Documentos de Académico
Documentos de Profesional
Documentos de Cultura
NÚCLEO ANZOÁTEGUI
ESCUELA DE CIENCIAS ADMINISTRATIVAS
ESTADÍSTICA II SECCIÓN 01
UNIDAD I .
Tutor Bachiller:
Luisa, Guariguata. Guzmán, Daniela
C.I: 28.462.080
Muestreo
Selección de un conjunto de personas o cosas que se consideran
representativas del grupo al que pertenecen, con la finalidad de estudiar o
determinar las características del grupo.
Tipos de muestreo
Muestreo probabilístico
Sistemático:
Se elige una observación al azar y, para seleccionar el resto de la muestra, se utilizan
intervalos numéricos regulares. Es decir, supongamos que tengo una población de 10.000
y, aleatoriamente, selecciono la observación 600, después de lo cual puedo considerar
intervalos de 30 observaciones. En este caso, tomaría las observaciones 600, 630, 660,
690, 720, 750, 780, y así sucesivamente.
Aleatorio estratificado:
Se divide a la población en estratos, que son grupos que comparten características en
común y son más homogéneos, inclusive, que la población en su conjunto. Entonces, se
selecciona una muestra, ya sea de manera aleatoria o sistemática, dentro de cada estrato.
El objetivo es lograr una representatividad de cada estrato.
Por conglomerados o clústeres:
Consiste en crear grupos más pequeños que la población, los cuales reflejan o comparten
todas las características de esta. Luego, elegimos alguno de los conglomerados como
muestra y lo analizamos de forma detallada.
Muestreo no probabilístico
● Por conveniencia:
Consiste en que el investigador captará a los sujetos que estén a su disponibilidad.
Por ejemplo, por su proximidad o facilidad de acceso.
● Casual o accidental:
El investigador selecciona sin juicio previo a los individuos que van a formar parte de
la muestra. Por ejemplo, esto suele suceder cuando se hacen encuestas en la calle.
● Bola de nieve:
Consiste en que, después de encontrar al primer sujeto (o primeros sujetos) de la
muestra, el investigador le pide ayuda a él (o ellos) para identificar a otros individuos
con esas mismas características. Se trata de una técnica utilizada cuando es difícil
localizar a un grupo específico por el manejo de datos sensibles, por ejemplo,
migrantes en situación de ilegalidad.
● Por cuotas:
El investigador, tomando en cuenta la composición de la población, y dividiendo por
grupos o estratos, hará una selección proporcional de la muestra. Por ejemplo,
imaginemos que en la población hay un 40% de personas menores de 25 años, 35%
de personas de entre 25 y 50 años, y 25% de individuos con más de 50 años.
Entonces, una muestra de 4.000 personas tendría 1.600 sujetos menores de 25
años, 1.400 de entre 25 y 50 años, y 1.000 adultos mayores de 50 años o más.
Cabe señalar que los individuos que cubrirán cada cuota serán seleccionados por
algún método no probabilístico, es decir, cualquiera de las técnicas explicadas líneas
arriba
Técnicas para seleccionar muestras.
Los métodos de selección de muestras son los métodos específicos que se utilizan
para seleccionar los registros contenidos en una muestra.
Para el muestreo por registros y el muestreo por unidad monetaria, Analytics admite
tres métodos de selección:
● Intervalo fijo:
Con el método de selección del intervalo fijo, se selecciona una unidad
monetaria inicial o un registro, y todas las selecciones posteriores se
encuentran a una distancia o un intervalo fijo; por ejemplo, cada 20ª unidad
monetaria o cada 20º registro, después de la selección inicial.
● Celda:
Con el método de selección por celda, los datos establecidos se dividen en
múltiples celdas o grupos de igual tamaño, y se selecciona una unidad
monetaria, o un registro, de forma aleatoria de cada celda.
● Aleatorio:
Con el método de selección aleatoria, todas las unidades monetarias o
registros se seleccionan aleatoriamente del conjunto de datos completo o de
cada estrato, si es que está utilizando el muestreo de variables clásicas.
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.
El teorema central del límite tiene una serie de propiedades de gran utilidad en el
ámbito estadístico y probabilístico. Las principales son:
Imaginemos que queremos analizar las rentabilidades medias históricas del índice S
& P 500, que como sabemos, tiene unas 500 compañías dentro del mismo. Pero no
tenemos suficiente información como para analizar la totalidad de las 500
compañías del índice. En este caso la rentabilidad media del S & P 500 sería la
media poblacional.
Ahora bien, siguiendo al TCL podemos coger una muestra de estas 500 empresas
para realizar el análisis. La única limitación que tenemos es que en la muestra tiene
que haber más de 30 compañías para que se cumpla el teorema. Entonces
imaginemos que cogemos 50 compañías del índice de manera aleatoria y repetimos
el proceso varias veces. Los pasos a seguir del ejemplo serían los siguientes:
Estimación
Para llevar a cabo una estimación, entonces, es necesario primero contar con una
serie de datos. Además, es común que los investigadores se sustenten en un marco
teórico.
Por ejemplo, podemos estimar la inflación definiéndose como la diferencia entre los
precios (de la economía) del periodo A y los precios del periodo B. Entonces, se
calcula una variación porcentual entre los datos registrados en ambos puntos del
tiempo.
Usos de la estimación
La estimación puede ser utilizada para diversos fines como los siguientes:
● Calcular el valor de una variable determinada con base en otras. Por ejemplo,
estimar la balanza comercial si contamos con los datos de las exportaciones
e importaciones de un país.
Tipos de Estimación
a) La estimación puntual
Una estimación es puntual cuando se usa un solo valor extraído de la muestra para
estimar el parámetro desconocido de la población. Al valor usado se le llama
estimador.
c) Estimación bayesiana
El enfoque bayesiano se basa en la interpretación subjetiva de la probabilidad, el
cual considera a ésta como un grado de creencia con respecto a la incertidumbre.
Utilice el error estándar del coeficiente para medir la precisión de la estimación del
coeficiente. Cuanto menor sea el error estándar, más precisa será la estimación. Al
dividir el coeficiente entre su error estándar, se calcula un valor t. Si el valor p
asociado con este estadístico t es menor que el nivel de significancia, usted
concluye que el coeficiente es significativamente diferente de cero.
Por ejemplo, un ingeniero de materiales que trabaja para una fábrica de muebles
desea evaluar la resistencia de los tableros de partículas que utilizan. El ingeniero
recoge datos de rigidez de pedazos de tableros de partículas con diferentes
densidades a diferentes temperaturas y produce la siguiente salida de regresión
lineal. Los errores estándar de los coeficientes están en la tercera columna.