TRABAJO EN GRUPO COLABORATIVO DE ESTADÍSTICA

INFERENCIAL, PARA LA EVALUACIÓN PARCIAL DEL CORTE 2.

ESTUDIANTES: SILVIA ALEJANDRA PRADA ALTUVE

ELMER FERNANDO RUEDA DEDEMADIS

PERÍODO 2021-II. DOCENTE: DANIS BRITO ROSADO

Valor: 50/100 puntos

Este trabajo es de tipo colaborativo, consultivo e investigación y tiene dos etapas:

La primera consiste en dar respuesta breve a todos los interrogantes incluidos en los 3

temas. Se tendrá en cuenta los ejemplos o comentarios relacionado con cada una de

las respuestas y tiene un valor de 70/100 puntos.

La segunda etapa consiste en realizar una exposición en el aula de clase virtual sobre

algunos ítems de los 10 que contienen los temas 1, 2 y 3, por un representante de cada

uno de los grupos. En la exposición se tendrá en cuenta: Presentación, claridad y

respuesta a interrogantes y los ejemplos e interpretaciones presentadas. Tendrá un

valor de 30/100 puntos.

La presentación del trabajo debe hacerse en un solo documento de Word o pdf, por

cada grupo. Repito solo un trabajo por grupo y nota correspondiente es la misma

para todos los miembros del grupo.

Tema 1: Tamaños de Muestras

1. el tratamiento de muestras constituye una herramienta estadística de mucha importancia

cuando no es posible hacer uso de todos los elementos de la una población para conocer las

características de dicha población

PRESENTE UNA BREVE DEFINICIÓN DEL CONCEPTO DE MUESTRA, EN DONDE SE PRECISE ALGUNOS
DE LAS CARACTERÍSTICAS QUE LA HACEN REPRESENTATIVA DE LA POBLACIÓN OBJETO DE ESTUDIO
DE DONDE SE SELECCIONA.
La muestra estadística consiste en la porción que se extrae de una población estadística para un
determinado estudio, con el fin de representar, conocer y determinar los aspectos de dicha
población.

Este método se utiliza cuando no se puede aplicar un censo en ciertas poblaciones, ya que a través
del muestreo se puede establecer una porción de la realidad a estudiar

Características de una muestra estadística

A grandes rasgos, una muestra estadística se caracteriza por lo siguiente:

 Forma parte de un conjunto mayor, que es la población estadística o universo estadístico,

de la cual es, idealmente, representativa.
 Posee un número reducido y por lo tanto manejable de elementos de interés estadístico,
en comparación con la población entera.
 Se elige al azar y a través de distintas técnicas de muestreo. Puede ser más o menos
fidedigna, dependiendo de esto último.
 Su tamaño es objeto de estudio matemático, a fin de garantizar las proporciones justas
para que resulte representativa del total.

Ejemplo de muestra estadística

Supongamos que un investigador debe estudiar la cantidad de personas que, de un millón de

habitantes de una ciudad, poseen título de grado. Para esto, tomará como muestra la situación de
1000 personas seleccionadas aleatoriamente entre las diferentes zonas de la ciudad.

A partir de estas 1000 personas escogidas como muestra, el investigador estimará un promedio y
en base a este llegará a una conclusión final.

2. Para calcular el tamaño de una muestra se requiere considerar 5 (cinco) factores que la

determinan. Estos son: a) Población, b) Variabilidad de la población (varianza), c) Error o

precisión de muestreo, d) Confiabilidad, o nivel de confiabilidad y e) Estadístico o

estimador de interés.

HAGA UNA BREVE EXPLICACIÓN DE CADA FACTOR, INDICANDO SU DEFINICIÓN Y LA FORMA

COMO SE CALCULA Y LA RELACIÓN DE CADA UNO DE ELLOS CON EL TAMAÑO DE MUESTRA.

 POBLACION: En estadística, el término “población” se refiere al conjunto de

elementos que se quiere investigar, estos elementos pueden ser objetos,
acontecimientos, situaciones o grupo de personas.
La población es el número completo de individuos con características afines que conforman los
posibles participantes de nuestro estudio. En la fórmula la población es representada con la letra
N

 VARIABILIDAD DE LA POBLACIÓN (VARIANZA): es una medida de la dispersión de

una variable aleatoria (valores que se obtienen de manera aleatoria). Es
ampliamente utilizada en el área de estadística expresando, a través de un
número, la variabilidad de dicha dispersión.

