Documentos de Académico
Documentos de Profesional
Documentos de Cultura
RESUMEN Y PARÁFRASIS
Introducción...................................................................................................................... 4
Resumen ............................................................................................................................ 6
Conclusión.........................................................................................................................29
Referencias ..................................................................................................................... 30
Paráfrasis........................................................................................................................ 31
INTRODUCCIÓN
Estos subtemas son la introducción para entender el tema teoría del muestreo,
muestras aleatorias y números aleatorios, muestreo con y sin reposición,
distribuciones de muestreo, distribución de muestreo de medidas, distribución de
muestreo de proporciones, distribución de muestreo de diferencias y sumas, errores
típicos, estimación de parámetros, estimación sin sesgo, estimación eficiente,
estimaciones de punto y estimaciones de intervalo; su fiabilidad, estimaciones de
4
intervalo de confianza para parámetros de población, intervalos de confianza para
las medias, intervalos de confianza para proporciones, intervalos de confianza para
diferencias y sumas, intervalos de confianza para desviaciones típicas, error
probable.
5
RESUMEN
La teoría del muestreo estudia la relación entre una población y las muestras
tomadas de ella. Tiene mucha utilidad en muchos campos. Como estimar magnitudes
desconocidas de una población como lo son la media y varianza llamadas a menudo
parámetros de la población. El nombre de estas magnitudes sobre muestras se les
llama estadísticos de la muestra o simplemente estadísticos.
EJEMPLO
6
una serie de muestras, las estimaciones del porcentaje de presencia de Leiognathus
splendens en las capturas fueron
A. 4 4 3 5 4
35464
63435
45446
53545
B. 9 7 11 4 8
4 10 8 9 12
8 3 6 10 15
11 12 7 13 11
10 5 8 9 12
7
Se puede producir un sesgo como consecuencia de un método deficiente de análisis,
pero con más frecuencia por una elección defectuosa de las muestras, o por el mismo
método que se emplea para realizar las mediciones o al contar las muestras; por
ejemplo, si los peces se clasifican por tamaños al ser desembarcados, y se toma una
muestra de una partida de los grandes, se producirá una sobreestimación de la talla
- un sesgo positivo en la talla media - o si se hacen caladas con una red clara para
plancton, al escapar las diatomeas pequeñas, quedarán éstas subestimadas, mientras
que las grandes resultarán sobreestimadas (sesgos negativo y positivo
respectivamente en la proporción de diatomeas pequeñas y grandes). Es difícil
librarse de los sesgos, especialmente si se toman muestras en ambientes marinos
naturales, bien de diatomeas con una red de plancton, o peces con un arte de
arrastre.
8
muestras A o B están sesgadas). Normalmente, el sesgo sólo podrá descubrirse y
eliminarse nada más que a través de un examen cuidadoso del sistema de muestreo,
desde el comienzo al fin. En la mayor parte de las situaciones, debe ponerse un gran
cuidado para comprobar que han sido eliminadas todas las fuentes probables de
sesgos. Sin embargo, hay casos en los que resulta muy fácil medir el sesgo y, por lo
tanto, eliminarlo de los análisis posteriores (por ejemplo, las redes de enmalle son
altamente selectivas del tamaño de los peces que capturan, y darán muestras
sesgadas en la estimación de la talla media. Sin embargo, esta selectividad puede ser
medida, y corregida, en los análisis posteriores). No obstante, en este caso, como en
todos los demás, es preciso examinar todas las posibilidades de sesgos antes de
proceder al muestreo y, si se reconoce la existencia de un sesgo, éste debe medirse
cuidadosamente, independientemente del proceso del muestreo.
9
MUESTRAS ALEATORIAS Y NÚMEROS ALEATORIOS
Las muestras deben escogerse representativas para que las conclusiones de la teoría
del muestreo y de la inferencia sean válidas. El diseño del experimento es el análisis
de los métodos de muestreo y problemas relacionados.
EJEMPLO
Una empresa tiene 120 empleados. Se quiere extraer una muestra de 30 de ellos.
