Objetivo

Con base en los recursos proporcionados de la unidad 2, el alumno aprenderá a

diferenciar entre muestreo y muestra. Las dos cualidades que componen al muestreo
(probabilístico y no probabilístico), a si como sus diferentes tipos (aleatorio simple, aleatorio
sistemático, aleatorio estratificado, conglomerado, intencional, accidental, bola de nieve y cuotas
), lo que es el error muestral, estimación por intervalos, teorema de limites y poder
ejemplificarlos.
Cuestionario
¿Qué es el muestreo y qué es la muestra, y menciona un ejemplo de cada uno?

Como lo menciona Puente, muestreo “es un método para recoger información y hacer las
inferencias sobre una población más grande o universo, a partir del análisis de sólo una parte, la
muestra”. Existen varias técnicas de muestreo (fig. 1).

Figura 1.- Técnicas de Muestreo.

Por ejemplo, si tienes una población de 100 personas, cada persona tendría una
probabilidad de 1 de 100 de ser seleccionado.

Una muestra es una representación adecuada de la población, en la que se reproduzca de

la mejor manera los rasgos esenciales de dicha población que son relevantes para la
investigación. Para que una muestra sea representativa, y por lo tanto útil, debe de reflejar las
similitudes y diferencias encontradas en la población, es decir ejemplificar las características de
ésta.

Por ejemplo, seleccionar a 100 personas de un grupo de 1000 que se someten a una
encuesta para conocer la satisfacción de un producto.
¿Cuáles son las características del muestreo probabilístico y las del muestreo no
probabilístico?

Características del muestreo probabilístico.

◦ Muestreo aleatorio simple

◦ Muestreo aleatorio sistemático

◦ Muestreo aleatorio estratificado

◦ Muestreo por conglomerados

Características del muestreo no probabilístico.

• Muestreo intencional (muestreo útil y de casos típicos)

• Muestreo accidental

• Muestreo bola de nieve

• Muestreo por cuotas.

¿Qué es el teorema de límite central y cuál es su importancia?

El teorema de límite central es un resultado matemático que garantiza que, si sumamos

variables cualesquiera (no necesariamente normales), la variable suma también seguirá una
distribución normal (esto siempre que se cumplan algunas condiciones básicas).

El teorema del limite central tiene una gran importancia ya que permite tratar la
distribución muestral como si fuera normal. Para que las conclusiones del teorema sean válidas,
necesitamos un tamaño de muestra que sea lo suficientemente grande.

¿Qué son las técnicas de muestreo y las del cálculo de tamaño de la muestra y para qué nos
Sirven?

Las Técnicas de Muestreo pueden ser probabilísticas y no probabilísticas. En las primeras

la probabilidad de selección de una de las múltiples muestras que pueden ser extraídas de la
población puede ser distinta y entonces debe ser conocida esta probabilidad o consideramos que
es igual para todas las muestras. En las no probabilísticas esta probabilidad es desconocida. Esta
característica hace que con las primeras Técnicas de Muestreo obtengamos muestras
representativas, numéricamente hablando, y las segundas no producen muestras representativas o
su representatividad es estructural, y la información que facilitan asumimos que puede ser
generalizable.

Para el cálculo del tamaño de la muestra se asume que el muestreo es aleatorio simple. La
población puede ser considerada finita o infinita y el parámetro a estimar va a ser una proporción
o una media. Una población se considera finita si su tamaño (N) es inferior a 100,000 unidades
de observación y se considera infinita si es mayor de esta cantidad o es desconocida.

Esto hace referencia al teorema del limite central, Puente (2010) “establece que si
extraemos m muestras de una población de tamaño n, siendo n en todos los casos mayor que 30,
si calculamos las medias muéstrales de las m muestras, obtenemos m medias muéstrales. “
¿Cuál es la diferencia entre población, muestra, parámetros y estadísticos?

La diferencia entre una población y una muestra, es que la población es un conjunto de

personas, objetos o eventos acerca de los cuales se desea hacer inferencias. La muestra es un
subconjunto de personas, objetos o eventos de una población más grande que se recolecta y
analiza para hacer inferencias.

La diferencia entre estadístico y parámetro, es que un estadístico es un valor que describe

una característica de una muestra. El valor de un estadístico varia de una muestra a otra por lo
que no tiene un valor único. Un parámetro es un valor que describe una característica de una
población. Por lo que el valor de un parámetro poblacional es único.

