Capitulo 2 - Estadística II

1/2/2021
Muestreo Estadístico
Capitulo II
Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS
1.1 Teoría de Estimación Estadística

Es el estudio de como obtener información sobre una población
mediante muestras extraídas de ella.
Sean X y S la media y la desviación típica de la distribución muestral

de una variable (parámetro de una muestra).
Entonces la distribución muestral de X es aproximadamente normal

(según el teorema central del límite, para la media y proporciones
cuando N es ≥ que 30), cabe esperar por lo tanto que el los
parámetros se encuentren dentro lo esperado.
1
1/2/2021
Teorema del Limite Central, establece:
- A medida que aumenta el tamaño de la muestra, la distribución de

muestreo de las medias de las muestras se acerca a una
distribución normal.
- La media de las medias de muestra será la media de la población.
- La desviación estándar de las muestras que mejor se aproxima a la
poblacional será S/√n.
- Si la población original no tiene una distribución normal cualquier
muestra de más de 30 observaciones si tendera a una distribución
normal.
Calidades de un Estimador (sesgo débil, dispersión débil):
- Lo aleatorio en muestreo se debe al hecho que se extrae una

muestra al azar (es decir controlando, para cada muestra, su
probabilidad de extracción).
- La media µ y la varianza σ² de la variable X sobre la población son
parámetros por estimar.
- Estas distribuciones de probabilidad dependen del tipo de
extracción de la muestra; X y S² son estimadores de µ y σ²
respectivamente.
2
1/2/2021
Ejemplo: Se considera una población de tamaño 5. Los valores

de un variable real Y sobre esta población son iguales a:
Y1= 6, Y2=8, Y3= 9, Y4= 14, Y5= 13.
Se obtiene:  = 10 y σ² = 9,2
Se extrae, con equi-probabilidad y sin reemplazo, una muestra

tamaño 3. Para cada una de las 10 muestras posibles se
calcula:
Muestras Valores y s2
{1,2,3} 6 8 9 7,667 2,333
{1,2,4} 6 8 14 9,333 17,333
{1,2,5} 6 8 13 9,000 13,000
{1,3,4} 6 9 14 9,667 16,333
{1,3,5} 6 9 13 9,333 12,333
{1,4,5} 6 14 13 11,000 19,000
{2,3,4} 8 9 14 10,333 10,333
{2,3,5} 8 9 13 10,000 7,000
{2,4,5} 8 14 13 11,667 10,333
{3,4,5} 9 14 13 12,000 7,000
Los cuales nos reproducen los resultados encontrados a nivel de la
población mediante las siguientes expresiones:
N
E( Y )   E( S 2 )   2
N 1
3
1/2/2021
¿POR QUÉ USAR MUESTREO?

- No se necesita tomarse toda la sopa para saber si la sopa está
demasiado salada; si se movió bastante, basta con probar una
cucharada.
- El muestreo es mucho más rápido y mucho menos costoso que un
estudio exhaustivo. Además, puede proporcionar resultados más
precisos que un censo.
- A veces, el manejo de un censo resulta imposible: por ejemplo,
cuando se trata del control de calidad de una fabricación de
fósforos o de cualquier otra fabricación que se tiene que destruir
al controlarla.
Como planificar un muestreo:
1. Establecer los objetivos de la investigación que son posibles de

realizar.
2. Definir la población objetivo concerniente al estudio y de la cual
se va a extraer la muestra.
3. Definir el marco del estudio, como por ejemplo clases de edad
para identificar de mejor manera a las observaciones.
4. Determinar el plan de muestreo función del análisis propuesto.
5. Método de medición, que puede ser encuesta personal, o por
teléfono, correo, etc.
4
1/2/2021
6. Desarrollar la encuesta que nos ayudara al levantamiento de la

encuesta.
7. Realizar la prueba piloto que consta de las primeras 30 encuestas
que persigue concretizar la idea general de la encuesta y nos da
pie al calculo del tamaño de muestra.
8. Realizar la encuesta final con todas las observaciones de la prueba
piloto, y el tamaño de muestra determinado.
9. Analizar las respuestas u observaciones de la encuesta con los
métodos estadísticos apropiados.
10. Analizar mediante estimaciones y pruebas de hipótesis para dar
respuesta a los objetivos de la investigación.
1.2 Tipos de Muestreo Probabilístico
- Muestreo Aleatorio y Simple