10
MUESTREO CON Y SIN REPOSICIÓN
Hay dos tipos de muestreo el primero que es el muestreo con reposición consiste en
que si sacas de urna un elemento y lo vuelves a meter para que pueda salir otra vez
y el otro que es el muestreo sin reposición consiste en que no pueda a volver a entrar
otra vez ese elemento. Por ejemplo en una lotería de la escuela en la que se sortean
2 objetos hay 10 personas que entraron a esta y consta de ser con reposición, en esta
rifa salió ganando la misma persona los dos objetos, y si hubiera sido sin reposición 2
personas hubieran ganado y no solo una.
DISTRIBUCIONES DE MUESTREO
11
distribución de muestreo podemos calcular la media, la desviación típica, etc. Así se
podemos ver la media y la desviación típica de la distribución de muestreo de medias,
etc. Una distribución de muestreo de medias o distribución de muestreo de la media
es cuando utilizamos
la media muestral.
EJEMPLO
12
Como lo podemos observar en la figura la distribución de las muestras es simétrica y
normal. La media de nuestras muestras es 161,42; ligeramente por arriba de la media
real, y la desviación estándar es de 6,17; más de medio centímetro por debajo de la
desviación estándar de la población. La distribución muestral tiene algunas
propiedades que son útiles para nuestro trabajo estadístico:
El número (3) de la lista tiene su lógica ya que en una muestra aleatoria un valor
frecuente tiene más probabilidad de ser seleccionada que un valor extremo. La
diferencia entre curva normal de la población y la curva de la distribución muestral
está ilustrada en la figura.
13
DISTRIBUCIÓN DE MUESTREO DE MEDIAS
Suponiendo que se toman las posibles muestras de tamaño N sin reposición de una
población finita de tamaño NP > N. Si se denota la media y la desviación típica de la
distribución de muestreo de medias por µX y σX y las de la población por µ y σ,
σ 𝑁 −𝑁
entonces µX = µ y σX = √ 𝑃
, si la población es infinita o si el muestreo es
√𝑁 𝑁 −1𝑃
σ
con reposición los resultados se reducen a µX = µ y σX = .
√𝑁
EJEMPLO
Supongamos que la estatura media de las alumnas de un instituto es de 165 cm, con
desviación típica de 8 cm.
14
DISTRIBUCIÓN DE MUESTREO DE PROPORCIONES
15
𝑝𝑞 𝑝 (1−𝑝)
por µp = p y σp = √ =√ que se puede obtener poniendo µ = p y σ =
𝑁 𝑁
EJEMPLO
SOLUCIÓN
a)
16
DISTRIBUCIÓN DE MUESTREO DE DIFERENCIAS Y SUMAS
= µs1 – µs2 y σs1 – s2 = √σ2s1 + σ2s2 supuesto que las muestras escogidas no dependan
en absoluto una de otra.
EJEMPLO
Si S1 y S2 son las medias muestrales de ambas poblaciones con medias
denotaremos por X1 y X2 respectivamente, entonces la distribución de muestreo de
las diferencias de medias viene dada para poblaciones infinitas con medias y
desviaciones típicas (µ1, σ1) y (µ2, σ2) por µx1 – x2 = µx1 – µx2 = µ1 – µ2, y σx1 – σx2 =
σ21 σ22
√σ2X1 + σ2X2 = √ + usando las ecuaciones. El resultado también es válido
N1 N2
17
ERRORES TÍPICOS
18
19
CAPÍTULO 9. TEORÍA DE LA ESTIMACIÓN ESTADÍSTICA
ESTIMACIÓN DE PARÁMETROS
EJEMPLO
20
ESTIMACIÓN SIN SESGO
EJEMPLO
21
ESTIMACIÓN EFICIENTE
EJEMPLO
Las distribuciones de muestreo de media y mediana tienen ambas la misma media, a
saber, la media de la población. Sin embargo, la varianza de la distribución
de muestreo de medias es menor que la varianza de la distribución de muestreo de
medianas. Por tanto, la media muestral da una estimación eficiente de la media de la
población, mientras la mediana de la muestra da una estimación ineficiente de ella.
