Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Facilitador: Aspirante:
Ismerai Rodriguez Angela Peinado C.I: 23538570
Sección: “M3”
Fecha: 13/06
Introducción
La estadística es una disciplina cuyo objeto es la interpretación de conjuntos, de datos numéricos
que se extraen de hechos empíricos. Dicha interpretación se lleva a cabo por una serie de técnicas
que han sido desarrolladas específicamente para el tratamiento adecuado de los datos.
A continuación se van a señalar las nociones de muestreo, entre las cuales se definirán conceptos
de usos estadísticos que mas adelante seran de utilidad la poblacion y la muestra.La primera es el
conjunto de la partida del que se extrae el conjunto numérico de datos que se disponen, y esta
última, es un subconjunto de elementos que forman parte de la población.
Es por ello que el propósito de esta investigación es el posterior análisis de las características que
conlleva aplicar los métodos de estimación en las muestras de una población que se estudia.
2)-Población: Conjunto de todos los individuos que son objeto del estudio.
● De tendencia central.
● De dispersión.
5)-Inferencia estadística: La inferencia estadística es un tipo de razonamiento que procede de lo
concreto a lo general, intentando extraer conclusiones sobre los parámetros de una población a
partir de la información contenida en los estadísticos de una muestra de esa población.
7)-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 no tienen la misma probabilidad de ser seleccionado.
Procedimiento:
Ejemplo:
Para obtener una muestra de alumnos de una escuela para aplicarles una encuesta, lo primero que
se hace es enumerar a todo el alumnado. Se obtiene una lista de alumnos matriculados y se le
asigna un número a cada uno en el orden alfabético y ascendente.
Suponiendo que el total de alumnos es de 700 se utilizan los números 001, 002, 003,....700. Se
determina el tamaño de muestra, en este caso es de tamaño 75. Enseguida se utiliza una tabla de
números aleatorios formando números de tres dígitos aceptando como unidad de análisis muestra
a todos aquellos que estén comprendidos entre el 001 y el 700.
Procedimiento:
Ejemplo:
Cuando los elementos no están enumerados. Si se va a probar una muestra de 50 de una
población de 500 pelotas, K= 500/50, K=10. Ya que ninguna pelota tiene un número específico,
este intervalo de selección indica que cada 10 décimas de pelota que contemos se integrará a la
muestra. La primera muestra es la décima pelota que saquemos de una bolsa, la segunda muestra
es la vigésima, la tercera la trigésima y así de diez en diez hasta completar las 50 muestras que se
piden.
Cuando los elementos están numerados. Si la población se compone de una lista de cheques
prenumerados N=800 y se quiere extraer una muestra sistemática de n=40, se aplica la fórmula
𝑁 800
K= 𝑛
, k= 40
, K=20. De este intervalo selecciona un número aleatorio
entre uno 1 y 20, y se incluye cada vigésimo elemento tras la primera selección de la muestra.
Supongamos que el primer numero seleccionado es 8, sus selecciones subsiguientes son 28, 48,
68, 88, 108, 128, 148, 168, 188, 208,
208,228,248,268,288,308,328,248,268,388,408,428,448,468,488,508,528,548,568,588,608,628,6
48,668,688,708,728,748,768 y 788.
Procedimiento:
Los pasos para seleccionar una muestra proporcionalmente estratificada son:
1. Definir la población de estudio.
2. Determinar el tamaño de muestra requerido.
3. Establecer los estratos o subgrupos.
4. Determinar la frecuencia relativa del muestreo de cada estrato, dividiendo el tamaño del
estrato entre el tamaño de la población de estudio.
5. Multiplicar la frecuencia relativa del muestreo de cada estrato por el tamaño de la
muestra total, para obtener de cada estrato la cantidad de individuos que se integrarán a
dicha muestra.
6. Seleccionar y extraer de cada estrato la cantidad de individuos que formarán parte de la
muestra total aplicando el procedimiento de muestreo aleatorio simple.
Procedimiento:
Ejemplo:
Si se va a realizar una encuesta sobre las políticas y leyes del municipio, se podría dividir el
municipio en distritos, por ejemplo en 13 distritos, de esos tres se toma al azar el 4,5,9 y 11, y
solo concentrándose en estos distritos, tomamos una muestra aleatoria de habilitantes de cada
uno de esos distritos, para entrevistarlos.
2.- Muestreo no probabilístico: Es una técnica de muestreo donde las muestras se recogen en
un proceso que no brinda a todos los individuos de la población iguales oportunidades de ser
seleccionados.
