PEM en Pedagogía y Técnico en Admón.

Educativa
FECHA:
Con 0rientación en Medio Ambiente
27/ FEBRERO/2,021
Plan fin de Semana
ESTADÍSTICA INFERENCIAL I
Cat. Lic. Benjamín Tax

UNIDAD 2
MUESTRAS Y POBLACIONES

Error de muestreo.

ERROR DE MUESTREO
Podemos definir error de muestreo como la imprecisión que se comete al estimar una
característica de la población de estudio (parámetro) mediante el valor obtenido a
partir de una parte o muestra de esa población (estadístico). Este error depende de
muchos factores, entre ellos, del procedimiento de extracción de esa parte de la
población (diseño muestral), número de unidades que se extraen (tamaño de la
muestra), de la naturaleza de la característica a estimar, etc.
En términos estadísticos el margen de error se refiere a la cantidad de error de
muestreo aleatorio resultado de la elaboración de una encuesta. Es un término
importante dentro de la investigación de mercados ya que define el nivel de confianza
de los resultados obtenidos en la encuesta o investigación. A mayor margen de error
existe un menor grado de confianza en la investigación y viceversa.
El margen de error puede ser significativo si una población no se define en la forma
correcta, o si los procedimientos de selección no se siguen en la forma apropiada.
Del tamaño de la muestra dependen muchos factores de nuestra investigación.
¿Qué tanto puede el error de la muestra aleatoria afectar nuestras encuestas?

El margen de error nos da una estadística; mientras más pequeños sean estos
márgenes, los resultados de nuestras encuestas serán más exactos. En una muestra
probabilística cada elemento de la población tiene una probabilidad de selección.
1
Aquí el investigador se puede asegurar de que su información proviene de una parte
representativa de la población de interés para su estudio y además puede calcular el
error.
En una muestra no probabilística destaca la aleatoriedad al momento de seleccionar
los elementos específicos de la población. Esto sucede porque la selección se hace
de acuerdo a lo que más no convenga o porque esta muestra resulta más económica
y rápida de hacer. Podemos decir, de cierta manera que en este tipo de muestra
excluimos a cierto subgrupo de la población.

EJEMPLO:
Podemos tener un filtro en una muestra de acuerdo a nuestros intereses, de tal
manera que si queremos que unas encuestas sean contestadas, por ejemplo, por
100 personas mayores de 30 años, hacemos uso de un muestreo por cuotas y
filtramos a los que no cumplan con esta característica.
Podemos tener una muestra donde existan personas menores de edad, pero al
contestar la primera pregunta en una encuesta, nos daremos cuenta de que no
cumplen con los requisitos para continuar contestando nuestra encuesta y podemos
programar una lógica de salto para dar por terminada la sesión.
Seguiremos recibiendo respuestas de otros encuestados que han aceptado de
antemano participar en la investigación, hasta completar las 100 encuestas online
contestadas por personas mayores de 30 años que planeamos.
En las muestras no probabilísticas no podemos conocer el grado de representatividad
de la población, ni calcular el margen de error.

FORMULA DE ERROR

𝜎 𝑍𝛼/2 ∗𝜎 2
𝐸 = 𝑍𝛼/2 ∗ 𝑛=( )
√𝑛 𝐸

2
EJEMPLOS:

1. Determinar el error muestral de una muestra de 200 individuos, con una desviación
estándar muestral de 60 y con un nivel de confianza del 95%.

𝜎
𝐸 = 𝑍𝛼/2 ∗
√𝑛
2. Una muestra de 40 familias reveló que la contribución media anual que participan
en una iglesia es de Q450.00 con una desviación estándar de Q75.00. Hallar el
error estándar de muestreo si se utiliza para el efecto el 98% del nivel de confianza.

3. Los siguientes datos son de una muestra aleatoria de 437 empleados de una
maquila coreana. Calcular el error muestral estándar.

Variable Cuantitativa

𝑆
𝐸=
√𝑛 − 1
Variable Nominal

𝑝∗𝑞
𝐸= √
𝑛

CASOS DESVIO ESTÁNDAR

A Sueldo Mensual Q1,200.00
B Edad 4 Años
C Proporción de mujeres 0.39
D Años de servicio 2.7 años
E Proporción de trabajadores mayores de 40 años 0.57

4. Determinar el error muestral de la muestra del peso de la población adulta de

Morales, Izabal, con ἀ= 0.05, desvío de 17.32 y n= 67.
3
 PEM en Pedagogía y Técnico en Admón. Educativa
FECHA:
Con 0rientación en Medio Ambiente
13/ MARZO/2,021
Plan fin de Semana
ESTADÍSTICA INFERENCIAL I
Cat. Lic. Benjamín Tax

UNIDAD 2
MUESTRAS Y POBLACIONES

TEOREMA DEL LIMITE CENTRAL

El teorema central del límite (TCL) es una teoría estadística que establece que, dada
una muestra aleatoria suficientemente grande de la población, la distribución de las
medias muestrales seguirá una distribución normal.

Además, el TCL afirma que a medida que el tamaño de la muestra se incrementa, la

media muestral se acercará a la media de la población. Por tanto, mediante el TCL
podemos definir la distribución de la media muestral de una determinada población
con una varianza conocida. De manera que la distribución seguirá una distribución
normal si el tamaño de la muestra es lo suficientemente grande.

PRINCIPALES PROPIEDADES DEL TEOREMA CENTRAL DEL LÍMITE

El teorema central del límite tiene una serie de propiedades de gran utilidad en el
ámbito estadístico y probabilístico. Las principales son:

Si el tamaño de la muestra es suficientemente grande, la distribución de las

medias muestrales seguirá aproximadamente una distribución normal. El TCL
considera una muestra como grande cuando el tamaño de la misma es superior
a 30. Por tanto, si la muestra es superior a 30, la media muestral tendrá una
función de distribución próxima a una normal. Y esto se cumple
independientemente de la forma de la distribución con la que estamos
trabajando.

4
 La varianza de la distribución de las medias muestrales será σ²/n. Que es la
varianza de la población dividido entre el tamaño de la muestra.

E J E M P L O S:

a. Un banco llevó una estadística de los reclamos de los clientes en todas sus
sucursales y observó que está distribuida normalmente, con una media de 305
reclamos por año y una desviación estándar de 27 reclamos. Obtener la
probabilidad de que en una muestra aleatoria de 33 sucursales se tenga 290
reclamos por año.

b. Una máquina llena bolsas de bigoteras con un contenido medio de 150 gramos
y con una varianza de 120 gramos2. Si se toma una muestra de 40 bolsas,
¿Cuál es la probabilidad de que la media muestral esté entre 145 y 153
gramos?

c. Cierta máquina fabrica resistencias eléctricas y que tienen un aguante

promedio de 40 Ohms y una desviación estándar de 2 Ohms ¿Cuál es la
probabilidad de que una muestra aleatoria de 36 de éstas resistencias tengan
una durabilidad combinada de 41 Ohms?

d. La vida media de una máquina para elaborar pan es de 7 años, con un desvío
estándar de 1 año. Suponiendo que la vida de estas máquinas sigue
aproximadamente una distribución normal, calcular la probabilidad de que la

5
 vida media de una muestra aleatoria de 9 de éstas máquinas caiga entre 6.4 y
7.2 años.

e. Una población de un tipo de plantas tiene una talla media de 17 centímetros y

la desviación típica es de 3.8 centímetros. Se toma al azar una muestra de 30
plantas. ¿Cuál es la probabilidad de que la media de las tallas de la muestra
sea superior a 15 centímetros?