Corporación Universitaria Minuto de Dios

Fase 1 Análisis de situación problemática aplicada en la administración

Asignatura:

Estadística inferencial

Actividad 2

Presentado por:

Gregorio Blanco

Leidy Barrera

Norelis Valencia

Grupo No 3

Docente:

Medardo Pacheco

Barranquilla Atlántico Agosto, 25 de 2021

 Tabla de Contenido

Introducción………………………………………………………………………………3

Caso de Estudio …………………………………………………………………………...4

Conceptos Estadísticos…………………………………………………………………... 5

Conclusión………………………………………………………………………………. 6

Referencias……………………………………………………………………………… 7
 Introducción

El presente trabajo se realiza con el fin de dar paso a la primera fase del proyecto de
investigación. Donde analizaremos una situación problemática con un caso presentado en la
universidad Uniminuto, en el cual aplicaremos los conceptos de distribución de muestreo y de
Probabilidad discreta, con el fin de afianzar conocimientos sobre los diferentes tipos de métodos
y seleccionando el más apropiado para la toma de muestra donde se represente a la población
de la que provienen.

En las actividades de investigación científica y tecnológica es muy útil el empleo de muestras.

El análisis de una muestra permite inferir conclusiones susceptibles de generalización a la
población de estudio con cierto grado de certeza (Holguin y Hayashi, 1993).

Al desarrollar un proyecto de investigación “el total de observaciones en las cuales se está

interesado, sea su número finito o infinito, constituye lo que se llama una población,” (Walpole
y Myers, 1996, p. 203). La muestra es una pequeña parte de la población estudiada. La muestra
debe caracterizarse por ser representativa de la población.
 Caso de Estudio

El Departamento de Admisiones de UNIMINUTO, preocupado por la deserción de los

estudiantes de la Facultad de Administración de Empresa, en comparación con el año 2019.

Esta facultad contaba con 1.900 estudiantes activos, actualmente solo se matricularon 1.500.

Por consiguiente, surge la necesidad de establecer una causa asignable a esta problemática.

Dada la contingencia covid-19, el comité contempla la hipótesis que el fenómeno de

deserción está relacionado con lo que podría responder al impacto socioeconómico de la

pandemia en los ingresos de los estudiantes o los de su familia, que permite sufragar el valor

de matrícula. Lastimosamente, por causa de la deserción masiva, por la crisis por la que

atravesamos por la pandemia actual, la facultad no cuenta con recursos económicos para

aplicar herramientas de recolección de datos (como encuestas-entrevistas) que permitan

comprobar esta hipótesis. Solo cuenta con una base de datos que contiene información del

total de los estudiantes admitidos, la cual es manejada por el Departamento de Admisiones.

El Departamento ha decidido seleccionar un semillero de investigación de la facultad de

administración para encomendarle la tarea de estimar la relación entre la capacidad de

ingresos de cada estudiante y la deserción de los mismos.

A continuación, se describen los criterios estadísticos a utilizar en el estudio del caso.

-Distribución de muestreo

Teniendo en cuenta el tipo de variable a trabajar, la cual se expresa en número de

estudiantes y toma únicamente valores enteros positivos. Se considera que lo correcto es

emplear una distribución de probabilidad discreta.

Para aceptar o rechazar la hipótesis planteada por el comité, el semillero propone realizar un

cálculo de probabilidad que permita estimar de forma confiable el número de estudiantes

desertados con antecedentes de financiamiento y crédito de la matrícula. La particularidad en

la capacidad de pago de cada estudiante se usará como marcador de deserción.

Para calcular esta probabilidad se utilizará la distribución hipergeométrica.

La distribución Hipergeométrica considera el caso en el cual una población finita se divide

en dos grupos, uno de los cuales se considera "éxitos" (estudiantes matriculados) y el otro

"Fracasos" (estudiantes que desertaron), Esta distribución es una extensión de la binomial.

