑𝑜 → 𝑛𝑜 = 𝐸 2 𝑉𝑎𝑟𝑖𝑎𝑏𝑙𝑒 ó 𝑛𝑜 = 𝐴𝑡𝑟𝑖𝑏𝑢𝑡𝑜
1+ 𝐸2
𝑁

Esp. En Docencia
𝑛𝑜 = Se denomina primera aproximación, ya que el investigador puede trabajar con este
resultado en vez de n, resultante de aplicar la formula completamente.
4) suponga que en el ejercicio (1), se conoce el número de ahorradores siendo 1200 en la

actualidad. Aplicamos las diferentes fórmulas.
151,5374 0,72∗0,28
𝑛= 151,5374 𝑛= 0,06 2 0,72∗0,38
1+ 1200 (1,645) + 1200
𝑛 = 134,5477 𝑛 = 134,5466
𝑛 = 134 Ahorradores 𝑛 = 134 Ahorradores

1,6452 ∗0,72(0,28)∗12000
𝑛= = 𝑛 = 134 Ahorradores
1200(0,06)2+1,6452 (0,72)(0,28)
5) Ahora supongamos en el segundo ejercicio, correspondiendo a una variable, sabiendo que

el número de estudiantes es de 800. Calcular el valor de n con las formulas mencionadas.
𝑛𝑜 𝑍2 𝑆2 𝑍 2 𝑃𝑄
𝑛= 𝑛 𝑠𝑖𝑒𝑛𝑑𝑜 → 𝑛𝑜 = 𝑉𝑎𝑟𝑖𝑎𝑏𝑙𝑒 ó 𝑛𝑜 = 𝐴𝑡𝑟𝑖𝑏𝑢𝑡𝑜
1+ 𝑁𝑜 𝐸2 𝐸2
Z = 1,96 S = 11 Libras
E = 3 Libras
N = 800
(1,96)2 (11)2
𝑛𝑜 =
(3)2
3,8416 ∗ 121 464,8336
𝑛𝑜 = → 𝑛𝑜 =
9 9
𝑛𝑜 = 51,64817778
Esp. En Docencia
Luego tenemos
𝑛𝑜 51,64817778 51,64817778
- 𝑛= 𝑛 → 𝑛= 51,64817778 → 𝑛=
1+ 𝑜 1+ 1+0,064560222
𝑁 800
51,64817778
𝑛= → 𝑛 = 48,52 → 𝑛 ≃ 49 Estudiantes.
1.064560222
𝑍 2 ∗𝑁∗𝑆 2 (1,96)2 ∗800∗(11)2

- 𝑛= →𝑛= → 𝑛 = 49 Estudiantes.
𝑁𝐸 2 +1,962 (𝑆)2 800∗(3)2 +(1,96)2 (11)2
𝑆2 (11)2 121
- 𝑛= 𝐸 2 𝑆2
→𝑛= 3 2 (11)2
→𝑛= 9 = 48,5159
( ) + ( ) + +0,15125
𝑍 𝑁 1,96 800 (1,96)2
𝑛 ≃ 49 Estudiantes
Se puede calcular el tamaño de la muestra con cualquiera de las formulas dadas.
Muestreo Aleatorio Estratificado (M.A.E)

El tamaño de la muestra requerido para los métodos de asignación igual y asignación
proporcional, se puede calcular aplicando la misma fórmula para los dos métodos.
2
∑𝑊𝑛 𝑆𝑛 ∑𝑊𝑛 𝑃𝑛 𝑄𝑛
𝑛𝑜 = 𝐸2
Variable, 𝑛𝑜 = 𝐸2
Atributo
𝑍2 𝑍2
𝑛𝑜
Siendo 𝑛= 𝑛
1+ 𝑁𝑜