¿Qué es el error muestral y la estimación por intervalo?

Es el error obtenido a partir de una muestra obtenida por los procedimientos de técnicas
de muestreo probabilísticas y permite definir el intervalo de confianza dentro del cual estará el
parámetro desconocido de la población. El error muestral o error absoluto es el error típico
multiplicado por el valor de Z que define un determinado Nc . La muestra permite obtener el
error típico y a partir de este obtener el error absoluto o error muestral.

La estimación por intervalo, supone conocer los límites dentro de los cuales se encuentra
el parámetro desconocido de la población, pero siempre existirá la probabilidad de que el
intervalo no contenga este parámetro. Las probabilidades supone asumir este nivel de
incertidumbre.
¿Ejemplifica la estimación por intervalo y haz énfasis en su interpretación?

La estima de un parámetro poblacional dada por un número se llama estima del punto del
parámetro. La estima de un parámetro poblacional dada por dos números entre los cuales se
considera que se encuentra dicho parámetro se llama estima de intervalo del parámetro.

Ejemplo
Se generan 100000 muestras aleatorias (n=25) de una población que sigue la distribución
Normal, y resulta:

La distribución de las Medias muéstrales aproxima al modelo Normal:

En consecuencia, el intervalo dentro del cual se halla el 95% de las Medias muéstrales es

Nota: Los valores +-1.96 que multiplican la Desviación Típica de la distribución muestral
son los valores cuya función de distribución es igual a 0.975 y 0.025 respectivamente y se
pueden obtener en las tablas de la distribución Normal estandarizada. Seguidamente generamos
una muestra de la población y obtenemos su Media, que es igual a 4.5. Si establecemos el
intervalo alrededor de la Media muestral, el parámetro poblacional (5.1) está incluido dentro de
sus límites:
 Ahora bien, la distancia de un punto A a un punto B es la misma que de B a A. Por esa
razón, la distancia desde m a la Media muestral es la misma que va de la Media muestral a m. En
consecuencia, si hacemos un muestreo con un número grande de muestras observamos que el
95% de las veces (aproximadamente) el valor de la Media de la población (m) se encuentra
dentro del intervalo definido alrededor de cada uno de los valores de la Media muestral. El
porcentaje de veces que el valor de m se halla dentro de alguno de los intervalos de confianza es
del 95%, y es denominado nivel de confianza.
Si queremos establecer un intervalo de confianza en que el % de veces que m se halle
dentro del intervalo sea igual al 99%, la expresión anterior es:

Obtenemos el valor +-2.58 que multiplica la Desviación Típica de la distribución

muestral en las tablas de la distribución Normal estandarizada o de funciones en aplicaciones
informáticas, y son los valores cuya función de probabilidad es igual a 0.995 y 0.005
respectivamente).

Ejemplo
La siguiente imagen muestra la distribución de las Medias muéstrales obtenidas de
100000 muestras aleatorias y los intervalos alrededor de cada una de las Medias obtenidas de
diez de las muestras:

donde ls y le simbolizan los límites superior e inferior del intervalo de confianza al 95%.
 Nueve de los diez intervalos salvo el definido alrededor de la Media muestral igual a 3.7
incluyen el valor del parámetro dentro sus límites.
¿Ejemplifica el cálculo para obtener el tamaño de una muestra, bajo la suposición de
muestreo aleatorio simple?

Calcular el tamaño de la muestra de una población de 500 elementos con un nivel de

confianza del 95%
Solución:
Realizando el gráfico que representa el 95% de confianza se obtiene:

Se tiene N=500, para el 95% de confianza Z = 1,96, y como no se tiene los demás valores se
tomará y e = 0,05.
Reemplazando valores de la fórmula se tiene:
Lista de Referencias

• Guerra , C. (2003). Estadística. Recuperado de https://elibro.net/es/ereader/uvm/71785

• Puente, C. (2010). Estadística descriptiva e inferencial y una introducción al método

científico. Recuperado de http://site.ebrary.com/lib/vallemexicosp/reader.action?
docID=10378624

• monografias, (s.f.). Cálculo del tamaño de la muestra. Recuperado el 31 de Julio de 2021

de https://www.monografias.com/trabajos87/calculo-del-tamano-muestra/calculo-del-
tamano-muestra.shtml