Universidad Politécnica Territorial

“José Antonio Anzoátegui”

El Tigre, Estado Anzoátegui
 CONTENIDO

MUESTREO Y
INTRODUCCIÓN..................................................................................................................................2
LAS DISTRIBUCIONES DE MUESTREO.................................................................................................4
DISTRIBUCIÓN DE T STUDENT............................................................................................................5

ESTIMACIÓN
Caracterización...............................................................................................................................5
JI CUADRADO.....................................................................................................................................6
DISTRIBUCIÓN F DE FISHER................................................................................................................7
MUESTREO ALEATORIO SIMPLE.........................................................................................................8
MUESTREO CON REPOSICIÓN............................................................................................................9
MUESTREO SIN REPOSICIÓN............................................................................................................10
CONCLUSIÓN....................................................................................................................................11
BIBLIOGRAFÍA...................................................................................................................................12

Profesora: Integrantes:
Marvelys Alvarado. Rosangelis Mijares CI: 27.928.270
IF01 Omar Veliz CI: 27.928.446
TIII-FI
 INTRODUCCIÓN

Una muestra es un subconjunto de la población, y es el que verdaderamente se estudia

en la inmensa mayoría de los experimentos y estudios. Se debe acudir a muestras cuando la
población es demasiado numerosa (población infinita), o bien resulta muy caro un estudio
exhaustivo. Otro motivo suele ser que el experimento requiera pruebas destructivas, y no es
caso de destruir la población.

Una muestra es representativa cuando tiene una estructura y unos parámetros muy
parecidos a la población. Desgraciadamente, esta definición no es útil, pues generalmente
no se conoce con seguridad la población, o existe la sospecha de que sus características
hayan cambiado. En cuanto al muestreo es el conjunto de técnicas que nos ayudan a elegir
una muestra representativa.

La parte de la Estadística que estudia las estimaciones (relaciones entre poblaciones y

muestras) se llama Estadística Inferencial, y es la que comenzamos a estudiar en esta
sesión.

En cuanto a la Estimación, se pueden estimar unas características numéricas de la

población, llamadas parámetros, mediante unas medidas efectuadas en la muestra, a las que
llamaremos estadísticos. Los más populares son, la media esta mediante el promedio de los
datos de una muestra se intenta inferir qué media tendrá la población. Por ejemplo, se mide
la resistencia de unos tornillos y se desea con ellos estimar qué resistencia ofrecerán los
tornillos fabricados en un largo periodo de tiempo.

La proporción, siendo la estimación propia de las encuestas, y por tanto de la de

nuestro ejemplo. Se calculan porcentajes en la muestra y con ellos se estiman las
proporciones en la población.

Y por último la varianza, que se mide la variabilidad de la muestra y con ella se

estima la de la población, hay dos clases de estimación.
 La Puntual, Consiste en asignar al parámetro de la población el mismo valor que su
correspondiente estadístico en la muestra. Es una operación muy arriesgada, porque
normalmente no coinciden los dos valores. Si así fuera, acertarían todos los sondeos previos
a las elecciones.

Y por intervalos, en esta modalidad se rodea el valor de la estimación de todo un

intervalo de tolerancia, llamado intervalo de confianza (coloquialmente horquilla), en el
que se puede evaluar la probabilidad de que figure el verdadero valor del parámetro.

En términos generales, todo estudio estadístico se basa en los siguientes aspectos:1.

Fijar la población: determinar el conjunto de individuos a los que involucra el estudio.2.
Indicar la característica a estudiar (que, en general, es una variable aleatoria).3. Recopilar
información relativa a la característica en ciertos individuos.4. Extraer conclusiones a
partir del estudio.
 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. De igual forma 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.

Las propiedades de la distribución de muestreo pueden variar dependiendo de cuán

pequeña sea la muestra en comparación con la población. Se supone que la población se
distribuye normalmente como generalmente sucede. Si el tamaño de la muestra es lo
suficientemente grande, la distribución de muestreo también estará cerca de lo normal.

Si éste es el caso, entonces la distribución de muestreo puede ser totalmente

determinada por dos valores: la media y la desviación típica. Estos dos parámetros son
importantes para calcular si se nos da la distribución normal de toda la población.

Ejercicio:

1. En el último año, el peso de los recién nacidos en una maternidad se ha distribuido

según la ley normal de media μ= 3100g y desviación típica σ= 150g.

¿Cuál es la probabilidad de que la media de una muestra de 100 recién nacidos sea
superior a 3130g?

μ= 3100g σ= 150g n: 100

-Calculamos la media y la desviación típica de la muestra

-Calcula mos la probabilidad pedida

 DISTRIBUCIÓN DE T STUDENT

Probabilidad y estadística, la distribución-t o distribución t de Student es una

distribución de probabilidad que surge del problema de estimar la media de una población
normalmente distribuida cuando el tamaño de la muestra es pequeño. A la teoría de
pequeñas muestras también se le llama teoría exacta del muestreo, ya que también la
podemos utilizar con muestras aleatorias de tamaño grande.