Esp. En Docencia
Ejemplo: supongamos la siguiente información, correspondiente a los salarios de 3.200
empleados en un sector industrial. La población fue dividida en tres estratos, de acuerdo con
el nivel salarial. La información obtenida mediante una encuesta preliminar es:
INFORMACIÓN POBLACIONAL SALARIOS (Miles de $)

N = 3.200 𝑊1 = 0,52 = 52% 𝑋̅1 = 246,0 𝑆12 = 289,7
𝑁1 = 1.664 𝑊2 = 0,30 = 30% 𝑋̅2 = 323,5 𝑆22 = 465,8
𝑁2 = 960 𝑊3 = 0,18 = 18% 𝑋̅3 = 576,4 𝑆32 = 502,5
𝑁3 = 576
𝑋̅𝑠𝑡 = ∑𝑊𝑛𝑋̅𝑛 => 𝑋̅𝑠𝑡 = 𝑊1 𝑋̅1 + 𝑊2 𝑋̅2 + 𝑊3 𝑋̅3

𝑋̅𝑠𝑡 = 0,52(246,0) + (0,30)(323,5) + (0,18)(576,4)
𝑋̅𝑠𝑡 = 328,72
𝑁1 = 𝑁𝑊1 = 3200(0,52) = 1.664
𝑁2 = 𝑁𝑊2 = 3200(0,30) = 960
𝑁3 = 𝑁𝑊3 = 3200(0,18) = 576
∑ = 3200
Se considera el error en un 2% y la confianza del 95,5%
𝐸 = 0,02(328,72)
𝐸 = 6,57
𝐸 = (%) ∗ 𝑋̅𝑠𝑡

Esp. En Docencia
∑𝑊𝑛 𝑃𝑛 𝑄𝑛 0,52(289,7) + 0,3(465,8) + 0,18(502,5)
𝑛𝑜 = → 𝑛𝑜 =
𝐸2 (6,57)2
𝑍2 (1,96)2
𝑛𝑜 = 33.89836 ≃ 34
𝑛𝑜 35
𝑛= 𝑛 = 35 = 34,621 ≃ 35 Empleados
1+ 𝑜 1+3200
𝑁
Los tamaños muéstrales en cada una de las asignaciones, se obtendrán así:
a) Asignación igual.
L = Número de estratos
𝑛1 = 12
𝑛 35
𝑛𝑛 = = = 11,666 ≃ 12 𝑛2 = 12} 𝑛 = 36 Empleados
𝐿 3
𝑛3 = 12
b) Asignación proporcional.
𝑛𝑛 = 𝑛(𝑊𝑛 )
𝑛1 = 36(0,52) = 18,72 ≃ 19 Empleados
𝑛2 = 36(0,3) = 10.8 ≃ 11 Empleados
𝑛3 = 36(0,18) = 6,48 ≃ 7 Empleados
𝑛 = 37 Empleados
En el muestreo estratificado también se puede calcular el tamaño de la muestra

directamente para cada uno de los estratos.
En estos casos aplicamos el método de NEYMAN:
𝑛𝑜 𝑛 𝑊𝑛 𝑆𝑛2 𝑊𝑛 𝑃𝑛 𝑄𝑛
𝑛𝑛 = 𝑛𝑜 𝑛𝑜 𝑛 = 𝑉𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑛𝑜 𝑛 = 𝐴𝑡𝑟𝑖𝑏𝑢𝑡𝑜
1+ 𝑛 (𝐸 ÷ 𝑍)2 (𝐸 ÷ 𝑍)2
𝑁

Esp. En Docencia
Utilizando la información del ejercicio anterior, se tendrá:
0,52(289,7)
((0,02)(246))2
𝑛1 = = 24 Empleados
22
0,3(465,6)
((0,02)(323,5))2
𝑛1 = = 13 Empleados
22
0,18(502,5)
((0,02)(576,4))2
𝑛1 = = 2,7387 ≃ 3 Empleados
22
Total de empleados 40
APLICACIONES
Muestreo Aleatorio Simple:

Supongamos que el investigador determina que el tamaño de la encuesta preliminar será 3%
del tamaño poblacional. Este porcentaje es arbitrario, lo fija el investigador dependiendo del
tamaño poblacional y de los recursos disponibles: dinero y tiempo.
Determinado el tamaño 𝑛𝑝𝑟𝑒𝑙𝑖𝑚𝑖𝑛𝑎𝑟 = 0,03(320) = 10, seleccionamos diez familias dentro

del total de las 320. La selección de las unidades se va hacer sin reposición, por el método
sistemático; luego, en las otras selecciones, aplicáremos otros métodos para que el estudiante
se familiarice.
En la selección sistemática, determinamos primero el valor del intervalo de la selección.
1 1 𝑁
𝑁 = 320 𝐼 = ( ) = 𝑛 => 𝐼 =
𝑓 ( ) 𝑛
𝑁
320
𝐼= => 𝐼 = 32 Familias
10

Esp. En Docencia
RESULTADOS DE LA ENCUESTA PRELIMINAR – M.A.S
NUMERO INGRESO
GASTOS 𝐈𝐍𝐆𝐑𝐄𝐒𝐎 𝟐
NUMERO SEMANAL COMPRA ( 𝑴𝑬𝑵𝑺𝑼𝑨𝑳 )
DE MENSUAL
SISTEMATICO EN LECHE DIARIA (𝑴𝑰𝑳𝑬𝑺 $)
ORDEN (Miles $)𝑿𝟏
𝒀𝟏 𝑿𝟐
1 005 320 7.500 NO 102400
2 037 270 11.000 SI 72900
3 069 285 9.200 SI 81225
4 101 310 15.000 SI 96100
5 133 300 9.200 NO 90000
6 165 286 6.200 NO 81796
7 197 319 12.500 SI 101761
8 229 316 15.600 SI 99856
9 269 320 18.700 SI 102400
10 293 336 22.000 SI 112896
∑Total 1498 3062 126.900 941334
Media y varianza calculada para la característica, ingreso (miles $)

3063 ∑𝑋12 −𝑁𝑋 −2
𝑋̅ = = 306,2 = $ 306200,00 𝑆2 =
10 𝑁−1
𝑆 2 = [941.334 − 10(306,2)] ÷ (10 − 1) = 416,62

Desviación estándar 𝑆 = √416,62 = 20,41127
Error estándar 𝐸 = 0,04; nivel de confianza de 95%
𝐸 = (%) ∗ 𝑋̅𝑠𝑡
𝐸 = 0,04(306,2)
𝐸 = 12,25

Esp. En Docencia
2 2 2
𝑁∗𝑍 ∗𝑆 320 ∗ 1,96 ∗ 416,62
𝑛= 2 2 2
=> 𝑛 = = 10,3214
𝑁∗𝐸 +𝑍 ∗𝑆 (320)(12,25)2 + 1,962 (416,62)
Coeficiente de variación
𝑆 20,41127
𝐶𝑉 = ̅ ∗ 100 => 𝐶𝑉 = ∗ 100 = 𝐶𝑣 = 6,67
𝑋 306,2
Bibliografía
http://www.estadistica.mat.uson.mx/Material/elmuestreo.pdf
Estadística
Autores: Guerra Bustillo, Caridad W.
ISBN: 9789592584211
Editorial: Editorial Félix Varela
Año de Edición: 2003
Estadística
Autores: Matus, R.
ISBN: 9781449225209, 9789709224054
Editorial: Instituto Politécnico Nacional
Estadística administrativa
Autores: Gabriel Ruiz Garzón - Juan Antonio García Ramos - Carmen D. Ramos González
ISBN: 9788498284614, 9788498280661
Editorial: Servicio de Publicaciones de la Universidad de Cádiz
CIRO MARTINEZ BENCARDINO, Estadística Básica Aplicada, Cuarta Edición.