22
ESTIMACIONES DE PUNTO Y ESTIMACIONES DE INTERVALO; SU FIABILIDAD
EJEMPLO
Si decimos que una distancia se ha medido como 5.28 metros, estando dando una
estimación de punto. Por otra parte si decimos que la distancia es 5.28+
- 0.03
23
ESTIMACIONES DE INTERVALO DE CONFIANZA PARA PARÁMETROS DE
POBLACIÓN
24
INTERVALOS DE CONFIANZA PARA LAS MEDIAS
25
la muestra de tamaño N. Usando los calores de σP obtenidos en el capítulo 8 vemos
los límites de confianza para la proporción en la población vienen dados por
𝑝𝑞 𝑝(1− 𝑞)
P-+ zc √ = P-+ zc √ si el muestreo es de una población infinita o finita
𝑁 𝑁
𝑝𝑞 𝑁𝑝 − 𝑁
con reposición y por P-+ zc √ zc √ , si el muestreo es de una población
𝑁 𝑁𝑝 − 1
26
+ +
parámetros de población vienen dados por S1 + S2 - zc σS1 + S2 = S1 + S2 -
2 2
zc √𝜎𝑠1 + 𝜎𝑠2 , supuesto que las muestras sean independientes.
EJEMPLO
X1, σ1, N1 y X2, σ2, N2 son las respectivas medias, desviaciones típicas y tamaños de
las dos muestras sacadas de las poblaciones. De forma similar los límites de confianza
para la diferencia de dos proporciones poblacionales con poblaciones infinitas.
σ.
EJEMPLO
La estatura media de los alumnos de primaria de una ciudad. Supongamos también
que extraemos una muestra aleatoria simple de tamaño “n” en la que obtenemos un
valor concreto para la media muestral. Sabemos que si la población de partida es
normal o el tamaño de la muestra es mayor de 30, la distribución en el muestreo de
las medias muestrales sigue una normal de parámetros:
27
En esta distribución pueden calcularse los valores que encierran una probabilidad de
ERROR PROBABLE
28
CONCLUSIÓN
29
REFERENCIAS
30
PARÁFRASIS
La teoría del muestreo estudia la relación entre un conjunto y las muestras extraídas
de él su uso es para estimar cantidades desconocidas de una polación como la media
y la varianza se denominan parámetros de polación las muestras aleatorias son donde
cada miemro de la polación tiene la misma proailidad de Al estar incluidos en la
muestra los números aleatorios son un método alternativo que implica el uso de una
tala especialmente construida. El muestreo con reemplazo es cuando un ganador
puede regresar a una lotería incluso si la ha aandonado y el muestreo sin reemplazo
es cuando ya no está incluido en esa lotería. La distriución muestral es una distriución
de la estadística tomada para calcular una estadística que varía de una muestra a
otra y la distriución muestral de las medias cuando tratamos cada una de esas medias
como valores de una variale aleatoria podemos estudiar su distriución que es decir
cada muestra de tamaño n que podemos extraer de una polación proporciona la media
la distriución muestral proporcional es cuando de un número infinito de polaciones el
éxito de la polación se calcula como una proporción la distriución muestral de las
diferencias y la suma es si para dos polaciones para las cuales para cada muestra se
toma de la primera polación Puede haer una estadística en la primera que da como
resultado una distriución de la muestra con la media y la desviación estándar
registradas de la misma manera para cada muestra de la segunda polación un El
estadístico se otiene con m valores medios. la media y la desviación estándar
correspondiente De la unión de las dos muestras la distriución de diferencias
31
finalmente en este capítulo 8 teoría de muestreo donde tenemos los errores estándar
es cuando el desviación estándar de la distriución muestral d un estadístico en la tala
que hemos visto en el resumen podemos ver cuáles son estos errores estándar y cómo
se conocen.
32
del límite para estimar la media de la polación de la que provienen los datos luego los
intervalos de confianza para las razones si el estadístico es la tasa de éxito en una
muestra de tamaño N extraída de una polación inomial donde p es la tasa de éxito ès
entonces estos p límites de confianza vienen dados por estos datos otro de los s
intervalos es el intervalo de confianza para la diferencia siendo dos estadísticas de
muestra con una distriución aproximadamente normal de la muestra. la dirección de
los respectivos parámetros polacionales y los intervalos de confianza para la suma
como se asume que los parámetros polacionales son independientes y finalmente
continuamos con el intervalo de confianza para la norma la desviación proveniente de
un conjunto se estima la distriución normal con una muestra de una desviación
estándar utilizada para calcular los límites de confianza que usamos para estimar
estos datos y como sutema final tenemos un posile error sucede que los 50 límites
de confianza de los parámetros de polación correspondientes a un estadístico S dado
se denominan el error proale de el estimado.
33