UNIVERSIDAD NACIONAL DE INGENIERÍA

FACULTAD DE INGENIERÍA ELÉCTRICA Y ELECTRÓNICA

Estadı́stica y Probabilidades

Muestreo Aleatorio

Universidad Nacional de Ingenierı́a (FIEE) M.Sc. Ing. López Esquivel Miguel Ángel
Muestreo Aleatorio

Población: Es la totalidad de personas, objetos, ele-

mentos, etc. que tiene una o mas caracterı́sticas ob-
servables de aspecto cualitativo o cuantitativo.
Media (µ) La Proporción (p)
2
La Varianza (σ ) La desviación (σ)
Muestra: Son las medidas descriptivas definidas en
una población, por lo general se desconocen.

Universidad Nacional de Ingenierı́a (FIEE) M.Sc. Ing. López Esquivel Miguel Ángel
Muestreo Aleatorio

Si la distribución de la población es desconocida, po-

demos estar interesados en conocerla. Para esto, en
vez de examinar la población entera lo cual puede
ser muy complicado, costoso y que demande mucho
tiempo el realizarlo. Mejor seria tomar una muestra
con el propósito de inferir la información obtenida.

Universidad Nacional de Ingenierı́a (FIEE) M.Sc. Ing. López Esquivel Miguel Ángel
Ejemplo de encuesta de opinión

Universidad Nacional de Ingenierı́a (FIEE) M.Sc. Ing. López Esquivel Miguel Ángel
Ejemplo de encuesta de opinión

Ficha técnica
Ipsos Opinión y mercado S.A. Número de registro:
0001-REE/JNE. Sistema de muestreo: probabilı́sti-
co polietápico. Muestra: 1,190 personas entrevistas.
Fecha de aplicación: 11 al 13 de febrero del 2020.
Margen de error:±2,81 %. Nivel de confianza: 95 %.
Marco muestral: varones y mujeres adultas en el Perú
(23’351,001 personas).

Universidad Nacional de Ingenierı́a (FIEE) M.Sc. Ing. López Esquivel Miguel Ángel
Estimación Puntual

Consiste en considerar como estimación del paráme-

tro poblacional al valor obtenido para el estadı́stico
de la muestra. Por ejemplo x es la estimación de µ o
s también que es la estimación de σ
x1 + ... + xn
x=
n
(x − x)2
P
s2 =
n−1

Universidad Nacional de Ingenierı́a (FIEE) M.Sc. Ing. López Esquivel Miguel Ángel
Teorema de Lı́mite Central

El teorema del lı́mite central afirma que, para gran-

des muestras aleatorias. La distribución muestral de
las medias está más próxima a una distribución de
probabilidad normal. La aproximación es más pre-
cisa para muestras grandes. Siendo x1 , x2 , x3 , ..., xn
Variables independientes e idénticamente distribuidas
para n grande (mayor a 30)

Universidad Nacional de Ingenierı́a (FIEE) M.Sc. Ing. López Esquivel Miguel Ángel
Teorema de Lı́mite Central

n
X1 + ... + Xn X xi
X= =
n i=1
n
Se distribuye aproximadamente como una
2
N (µ, σn ) es decir que:

X −µ
√ ∼ N (0, 1)
σ/ n

Universidad Nacional de Ingenierı́a (FIEE) M.Sc. Ing. López Esquivel Miguel Ángel
Distribuciones Muestrales

A las distribuciones de los valores de una variable

aleatoria en una muestra aleatoria se denomina distri-
buciones muestrales. Estos pueden ser por intermedio
de una media µ o una proporcion p

Universidad Nacional de Ingenierı́a (FIEE) M.Sc. Ing. López Esquivel Miguel Ángel
Distribucion Muestral de la Media

La media muestral X de una población de media µ y

varianza σ 2 tiene una distribución normal con media
2
µ y varianza σn cuando el tamaño de la muestra n es
suficientemente grande.

Población Infinita:
2
X ∼ N (µ, σn ) → x−µ √σ
∼ N (0, 1)
n

Población Finita:
2 x−µ
−n
X ∼ N (µ, σn · NN −1 ) → √σ ·
√ N −n
∼ N (0, 1)
n N −1

Universidad Nacional de Ingenierı́a (FIEE) M.Sc. Ing. López Esquivel Miguel Ángel
Distribucion Muestral de la Proporción

La proporción muestral p̂ de una población de valor

p̂ = nnA en donde nA es el número de elementos de
la muestra que tiene la caracterı́stica requerida.

Población Infinita:
p̂ ∼ N (p, p(1−p)
n )→
qp̂−p
p(1−p)
∼ N (0, 1)
n

Población Finita:
p̂ ∼ N (p, p(1−p)
n ·N −n
N −1 ) →
q p̂−p
p(1−p)
√ N −n ∼ N (0, 1)
n · N −1

Universidad Nacional de Ingenierı́a (FIEE) M.Sc. Ing. López Esquivel Miguel Ángel