Esp. En Docencia

Estadística inferencial: tipos de muestreo

Cargado por

Información del documento

Título original

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

Estadística inferencial: tipos de muestreo

Cargado por

Copyright:

Formatos disponibles

ESTADÌSTICA INFERENCIAL CONTADURÍA PÚBLICA

Los errores más comunes que se pueden cometer son:

Profesora: Aura Esmir Navarro Carrascal

1.- Muestreo aleatorio simple:

4.- Muestreo aleatorio por conglomerados:

En el muestreo por conglomerados la unidad muestral es un grupo de elementos de la

El muestreo por conglomerados consiste en seleccionar aleatoriamente un cierto número de

II. Métodos de muestreo no probabilísticos.

En algunas circunstancias los métodos estadísticos y epidemiológicos permiten resolver los

1.- Muestreo por cuotas:

2.- Muestreo intencional o de conveniencia:

Profesora: Aura Esmir Navarro Carrascal

4.- Muestreo Discrecional ·

Profesora: Aura Esmir Navarro Carrascal

Ventajas e inconvenientes de los distintos tipos de muestreo probabilístico

Profesora: Aura Esmir Navarro Carrascal

Determinación del tamaño de la muestra (M.A.S)

P = 68.26% => Z=1.00 P = 99.0% => Z=2.57

Profesora: Aura Esmir Navarro Carrascal

Donde P es la proporción de elementos que presentan la característica investigada de la

Profesora: Aura Esmir Navarro Carrascal

1-Método de muestra aleatorio.

Profesora: Aura Esmir Navarro Carrascal

1) En un Colegio, el departamento de bienestar desea estimar el peso promedio de sus

También se puede emplear:

Profesora: Aura Esmir Navarro Carrascal

4) suponga que en el ejercicio (1), se conoce el número de ahorradores siendo 1200 en la

𝑛 = 134 Ahorradores 𝑛 = 134 Ahorradores

5) Ahora supongamos en el segundo ejercicio, correspondiendo a una variable, sabiendo que

𝑍 2 ∗𝑁∗𝑆 2 (1,96)2 ∗800∗(11)2

Muestreo Aleatorio Estratificado (M.A.E)

Profesora: Aura Esmir Navarro Carrascal

INFORMACIÓN POBLACIONAL SALARIOS (Miles de $)

𝑋̅𝑠𝑡 = ∑𝑊𝑛𝑋̅𝑛 => 𝑋̅𝑠𝑡 = 𝑊1 𝑋̅1 + 𝑊2 𝑋̅2 + 𝑊3 𝑋̅3

𝑁1 = 𝑁𝑊1 = 3200(0,52) = 1.664

𝑁2 = 𝑁𝑊2 = 3200(0,30) = 960

𝑁3 = 𝑁𝑊3 = 3200(0,18) = 576

Profesora: Aura Esmir Navarro Carrascal

Los tamaños muéstrales en cada una de las asignaciones, se obtendrán así:

En el muestreo estratificado también se puede calcular el tamaño de la muestra

Profesora: Aura Esmir Navarro Carrascal

Muestreo Aleatorio Simple:

Determinado el tamaño 𝑛𝑝𝑟𝑒𝑙𝑖𝑚𝑖𝑛𝑎𝑟 = 0,03(320) = 10, seleccionamos diez familias dentro

En la selección sistemática, determinamos primero el valor del intervalo de la selección.

Profesora: Aura Esmir Navarro Carrascal

Media y varianza calculada para la característica, ingreso (miles $)

𝑆 2 = [941.334 − 10(306,2)] ÷ (10 − 1) = 416,62

Error estándar 𝐸 = 0,04; nivel de confianza de 95%

Profesora: Aura Esmir Navarro Carrascal

CIRO MARTINEZ BENCARDINO, Estadística Básica Aplicada, Cuarta Edición.

Profesora: Aura Esmir Navarro Carrascal

También podría gustarte