Caracterización

La distribución t de Student es la distribución de probabilidad del cociente donde:

 Z es una variable aleatoria distribuida según una normal típica (de media nula

y varianza 1).
 V es una variable aleatoria que sigue una distribución χ² con  grados de libertad.
 Z y V son independientes
 JI CUADRADO

Se basa en la comparación de las frecuencias bivariadas obtenidas a partir de los

datos (frecuencias empíricas) con las frecuencias que resultarían si NO hubiere relación de
asociación entre las variables (frecuencias teóricas).

Las frecuencias teóricas pueden ser obtenidas a partir de un razonamiento sencillo: Si

no hubiere asociación entre X e Y, cada una de las modalidades de cada variable estaría
emparejada con cada una de las modalidades del otra variable. Si no hay emparejamiento
significa que hay asociación entre las variables.

El cálculo consiste en:

a) Sumar cada fila y cada columna, obteniendo las renombradas distribuciones

marginales (que son las de cada variable por separado).
b) Para cada casilla del interior de la Tabla, obtener el producto de la casilla de su
marginal fila por la casilla de su marginal columna y dividir por N (número de
casos).
 DISTRIBUCIÓN F DE FISHER

Es una distribución continua de muestreo de la relación de dos variables aleatorias

independientes con distribuciones de chi-cuadrada, cada una dividida entre sus grados de
libertad. La distribución F es asimétrica hacia la derecha y es descrita por los grados de
libertad de su numerador (ν1) y denominador (ν2). Las siguientes gráficas muestran el efecto
de los diferentes valores de grados de libertad en la forma de la distribución.
 ( )
10
10+10 10 102 2 −1
γ ( ) 3
2 10
f ( x )={ 10+10
= 0.048666
10 10 10
γ ( )γ ( )(1+ 3) 2
2 2 10

Ejemplo 2 : calcular los valores de una distribución de Fisher

a) f0.05 con gl=7 y gl=15; = 2.71

b) f0.05 con gl=15 y gl=7; = 3.51

estos se calcula en la intercepción de los dos grados de libertad en la tabla de Fisher.

MUESTREO ALEATORIO SIMPLE

 Es una técnica de muestreo en la que todos los elementos que forman el universo - y
que por lo tanto están incluidos en el marco muestral - tienen idéntica probabilidad de ser
seleccionados para la muestra.

Se llama así al procedimiento de seleccionar una muestra cumpliendo dos

propiedades fundamentales:

 Todos los individuos de la población tienen la misma probabilidad de ser elegidos.

 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.

Eje: El proceso de muestreo que emplea la técnica equivalente a hacer un sorteo entre
los individuos del universo: donde se asigna a cada persona un boleto, se introduce los
boletos en una caja y se empieza a extraer boletos al azar. Todos los individuos que tengan
un boleto extraído de la caja formarían la muestra. Obviamente, en la práctica, estos
métodos pueden automatizarse mediante el uso de programas informáticos.

Dependiendo de si los individuos del universo pueden ser seleccionados más de una
vez en la muestra o no, hablaremos de muestreo aleatorio simple con reposición o sin
reposición.

MUESTREO CON REPOSICIÓN

 Es el método para obtener una muestra con reposición. Esta muestra consiste en que
al seleccionar un segundo elemento, el primero debe haber sido devuelto a la población. De
este modo un elemento puede repetirse en la muestra.

Es decir, con este método una unidad en particular puede quedar incluida más de una
vez en la muestra, pudiendo ser hasta "n veces". El universo o población se mantiene
permanentemente con un tamaño N.

Ejemplo anterior:

Si usamos reposición, el hecho de que seleccione un individuo al azar para la muestra

no impide que este mismo individuo pueda volver a ser seleccionado. Siguiendo con el
símil de la caja y los boletos, usar reposición equivale a reintroducir los boletos de los
individuos seleccionados para la muestra antes de extraer el siguiente boleto.

MUESTREO SIN REPOSICIÓN

 Es el procedimiento para seleccionar cada elemento de la población éste no se repone
o considera de nuevo en la población, por lo que no puede ser seleccionado nuevamente.

En este caso el tamaño de la población o universo se irá reduciendo en cada

selección N-1, N-2, N-3,..., etc. unidades de muestreo hasta N - n elementos.

Ejemplo anterior:

Si, por el contrario, no usamos reposición, un individuo seleccionado para la muestra

ya no entraría nuevamente en el sorteo. Un individuo solo puede aparecer una única vez en
una muestra.

CONCLUSIÓN
 BIBLIOGRAFÍA

https://www.medwave.cl/link.cgi/Medwave/Series/MBE04/5266

https://bookdown.org/aquintela/EBE/muestreo-aleatorio-simple.html

https://presentacionestadistica-150619182545-lva1-app6892.pdf