- Muestreo Sistemático
- Muestreo por Estratos
- Muestreo por Conglomerados
5
1/2/2021
El muestreo probabilístico puede ser MUESTREO ALEATORIO

SIMPLE, cuando todos los elementos de la población tienen la misma
probabilidad de ser seleccionados en la muestra y esta probabilidad
es conocida.
Este tipo de muestreo es el más recomendable, por que resulta más

fácil de llevarse a cabo y, por lo tanto, es menos costoso.
Para seleccionar una muestra de este tipo se requiere tener en forma

de lista todos los elementos que integran la población y utilizar tablas
de números aleatorios.
Otro tipo de muestreo probabilístico es el MUESTREO ALEATORIO

SISTEMÁTICO, el cual es susceptible de ser más preciso que el
muestreo aleatorio simple.
Se elige un primer elemento del universo y luego se van escogiendo

otros elementos igualmente espaciados a partir del primero. Consiste
en dividir la población en n estratos, compuestos por las primeras K
unidades, las segundas k unidades y así sucesivamente.
6
1/2/2021
Un cuarto tipo de muestreo probabilístico es el MUESTREO

ALEATORIO ESTRATIFICADO, que se aplica cuando la población no
es homogénea con relación a la característica que se desea estudiar:
clases sociales, regiones, sexo, grupos de edad. En este caso la
población queda dividida en estratos o grupos y el muestreo debe
hacerse de tal forma que todos esos grupos queden representados.
Para determinar el tamaño de la muestra en cada estrato, sobre todo

si la estratificación es por niveles de ingreso y por regiones, se puede
utilizar dos métodos:
• Cálculo proporcional al tamaño del estrato: En este caso existe
una relación proporcional entre el tamaño del estrato y el número
de elementos que aporta a la muestra. Cuanto mayor sea el estrato,
mayor será el tamaño de la muestra seleccionada.
• Cálculo desproporcional al tamaño del estrato: Este tipo de cálculo

se utiliza para no tener muestras excesivamente grandes en los
estratos de mayor tamaño y muestras demasiado pequeñas que no
permitan un análisis mayor en los estratos de menor tamaño.
Muchas veces, los productos a investigar tienen su mayor
demanda en los estratos más pequeños.
7
1/2/2021
Suponga que se planea hacer un total de 500 encuestas en la ciudad

donde usted vive.
Considerando los porcentajes de hogares en cada estrato

socioeconómico en un muestreo probabilístico con cálculo
proporcional obtendríamos:
Nivel % de Numero de
socioeconómico hogares entrevistas
A/B 8% 40
C 36% 180
D/E 56% 280
Total 100% 500
Sin embargo, este número de entrevistas por estrato no permitiría

mayor análisis y desvirtuaría los objetivos de la investigación en los
estratos de menos muestra. Aquí se deberá calcular el tamaño de
cada muestra mediante el método des-proporcional, utilizando el
siguiente procedimiento:
• Se numeran los hogares de la lista en forma independiente para

cada estrato.
• Se determina la característica importante para cada estrato y se

hace una estimación de su distribución en la muestra total.
8
1/2/2021
Nivel socio % de Numero Inicial ¿Pagaría 20% Numero Final Porcentaje

3x4
económico Hogares Entrevistas más del precio? Entrevistas Equivalente
A/B 8% 40 60% 24 108 21.6%

C 36% 180 25% 45 203 40.6%
D/E 56% 280 15% 42 189 37.8%
Total 100% 500 100% 111 500 100%
Otro muestreo probabilístico es el MUESTREO ALEATORIO POR