-Tipo de Muestreo y tamaño de muestra.

Puesto que el interés del estudio se centra en los estudiantes desertados, el tamaño de muestra

n, será equivalente al número de estudiantes desertados para el semestre acorde con la

solicitud.

Tamaño de población N = 1900 estudiantes.

Tamaño de muestra n = 400 estudiantes.

Para obtener una estimación adecuada del número de estudiantes con financiamiento y

crédito dentro de la muestra establecida, lo recomendable es realizar un muestreo

completamente aleatorizado. Donde todos los elementos de la población tengan

equiprobabilidad de pertenecer a la muestra.

Para garantizar la aleatoriedad del muestreo y evitar sesgos, el semillero usará como sistema

de aleatorización la función aleatoria. Entre de Excel. Teniendo en cuenta que a mayor

tamaño de muestra n, más exacta será la estimación.

 Conceptos estadísticos

• Distribución Muestreal:

Una distribución muestral es una distribución de probabilidad de una estadística muestral

calculada a partir de todas las muestras posibles de tamaño “n” elegidas al azar de una

población determinada.

• Distribución de Probabilidad Discreta:

Lista de los resultados de un experimento con las probabilidades que se esperan, se asociarán

a esos resultados.

• Distribución de Probabilidad Hipergeométrica:

En estadística la distribución la distribución Hipergeométrica es una distribución de

probabilidad discreta con tres parámetros discretos N, d y n cuya función de probabilidad es:
 • Tamaño de Muestra:

El tamaño de la muestra es el número de sujetos que componen la muestra extraída de una

Población, necesarios para que los datos obtenidos sean representativos de la población.

Muestra: Es un conjunto representativo y finito que se extrae de la población accesible.

• Aleatorio Sistemático

En el muestreo aleatorio sistemático, el investigador primero escoge aleatoriamente la primera

pieza o sujeto de la población. A continuación, el investigador seleccionará a cada enésimo
sujeto de la lista.

El procedimiento del muestreo aleatorio sistemático es muy fácil y se puede hacer

manualmente. Los resultados son representativos de la población a menos que se repitan ciertas
características de la población por cada enésimo individuo, lo que es muy poco probable.

Número de inicio:

El investigador selecciona un número entero que debe ser menor al número total de individuos
en la población. Este número entero corresponderá al primer sujeto.

Intervalo:
El investigador elige otro número entero que servirá como la diferencia constante entre dos
números consecutivos en la progresión.

El número entero se selecciona típicamente de modo que el investigador obtenga el tamaño de

la muestra correcto.

Por ejemplo, el investigador tiene una población total de 1260 individuos y necesita 12 sujetos.
Primero elige su número de partida, 3.

𝑁 1260
k = = = 105
𝑛 12

Para saber cuál es el intervalo a trabajar se debe dividir la población entre la muestra N/n, Luego
de que el investigador sabe cuál es su intervalo, 105. Los miembros de su muestra serán los
individuos 3, 108, 213, 318, 423, 528, 633, 738, 843, 948, 1053, 1158.
 • Muestreo aleatorio estratificado proporcionado

En esta técnica, el tamaño de la muestra de cada estrato es proporcional al tamaño de la

población del estrato si se compara con la población total. Esto significa que el cada estrato
tiene la misma fracción de muestreo.

Por ejemplo, tenemos una población 1260 de trabajadores los cuales vamos a clasificar según
las edades de los trabajadores, para obtener una muestra de 100 trabajadores

N1. De 18 a 30 años =597

N2. De 31 a 45 años = 358

N3. De 46 en adelante = 305

Sabiendo esto debemos realizar esta operación para obtener la muestra proporcional a los 3
estratos

𝑁1 𝑥 597 𝑥 597×100
n1 = 𝑁 × 100 × 100 𝑥 = = 48
1260 1260

𝑁2 𝑥 358 𝑥 358×100
n2 = 𝑁 × 100 × 100 𝑥 = = 28
1260 1260

𝑁3 𝑥 305 𝑥 305×100
n3 = 𝑁 × 100 × 100 𝑥 = = 24
1260 1260

Luego de saber qué cantidad de personas se tomar de cada estrato podemos usar uno de los
métodos anteriores (en este caso usaremos el aleatorio simple) para seleccionar la muestra de
cada estrato.