Es evidente que los resultados obtenidos del estudio de una muestra no son del todo fiables, pero
sí en buena medida. Los parámetros que obtienen de una muestra (estimadores estadísticos) nos
permitirán arriesgarnos a predecir una serie de resultados para toda la población. De estas
predicciones y del riesgo que conllevan se ocupa la Inferencia Estadística.
Por ejemplo, en una muestra de 64 alumnos con una puntuación media de 56 y una desviación
típica de 24, el error estándar de la media es 24 : 8 = 3, y los extremos del intervalo de estimación
para la media de las puntuaciones en la población serían 56 – (2 x 3) = 50 y 56 + (2 x 3) = 62.
Por ejemplo, en una muestra de 64 alumnos con una puntuación media de 56 y una desviación
típica de 24, el error estándar de la media es 24 : 8 = 3, y los extremos del intervalo de estimación
para la media de las puntuaciones en la población serían 56 – (2 x 3) = 50 y 56 + (2 x 3) = 62.
14)-Estimador: Es un estadístico (es decir, es una función de la muestra) usado para estimar un
parámetro desconocido de la población.
Por ejemplo, si se desea conocer el precio medio de un artículo (el parámetro desconocido) se
recogerán observaciones del precio de dicho artículo en diversos establecimientos (la muestra) y
la media aritmética de las observaciones puede utilizarse como estimador del precio medio. Para
cada parámetro pueden existir varios estimadores diferentes
● Eficiencia: Un estimador es más eficiente o preciso que otro, si la varianza del primero es
menor que la del segundo.
● Convergencia: Para estudiar las características de un estimador no solo basta con saber el
sesgo y la varianza, sino que además es útil hacer un análisis de su comportamiento y
estabilidad en el largo plazo, esto es, su comportamiento asintótico. Cuando hablamos de
estabilidad en largo plazo, se viene a la mente el concepto de convergencia. Luego,
podemos construir sucesiones de estimadores y estudiar el fenómeno de la convergencia.
17)-Tipos de estimación:
18)- Error de estimación, riesgo, tamaño de muestra: A mayor intervalo de confianza mayor
debe ser el tamaño de la muestra, por lo que se puede decir que el intervalo de confianza es
propio de cada investigación. El error de estimación es siempre inversamente proporcional al
tamaño de la muestra, a mayor tamaño menor error.
Obviamente, cuanto mayor sea el tamaño de la muestra mayor será la probabilidad de que ésta
sea representativa de la población, sin embargo, no hay que olvidar que también será mayor el
esfuerzo implicado en la recogida de los datos y, por lo tanto, se perderá la principal ventaja
inherente al muestreo: la economía de recursos a la hora de obtener los datos.
Dada una muestra de tama˜no n, para un nivel de confianza 1-α y la desviación tıpica de la
población σ, el Intervalo de Confianza se determina mediante:
𝑎 σ 𝑎 σ
( 𝑥= -z 2 ,𝑥+z2 )
𝑛 𝑛
Se desea estimar con un nivel de confianza del 95 % la talla media de los hombres de 18 o ḿas
años de un pais. Suponiendo que la desviación típica de las tallas en la población vale 4, obtenga
el intervalo de confianza con una muestra de n=15 hombres seleccionados al azar, cuyas alturas
son: 167 167 168 168 168 169 171 172 173 175 175 175 177 182 195.
∑𝑥¡𝑛¡
𝑥= 𝑁
Conclusion
Siendo la muestra una derivación de la población en calidad de representación de la misma. El
muestreo en estadística es una técnica utilizada para seleccionar la muestra. Dentro del muestreo
nos encontramos con el parámetro y lo estadístico, en cuanto el parámetro no es más que la
característica que posee una población, y los estadísticos son las característica que posee la
muestra.
Un estimador es una representación de los resultados de un muestreo, que se usa para estimar las
cualidades o entidades, o parámetros, que se quieren obtener de una población.
Cuando se utiliza una estimación siempre existe un margen de error, que puede ser disminuido
según las características del estimador, las cuales proporcionan una mayor precisión en los
resultados, cuando se menciona que un estimador debe ser insesgado , se refiere a que el valor
que se tiende a que el valor esperado debe ser igual a los resultados que se obtienen; es eficiente
porque sus valore están por debajo de los demás estimadores y es consistente porque sus valores
al crecer la muestra se emparejan o acercan al valor del parámetro.