CONGLOMERADOS, donde la población está integrada en grupos
específicos.
El muestreo se hace seleccionando en forma aleatoria algunos

conglomerados dentro del conjunto total y procediendo a analizar a la
población a partir de aquellos elementos seleccionados.
9
1/2/2021
1.3 Estimación de una proporción y media en una población
ESTIMACION EN LO ALEATORIO Y SIMPLE:
Existen dos formas de estimación, la primera si se trata de una

proporción que sucede cuando la variable es cualitativa, por ejemplo:
¿Usted consume regularmente yogurt?
O cuando deseamos estimar un promedio de consumo por ejemplo,

donde el tamaño de muestra depende de la variación de la variable:
¿Cuánto usted consume de yogurt regularmente?
1.3.1 Estimación de la Proporción
Cuando se trata de una muestra con reemplazo (poblaciones

infinitas), se puede calcular la precisión absoluta al 95% sobre la
estimación de P en función de la proporción observada y p del
tamaño de la muestra n, con una precisión absoluta al 95% y error:
p (1  p ) , con:
Z 21   / 2 * ( P (1  P ))
E  1.96 * n
n
E2
10
1/2/2021
Al muestrear sin reemplazo, si el tamaño de la población es menor a

medio millón de unidades de observación, es entonces que debemos
de ajustar la desviación estándar de las medias de muestra
multiplicándola por el factor de corrección para población finita:
P(1  P) N n
pZ * *
1 / 2 n N 1
El teorema del limite central es tan importante por que nos permite
usar los métodos básicos de la distribución normal en variedad de
circunstancias.
Por lo que llegamos a la siguiente expresión despejando el valor de n,
e igualando la expresión que contiene al error:
Z 2 Npq
n
e 2 ( N  1)  Z 2 pq
Donde todo es conocido, excepto el valor de P, que es estimado a
partir de los resultados vistos en la prueba piloto de 30 o más
encuestas.
11
1/2/2021
Para determinar el valor de “n” final, ya que varia según nosotros

elegimos el error de muestreo, y como N es constante y P también es
constante, será aquel tamaño de muestra que no necesite mucho
tiempo o coste de realización. Para definirlo realizamos una tabla
como:
Error n
1% 1000
2% 600
5% 300
1.3.2 Estimación de la Media
Dada la forma como se define el margen de error E, hay una

probabilidad de 1-α de que una media de muestra sea errónea (sea
diferente de la media de la población μ) pero no más de E, y hay una
probabilidad de α de que la media de muestra sea errónea por más de
E. Con base en la definición del margen de error E, podemos
identificar el siguiente intervalo:
S Z 21   / 2 * S 2
X  1.96 (1  f ) , con:
n
n E2
12
1/2/2021
Al calcular el tamaño de muestra n, si la formula no produce un

numero entero siempre debe aumentarse el valor de n al siguiente
numero entero mayor.
Realizar una prueba piloto iniciando el proceso de muestreo. Con

base en la primera recolección de por lo menos 30 observaciones,
tendremos un estimado de la desviación estándar de la muestra S y la
usamos en lugar de σ. Este valor puede refinarse a medida que se
obtengan más datos de muestra.
Ahora si muestreamos sin reemplazo, o que la población es muy

grande. Si tenemos una población relativamente pequeña el error
debe contener el factor de corrección como fue el caso de las
proporciones:
S N n
X Z * *
1 /2 n N 1
Y el tamaño de muestra será igual a:
Z 2 N 2
n
e 2 ( N  1)  Z 2 2
13
1/2/2021
Para determinar el valor de “n” final, ya que varia según nosotros

elegimos el error de muestreo, y como N es constante y S también es
constante, será aquel tamaño de muestra que no necesite mucho
tiempo o coste de realización. Para definirlo realizamos una tabla
como:
Error n
0,1 Kgr 1000
0,5 Kgr 600
1 Kgr 300
En un muestreo estratificado se extrae una muestra dentro de

cada estrato y se calcula el estimador para cada una de las
medias o proporciones de cada estrato.
14
1/2/2021
Para el caso de la Proporción:

L
2
 Z 1  αN p q h
i i i i
n i 1
e2 (N  1)  p q Z21  α
i i i
Para el caso de la Media:

L
Z 2
Nσ 2ihi
1α
n i1
e (N  1)  σ 2iZ21α
2
En el caso de un muestreo estratificado los individuos de un

mismo estrato tienen que ser homogéneos; a lo contrario, los
individuos de un mismo conglomerado tienden a ser
heterogéneos puesto que se les encuestan a todos. Por
ejemplo, las agrupaciones familiares (un distrito de
Cochabamba) es un conglomerado de individuos.
15
1/2/2021
Cuando en lugar de unidades se eligen grupos, bloques o conjuntos

de unidades, se dice que el muestreo es por conglomerados.
Cuando el conglomerado se corresponde con un área geográfica o

zona territorial concreta, como por ejemplo las familias de
determinados barrios, el muestreo por conglomerados recibe el
nombre de muestreo por áreas.
Una vez elegidos los conglomerados:
- Si son pequeños, el estudio de realiza con todas las unidades que

lo componen.
- Si son grandes, es imposible realizar el estudio con todos los

elementos. Hay que recurrir a la elección de una muestra de ese
conglomerado.
- Se pretende que los conglomerados sean homogéneos entre sí;

sin embargo, que las unidades que las componen sean
heterogéneas.
16

Capitulo 2 - Estadística II

Cargado por

Información del documento

Descripción original:

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

Capitulo 2 - Estadística II

Cargado por

Copyright:

Formatos disponibles

1/2/2021

1.1 Teoría de Estimación Estadística

Sean X y S la media y la desviación típica de la distribución muestral

Entonces la distribución muestral de X es aproximadamente normal

Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS

Teorema del Limite Central, establece:

- A medida que aumenta el tamaño de la muestra, la distribución de

Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS

Calidades de un Estimador (sesgo débil, dispersión débil):

- Lo aleatorio en muestreo se debe al hecho que se extrae una

Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS

Ejemplo: Se considera una población de tamaño 5. Los valores

Se extrae, con equi-probabilidad y sin reemplazo, una muestra

Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS

Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS

¿POR QUÉ USAR MUESTREO?

Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS

Como planificar un muestreo:

1. Establecer los objetivos de la investigación que son posibles de

Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS

6. Desarrollar la encuesta que nos ayudara al levantamiento de la

Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS

1.2 Tipos de Muestreo Probabilístico

- Muestreo Aleatorio y Simple

Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS

El muestreo probabilístico puede ser MUESTREO ALEATORIO

Este tipo de muestreo es el más recomendable, por que resulta más

Para seleccionar una muestra de este tipo se requiere tener en forma

Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS

Otro tipo de muestreo probabilístico es el MUESTREO ALEATORIO

Se elige un primer elemento del universo y luego se van escogiendo

Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS

Un cuarto tipo de muestreo probabilístico es el MUESTREO

Para determinar el tamaño de la muestra en cada estrato, sobre todo

Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS

• Cálculo desproporcional al tamaño del estrato: Este tipo de cálculo

Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS

Suponga que se planea hacer un total de 500 encuestas en la ciudad

Considerando los porcentajes de hogares en cada estrato

Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS

Sin embargo, este número de entrevistas por estrato no permitiría

• Se numeran los hogares de la lista en forma independiente para

• Se determina la característica importante para cada estrato y se

Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS

Nivel socio % de Numero Inicial ¿Pagaría 20% Numero Final Porcentaje

A/B 8% 40 60% 24 108 21.6%

Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS

Otro muestreo probabilístico es el MUESTREO ALEATORIO POR

El muestreo se hace seleccionando en forma aleatoria algunos

Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS

1.3 Estimación de una proporción y media en una población

ESTIMACION EN LO ALEATORIO Y SIMPLE:

Existen dos formas de estimación, la primera si se trata de una

O cuando deseamos estimar un promedio de consumo por ejemplo,

Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS

1.3.1 Estimación de la Proporción

Cuando se trata de una muestra con reemplazo (poblaciones

Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS

Al muestrear sin reemplazo, si el tamaño de la población es menor a

Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS

Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS

Para determinar el valor de “n” final, ya que varia según nosotros