La varianza de una muestra o de un conjunto de valores, es la sumatoria

de las desviaciones al cuadrado con respecto al promedio o a la media,
todo esto dividido entre el número total de observaciones menos 1.

De manera muy general se puede decir que la varianza es la desviación

estándar elevada al cuadrado.
La varianza de una muestra presenta la siguiente fórmula:
S2 =

Donde, representa la sumatoria de la resta entre cada uno de los valores

muestreados () y la media, elevado al cuadrado.

A su vez,  representa el número total de observaciones o datos muestreados. Para

valores muy grandes de  la varianza es mínima o incluso despreciable.

En cambio, la varianza de una población presenta la siguiente fórmula:

σ2 =

Donde N representa el número total de observaciones o datos muestreados.

 ERROR O PRECISIÓN DE MUESTREO: El error de muestreo es la desviación de la muestra

seleccionada de las verdaderas características, rasgos, comportamientos, cualidades o
figuras de toda la población.
El margen de error, también denominado intervalo de confianza, te indica en qué medida
puedes esperar que los resultados de tu encuesta reflejen las opiniones de la población
general. Es decir el error muestral que puedes permitirte tener en tus resultados . 

Cómo calcular el margen de error

n= Tamaño de la muestra • σ = desviación estándar de la población • z = puntuación z

  CONFIABILIDAD, O NIVEL DE CONFIABILIDAD:

Confiabilidad es la posibilidad de que el sistema estructural que forma el pavimento

cumpla su función prevista dentro de su vida útil, bajo las condiciones de carga e
intemperismo que tienen lugar en ese lapso de tiempo.
Para una construcción por etapas (vida útil < periodo de análisis) se debe componer las
confiabilidades de cada etapa para tener la confiabilidad en todo el periodo de diseño, por
tanto:

 ESTADÍSTICO O ESTIMADOR DE INTERÉS: Un estimador es un estadístico al que se le

exigen ciertas condiciones para que pueda calcular con ciertas garantías ciertos
parámetros de una población.

Es decir, un estimador es un estadístico. Ahora bien, no es un estadístico cualquiera. Es un

estadístico con ciertas propiedades. Un ejemplo podría ser la media o la varianza. Estas
métricas tan conocidas, son estimadores.

3. El tamaño de la muestra seleccionada, debe ser calculada a través de fórmulas que

garanticen su representatividad sobre la población de que extrae. Este tamaño se determina,

según que el estadístico o variable de interés sea de naturaleza cuantitativo o cualitativo y si

el tamaño de la población es finita o infinita (por ser demasiado grande). Son 4 cuatro

formulas, dos para cada caso y los estadísticos respectivos son: La media y la Proporción

HAGA UNA IDENTIFICACIÓN Y DESCRIPCIÓN MATEMATICA DE LAS FORMULAS EN CADA CASO.

La media: La distribución muestral de la Media depende de varias circunstancias como la

distribución de la población de la que se extrae las muestras:

1) La población se distribuye según el modelo Normal. La distribución de Medias muestrales sigue

el modelo Normal, con parámetros mu y sigma Donde sigma al cuadrado y n son la Varianza de la
distribución poblacional y el tamaño de la muestra respectivamente.
2) La población no sigue la distribución normal. En este caso la distribución de Medias muestrales
se acerca al modelo Normal (con los mismos parámetros que hemos visto al apartado a) cuanto
mayor sea el tamaño de la muestra.

Características de la distribución muestral de la Media:

1) La variación de la distribución muestral es menor cuanto mayor sea n (tamaño de la muestra)

siempre que la Varianza de la población sea la misma. Explicación: La fórmula de la Varianza
de la distribución muestral de la Media es:

Cuanto mayor es el denominador (n), más pequeño es el valor del término a la izquierda del
"igual".

La proporción:

La distribución de p aproxima la distribución Normal con parámetros

Tema 2: Muestreo

4. Los tipos de muestreo para seleccionar muestras representativas de una población objeto

de estudio, se denomina muestreo probabilísticos o aleatorios.