𝑁1 597
= = 12 Tomando como partida el 46
𝑛1 48

46, 58,70, 82, 94, 106, 118, 130, 142, 154, 166, 178, 190, 202, 214… hasta 586

𝑁2 358
= = 12 Tomando como partida el 13
𝑛2 28

13, 25, 37, 49, 61, 73, 85, 97, 109, 121, 133, 145, 157… hasta 349

𝑁2 305
= = 12Tomando como partida el 6
𝑛2 24

6, 18, 30, 42,54, 66, 78, 90, 102, 114, 126, 138, 150, 162… hasta 294
 • El muestreo discrecional

Se utiliza en los casos en que la especialidad de una autoridad puede seleccionar una muestra
más representativa que pueda arrojar resultados más precisos que mediante otras técnicas de
muestreo probabilístico. El proceso consiste en elegir intencionalmente a dedo a los individuos
de la población sobre la base del conocimiento o juicio de la autoridad o investigador.

Los elementos de la muestra son seleccionados por el investigador de acuerdo a criterios que él
considera de aporte para el estudio.

Ejemplo:

El investigador selecciona a cajeros de un banco determinado como muestra para un estudio

sobre el comportamiento del usuario ante el pago de impuestos.

• Ventajas E Inconvenientes De Los Distintos Tipos De Muestreo Probabilístico

En esta investigación se hablaran de los tipos de muestreo que se utilizan dentro de la estadística
inferencial. A lo largo del tiempo de una u otra razón se han realizado investigaciones
preguntando a personas sobre gustos o disgustos. Pero ahora se realizan investigaciones más
estrictas y puntuales a lo que se va a realizar o estudiar y para ello se utiliza una parte de alguna
población a lo que se le llama muestra.

Pero no tan solo es sacar una parte de la población y ya, sino que tiene que existir un tipo de
muestro de especifique que es lo que realmente se estudiara para estudiar la muestra exacta

Y la mejor forma de asegurar la validez de las inferencias es seleccionar la muestra mediante

una técnica aleatoria. A este tipo de muestreo se le denomina muestreo probabilístico y puede
definirse como aquel en que todos los individuos de la población tienen una probabilidad de
entrar a formar parte de la muestra (normalmente equiprobable, es decir, con la misma
probabilidad). Los diseños en que interviene el azar producen muestras representativas la
mayoría de las veces, aunque no garantizan la representatividad de la población que sometemos
a estudio. Aunque en muchos estudios no es posible obtenerla rigurosamente de esta forma, es
importante seleccionarla intentando que sea lo más parecida posible a la población de interés.
Los tipos de muestreo probabilístico son:
Muestreo aleatorio simple.
Muestreo sistemático.
Muestreo aleatorio estratificado.
Muestreo por conglomerados (clúster)

Como ya hemos mencionado anteriormente, los diferentes métodos para captar a los sujetos a
constituir la muestra, presentan una serie de ventajas y desventajas:

• Muestreo aleatorio simple

Muestreo equipo Probabilístico: Si se selecciona una muestra de tamaño n de una población
de N unidades, cada elemento tiene una probabilidad de inclusión igual y conocida de n/N.

Ventajas:
➢ Sencillo y de fácil comprensión.
➢ Cálculo rápido de medias y varianzas.
➢ Se basa en la teoría estadística, y por tanto existen paquetes informáticos para analizar
los datos.

Desventajas:
Requiere que se posea de antemano un listado completo de toda la población.
Cuando se trabaja con muestras pequeñas es posible que no represente a la población
adecuadamente.

