INTRODUCCION

En el siguiente informe estaremos viendo diversos temas como el muestreo, que

es una herramienta matemática que se utiliza para hacer estudios de las
características de una población, también estaremos viendo los diversos tipos de
muestreo y temas importantes como la estimación estadística, que habla sobre un
conjunto de técnicas para dar un valor aproximado de un parámetro de una
población a partir de datos proporcionados por una muestra, entre otros temas que
tienen la misma importancia como los diversos tipos de estimación y los intervalos.
 Muestreo
En la estadística, se conoce como muestreo a la técnica para la selección de una
muestra a partir de una población estadística.

Al elegir una muestra aleatoria se espera conseguir que sus propiedades sean
extrapolables a la población. Este proceso permite ahorrar recursos, y a la vez
obtener resultados parecidos a los que se alcanzarían si se realizase un estudio
de toda la población. En las investigaciones llevadas por empresarios y de la
medicina se usa muestreo extensivamente en recoger información sobre
poblaciones.
Cabe mencionar que para que el muestreo sea válido y se pueda realizar un
estudio adecuado (que consienta no solo hacer estimaciones de la población sino
estimar también los márgenes de error correspondientes a dichas estimaciones),
debe cumplir ciertos requisitos. Nunca podremos estar enteramente seguros de
que el resultado sea una muestra representativa, pero sí podemos actuar de
manera que esta condición se alcance con una probabilidad alta.

Distribuciones de muestreo
Las distribuciones de muestreo constituyen una pieza importante de estudio por
varias razones. En la mayoría de los casos, la viabilidad de un experimento dicta
el tamaño de la muestra. La distribución de muestreo es la distribución de
probabilidad de una muestra de una población en lugar de toda la población.

En palabras más simples, supongamos que de una determinada población tomas

todas las muestras posibles de tamaño n y calculas una estadística (por ejemplo,
media) de todas las muestras. Si luego preparas una distribución de probabilidad
de esta estadística, obtendrás una distribución de muestreo.

Tipos de muestreo
1. muestreo sistemático
2. muestreo estratificado
3. muestreo por etapas múltiples
4. muestreo por conglomerados
5. muestreo no probabilístico
6. muestreo por cuotas
7. muestreo de bola de nueve
 8. muestreo subjetivo por decisión razonada

Muestreo aleatorio simple

Se llama así al procedimiento de seleccionar una muestra cumpliendo dos
propiedades fundamentales:
1. Todos los individuos de la población tienen la misma probabilidad de ser
elegidos.
2. Todas las muestras del mismo tamaño son igualmente probables.
Desde un punto de vista matemático, el muestreo aleatorio simple se realiza
suponiendo que la población tiene infinitos elementos. En la práctica, suele ocurrir
que las poblaciones a considerar tienen un número muy grande de elementos, con
lo cual puede equipararse a una situación con infinitos elementos.

Muestreo con reposición y sin reposición

Sin reposición de los elementos: Cada elemento extraído se descarta para la

subsiguiente extracción. Por ejemplo, si se extrae una muestra de una "población"
de bombillas para estimar la vida media de las bombillas que la integran, no será
posible medir más que una vez la bombilla seleccionada.
Con reposición de los elementos: Las observaciones se realizan con remplazo
de los individuos, de forma que la población es idéntica en todas las extracciones.
En poblaciones muy grandes, la probabilidad de repetir una extracción es tan
pequeña que el muestreo puede considerarse con reposición, aunque, realmente,
no lo sea.
Con reposición múltiple: En poblaciones muy grandes, la probabilidad de repetir
una extracción es tan pequeña que el muestreo puede considerarse con
reposición.
Para realizar este tipo de muestreo, y en determinadas situaciones, es muy útil la
extracción de números aleatorios mediante ordenadores, calculadoras o tablas
construidas al efecto.
 Tablas de números aleatorios
Las tablas de números aleatorios se han utilizado en estadística para la selección
de muestras aleatorias. Estas tablas resultan más eficaces que la selección
manual de muestras al azar (con dados, cartas, etc.) Hoy en día, las tablas de
números aleatorios han sido sustituidos por los generadores de números
aleatorios.

Las tablas de números aleatorios son conjuntos de dígitos dispuestos para su

mejor lectura en filas y columnas (por ejemplo, de dos en dos, de tres en tres, etc.)
que facilitan la selección de los elementos de una muestra probabilística al ser el
resultado de un muestreo aleatorio con reemplazamiento realizado sobre la
población que forman los diez dígitos (0, 1, 2, 3, 4, 5, 6, 7, 8, 9).

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.

Estimación puntual

Una estimación puntual de un parámetro poblacional es cuando se utiliza un único

valor para estimar ese parámetro, es decir, se usa un punto en concreto de la
muestra para estimar el valor deseado

Cuando estimamos un parámetro de forma puntual, podemos saber con certeza,

cuál es ese valor. Imaginemos una población de 30 personas de las que
seleccionamos una muestra de 20 para las que conocemos sus edades. Estimar
de forma puntual la media de edad, sería tan sencillo como sumar esos 20 datos y
dividirlos entre el total de la muestra estadística.
 Estimación por intervalos
La estimación por intervalos consiste en establecer el intervalo de valores donde
es más probable se encuentre el parámetro. La obtención del intervalo se basa en
las siguientes consideraciones:
a) Si conocemos la distribución muestral del estimador podemos obtener las
probabilidades de ocurrencia de los estadísticos muestrales.
b) Si conociéramos el valor del parámetro poblacional, podríamos establecer la
probabilidad de que el estimador se halle dentro de los intervalos de la distribución
muestral.

c) El problema es que el parámetro poblacional es desconocido, y por ello el

intervalo se establece alrededor del estimador. Si repetimos el muestreo un gran
número de veces y definimos un intervalo alrededor de cada valor del estadístico
muestral, el parámetro se sitúa dentro de cada intervalo en un porcentaje conocido
de ocasiones. Este intervalo es denominado "intervalo de confianza".

Varianza poblacional

El análisis de varianza es una técnica que se puede utilizar para decidir si las
medias de dos o más poblaciones son iguales. La prueba se basa en una muestra
única, obtenida a partir de cada población. El análisis de varianza puede servir
para determinar si las diferencias entre las medias muestrales revelan las
verdaderas diferencias entre los valores medios de cada una de las poblaciones, o
si las diferencias entre los valores medios de la muestra son más indicativas de
una variabilidad de muestreo.

Si el valor estadístico de prueba (análisis de varianza) nos impulsa a aceptar la

hipótesis nula, se concluiría que las diferencias observadas entre las medias de
las muestras se deben a la variación casual en el muestreo (y por tanto, que los
valores medios de población son iguales). Si se rechaza la hipótesis nula, se
concluiría que las diferencias entre los valores medios de la muestra son
demasiado grandes como para deberse únicamente a la casualidad (y por ello, no
todas las medias de población son iguales).
Los datos para el análisis de varianza se obtienen tomando una muestra de cada
población y calculando la media muestral y la variancia en el caso de cada
muestra.

CONCLUSION

Luego de leer, analizar y comprender todos los temas incluidos en este informe, se
puede llegar a la conclusión de que estos temas son de vital importancia para
matemáticas porque son piezas fundamentales para hacer cálculos matemáticos,
como ejemplo del muestreo, que es la técnica para la selección de una muestra a
partir de una población, y la estimación para sacar tipos de estimados por
intervalos y por proporción son muy importantes.