PRESENTE UNA BREVE DEFINICIÓN DEL CONCEPTO DE MUESTREO PROBABILÍSTICO O ALEATORIO,

PRECISANDO LAS VENTAJAS QUE ESTOS OFRECEN CON RESPECTO A LOS TIPOS DE MUESTREO NO
PROBABILÍSTICOS

MUESTREO PROBABILÍSTICO O ALEATORIO: Garantiza que todos los individuos que componen la
población blanco tienen la misma oportunidad de ser incluidos en la muestra. Esta significa que la
probabilidad de selección de un sujeto a estudio “x” es independiente de la probabilidad que
tienen el resto de los sujetos que integran forman parte de la población blanco.
5. En el uso del muestreo probabilístico para la selección de muestras aleatorias se tienen

en cuentan 3 tres componentes que son: a) El marco de muestreo, b) la unidad de muestreo

y c) la unidad de análisis.

HAGA UNA DESCRIPCIÓN DE CADA COMPONENTE E IDENTIFIQUE COMO SE REPRESENTAN EN LA

POBLACIÓN OBJETO DE MUESTREO.

 EL MARCO DE MUESTREO: Es la totalidad de unidades de muestreo en el cual se identifica

a todos los elementos de una población objetivo y que permite seleccionar una muestra
de la misma con fines de estimación estadística.

Pueden ser de áreas, de listas y también los procedimientos que pueden tener en cuenta a todas
las unidades de muestreo sin el esfuerzo físico de listarlas efectivamente. Un marco ideal no debe
presentar omisiones, duplicaciones, ni elementos extraño

 LA UNIDAD DE MUESTREO:  Es el elemento o conjunto de elementos que se seleccionan

en una etapa del muestreo. La unidad de muestreo puede estar conformada por una
unidad estadística o por un conjunto de unidades estadísticas (conglomerado).

 LA UNIDAD DE ANÁLISIS: es el elemento mínimo de una población y de una muestra, en

tanto se lo considera como poseedor de ciertas propiedades, atributos o características
denominadas variables. Por ejemplo: los libros son unidades de análisis si consideramos
su precio, su color o su estado como variables. En nuestros estudios, nos interesará relevar
las características de la unidades de análisis y sacar conclusiones sobre la población en
base a esta información.
6. Existen 4 cuatro tipo de muestre probabilístico o aleatorios que son: a) Simple aleatorio,

b) Sistemático, c) Estratificado y d) Conglomerados

HAGA UNA BREVE DESCRIPCIÓN DE CADA TIPO DE MUESTREO, QUE INCLUYA SU DEFINICIÓN Y EL
PROCEDIMIENTO QUE LO CARACTERIZA PARA LA SELECCIÓN DE MUESTRAS ALEATORIAS.
ESTABLECIENDO DIFERENCIAS ENTRE UNO Y OTRO

 SIMPLE ALEATORIO: El muestreo aleatorio simple es uno de los métodos de selección más
sencillos para una muestra. Se basa en elegir, de forma aleatoria, a los individuos de la
muestra a investigar.

Para ello, se le otorga un número a cada sujeto de la población y posteriormente, a modo

de sorteo, se seleccionan números de forma aleatoria para conformar la muestra.

Por ejemplo: para tomar una muestra de 10 escuelas, sobre una población de 200 escuelas que
hay en el país, cada escuela obtiene un número al azar. Entonces, a modo de sorteo, se
seleccionan 10 números que conformarán dicha muestra.

 SISTEMÁTICO: El muestreo sistemático se lleva a cabo dividiendo la población en

subgrupos, en forma de lista, para seleccionar aleatoriamente un número. Luego, el
número escogido será, en cada grupo, el individuo que conforme la muestra.

Por ejemplo: tenemos una población de 10.000 personas y debemos conformar una muestra de
100 individuos, por lo que se divide a la población en 200 grupos de 50. Luego se selecciona un
número al azar, por ejemplo el 20, y así la muestra de 100 individuos se irá conformando por el
individuo número 20 de cada grupo

 ESTRATIFICADO: En el muestreo estratificado, el investigador divide a la población en

estratos o subgrupos que, generalmente, comparten ciertas características. Luego,
utilizando el método del muestreo aleatorio simple, se elige un individuo de cada estrato
para conformar la muestra.