• Muestreo sistemático

Procedimiento:

1. Conseguir un listado de N elementos.

2. Determinar un tamaño de muestra n.
3. Definir un intervalo de salto k; K=N/n.
4. Elegir un número aleatorio, r, entre 1 y k (r=arranque aleatorio).
5. Seleccionar los elementos de la lista.
Ventajas:

➢ Fácil de aplicar.
➢ No siempre es necesario tener un listado de toda la población.
➢ Cuando la población está ordenada siguiendo una tendencia conocida, asegura una
cobertura de unidades de todos los tipos.
Desventajas:
Si la constante de muestreo está asociada con el fenómeno de interés, se pueden hallar
estimaciones sesgadas.

• Muestreo aleatorio estratificado

El azar no es una garantía de representatividad. Este muestreo pretende asegurar la

representación de cada grupo en la muestra. Cuanto más homogéneos sean los estratos, más
precisas resultarán las estimaciones.

Ventajas:

➢ Tiende a asegurar que la muestra represente adecuadamente a la población en función

de unas variables seleccionadas.
➢ Se obtienen estimaciones más precisas.

Desventajas:

Se ha de conocer la distribución en la población de las variables utilizadas para la

estratificación.
Los análisis son complicados, en muchos casos la muestra tiene que ponderarse (asignar pesos
a cada elemento).
 • Muestreo por conglomerados

Los conglomerados se caracterizan porque la variación en cada grupo es menor que la variación
entre grupos. La necesidad de listados de las unidades de una etapa se limita a aquellas unidades
de muestreo seleccionadas en la etapa anterior.

Ventajas:

➢ Es muy eficiente cuando la población es muy grande y dispersa. Reduce costes.

➢ No es preciso tener un listado de toda la población, sólo de las unidades primarias de
muestreo.

Desventajas:

El error estándar es mayor que en el muestreo aleatorio simple o estratificado. El cálculo del
error estándar es complejo.
 Conclusión

Una distribución de probabilidad indica toda la gama de valores que pueden representarse como
resultado de un experimento si éste se llevase a cabo.

Es decir, describe la probabilidad de que un evento se realice en el futuro, constituye una herramienta
fundamental para la prospectiva, puesto que se puede diseñar un escenario de acontecimientos futuros
considerando las tendencias actuales de diversos fenómenos naturales.

Toda distribución de probabilidad es generada por una variable (porque puede tomar diferentes
valores) aleatoria x (porque el valor tomado es totalmente al azar), y puede ser de dos tipos:

1. Variable aleatoria discreta (x). Porque solo puede tomar valores enteros y un número finito
de ellos. Por ejemplo:

• x ® Variable que define el número de alumnos aprobados en la materia de probabilidad en

un grupo de 40 alumnos (1, 2 ,3…ó los 40).
 Bibliografía

Estadística para Administradores. Sexta Edición. Richard I. Levin & David S. Rubin.
Editorial Prentice Hall. Capítulo 5 Probabilidad II: Distribuciones, pp.232 – 264

GE Lighting - AEA. Curso para Green Belts, Iniciativa Sies Sigma Semana #1. Abril 1997.
Minitab 15 (versión de prueba obtenida de www.minitab.com).
MeetMinitabEs.pdf (obtenido de )

Distribución de Probabilidades (información tomada de

www.monografias.com, http://www.monografias.com/trabajos29/distribucion-
probabilidades/distribucion-probabilidades.shtml)

Distribución Binomial (información tomada de www.wikipedia.com,

http://es.wikipedia.org/wiki/Distribuci%C3%B3n_binomial)
Distribución Normal (información tomada de www.wikipedia.com,
http://es.wikipedia.org/wiki/Distribuci%C3%B3n_normal
Distribución de Poisson
(http://www.itchihuahua.edu.mx/academic/industrial/sabaticorita/_private/05Distr%20Poiss
on.htm)