Por ejemplo: para realizar una investigación cuya población está conformada por personas que
trabajan en una empresa, el investigador divide dicha población en los siguientes estratos:
Hombre con media jornada.

Hombre con jornada completa.

Mujer con media jornada.

Mujer con jornada completa.

Aquí el investigador está dividiendo la población en 4 diferentes estratos, cuyos integrantes

comparten características.

 CONGLOMERADOS: Este método es utilizado cuando no es viable, o es imposible, elaborar

una lista exacta de los elementos de una población. Para llevarlo a cabo, los detalles de
dicha población ya deben estar agrupados en poblaciones, es decir que las listas ya deben
existir, o se pueden crear.

Por ejemplo: un investigador decide realizar una investigación sobre México, pero dividir en
grupos a toda la población del país sería difícil e impráctico. Por lo tanto, aprovecha y utiliza la
separación natural por ciudades. Así, a partir de cada ciudad, elige individuos de forma aleatoria
para conformar la muestra.

7. Los tipos de muestreo No probabilísticos son procedimientos utilizados para seleccionar

muestras de una población, que no tienen el carácter para realizar inferencias sobre dicha

población

IDENTIFIQUE DOS TIPOS DE MUESTREO CON ESTA CARACTERÍSTICA Y DESCRIBA LA FORMA EN

QUE SE APLICA EN LA SELECCIÓN DE MUESTRA Y EN QUE CASOS ESPECÍFICOS DEBEN USARSE.

Muestreo por conveniencia

El muestreo por conveniencia es una técnica de muestreo no probabilística donde las muestras de
la población se seleccionan solo porque están convenientemente disponibles para el investigador.
Estas muestras se seleccionan solo porque son fáciles de reclutar y porque el investigador no
consideró seleccionar una muestra que represente a toda la población.

Idealmente, en la investigación, es bueno analizar muestras que representen a la población. Pero,

en algunas investigaciones, la población es demasiado grande para evaluar y considerar a toda la
población.
Esta es una de las razones por las que los investigadores confían en el muestreo por conveniencia,
que es la técnica de muestreo no probabilística más común, debido a su velocidad, costo-
efectividad y facilidad de disponibilidad de la muestra.

Un ejemplo de muestreo por conveniencia sería utilizar a estudiantes voluntarios que sean
conocidos del investigador.

El investigador puede enviar la encuesta a los estudiantes y ellos en este caso actuarían como
muestra.

Muestreo consecutivo

Esta técnica de muestreo no probabilístico es muy similar al muestreo por conveniencia (con una
ligera variación). En el muestreo consecutivo el investigador elige una sola persona o un grupo de
muestra, realiza una investigación durante un periodo de tiempo, analiza los resultados y luego
pasa a otra asignatura o grupo de sujetos si es necesario.

Esta técnica de muestreo le da al investigador la oportunidad de trabajar con muchos temas y

afinar su investigación mediante la recopilación de resultados que tienen conocimientos vitales.

Muestreo intencional o por juicio

En esta técnica de muestreo no probabilístico, las muestras se seleccionan basándose únicamente

en el conocimiento y la credibilidad del investigador. En otras palabras, los investigadores eligen
solo a aquellos que estos creen que son los adecuados (con respecto a los atributos y la
representación de una población) para participar en un estudio de investigación.

Este no es un método científico de muestreo y la desventaja de esta técnica es que los resultados
pueden estar influenciados por nociones percibidas del investigador. Por lo tanto, hay una gran
cantidad de ambigüedad involucrada en esta técnica de investigación. Por ejemplo, este tipo de
método de muestreo se puede utilizar en estudios piloto.

¿Cuándo usar el muestreo no probabilístico?

● Este tipo de muestreo se usa para indicar si existe un rasgo o característica particular en una
población.

● Esta técnica de muestreo es ampliamente utilizada cuando los investigadores realizan

investigaciones cualitativas, estudios piloto o investigación exploratoria.

● El muestreo no probabilístico se usa cuando los investigadores tienen un tiempo limitado para
llevar a cabo la investigación o tienen limitaciones presupuestarias.

● El muestreo no probabilístico se realiza para observar si un tema en particular necesita un

análisis en profundidad mejora tu muestreo siguiendo estos consejos
Tema 3: Distribución muestral

8. La distribuciones muéstrales son el fundamento teórico para la realización de inferencias

estadísticas sobre los parámetros de una población con base en una muestra de dicha

población

PRESENTE UNA DEFINICIÓN DEL CONCEPTO DE DISTRIBUCIÓN MUESTRAL DE UN ESTADÍSTICO E

IDENTIFIQUE LOS PARÁMETROS QUE LA DETERMINAN.

DISTRIBUCIÓN MUESTRAL DE UN ESTADÍSTICO: Una distribución muestral es una función de

probabilidad, ya que asigna a cada posible valor de un estadístico su probabilidad de aparecer en
una muestra extraída al azar. En realidad, esta definición es estrictamente cierta solo cuando la
variable toma valores discretos; por ejemplo, cuando procede de un contaje y sus posibles valores
son 0, 1, 2, 3, etc. Cuando el valor del estadístico muestral es una variable continua, la distribución
muestral correspondiente se denomina función de densidad de probabilidad.

La probabilidad en este caso corresponde gráficamente a un área bajo la curva de esa función,
delimitada por un cierto intervalo de la variable. Analíticamente, esa área se calcula como la
integral de la función entre los límites del intervalo de la variable, que en la práctica se obtiene con
un ordenador o se consulta en una tabla. El área total bajo la curva, que se extiende a todos los
posibles valores de la variable, es siempre uno, que corresponde a la probabilidad de un suceso
seguro.

9. Existen 4 cuatro tipos de distribuciones muéstrales de uso frecuente por su importancia

en el análisis estadístico inferencial. Están son: Distribución muestral: a) De medias, b) De

Proporciones, c) De diferencias de medias y d) De diferencias de proporciones

Distribución muestral de medias

Cada muestra de tamaño n que podemos extraer de una población proporciona

una media. Si consideramos cada una de estas medias como valores de una

variable aleatoria podemos estudiar su distribución que llamaremos distribución

muestral de medias.

Si tenemos una población normal N(m,s) y extraemos de ella muestras de tamaño

n, la distribución muestral de medias sigue también una distribución normal.

Si la población no sigue una distribución normal pero n>30, aplicando el llamado

Teorema central del límite la distribución muestral de medias se aproxima también

a la normal anterior.

Distribución muestral de proporciones

En numerosas ocasiones se plantea estimar una proporción o porcentaje. En

estos casos la variable aleatoria toma solamente dos valores diferentes (éxito o

fracaso), es decir sigue una distribución binomial y cuando la extensión de la

población es grande la distribución binomial B(n,p) se aproxima a la normal .

Para muestras de tamaño n>30, la distribución muestral de proporciones sigue

una distribución normal

donde p es la proporción de uno de los valores que presenta la variable estadística

en la población y q=1-p.

10. Las distribuciones muéstrales constituyen el fundamento teórico para la realización de

inferencias estadística de una población con respecto a una muestra seleccionada de dicha

población.

IDENTIFICA LOPS TIPOS DE APLICACIÓNES QUE SE PUEDA HACER CON LAS

DISTRIBUCIONES MUESTRALES Y EXPLIQUE CADA UNA DE ELLAS.

El objetivo es efectuar una generalización de los resultados de la muestra a la

población. Inferir o adivinar el comportamiento de la población a partir del

conocimiento de una muestra.

•Para ello es necesario conocer las distribuciones de probabilidad de ciertas

funciones de las muestras que constituyen variables aleatorias asociadas al

experimento aleatorio, selección de una muestra al azar de una población

. •Estas variables aleatorias denominadas estadísticos muestrales, porque se

basan en el comportamiento de las muestras, asignan a cada muestra del espacio

muestral, constituido por todas las muestras posibles, un número real que es un

resumen estadístico de la muestra. Por ejemplo, media de la muestra.

•El esquema siguiente resume visualmente la situación: Dada una población

formada por un número N grande de elementos, donde se observa la variable

X, se extrae al azar una muestra de tamaño n (n<N).

•Tanto en la población como en la muestra podemos resumir los valores de la

variable X observada. Los valores resumen se denominan parámetros en la

población y estadísticos en las muestras. Notaremos con

U a un estadístico o resumen muestral determinado