MUESTREO Y

DISTRIBUCION DE
MUESTREO

MAP JOSÉ RICARDO MARÍN

 ESTADÍSTICAS Y PARÁMETROS
Matemáticamente, podemos describir muestras y poblaciones al
emplear mediciones como la media,
la mediana, la moda y la desviación estándar, que el capítulo 3
introdujo. Cuando estos términos describen las características de
una muestra, se denominan estadísticas.
Cuando describen las características de una población, se llaman
parámetros. Una estadística es una característica de una
muestra y un parámetro es una característica de una
población.
 TIPOS DE MUESTREO
Existen dos métodos para seleccionar muestras de poblaciones: el
muestreo no aleatorio o de juicio
y el muestreo aleatorio o de probabilidad. En el muestreo de
probabilidad, todos los elementos de la población tienen la
oportunidad de ser escogidos para la muestra.
En el muestreo de juicio, se emplea el conocimiento y la opinión
personal para identificar a los elementos de la población que
deben incluirse en la muestra. Una muestra seleccionada por
muestreo de juicio se basa en la experiencia de alguien con la
población. Un guardabosques, por ejemplo, reuniría una muestra
de juicio si decidiera con anticipación las zonas de una gran área
arbolada que recorrería para estimar la cantidad de madera que
podría obtenerse.
MUESTRAS SESGADAS
 MUESTREO ALEATORIO
Cuatro métodos del muestreo aleatorio:
1. Muestreo aleatorio simple.
2. Muestreo sistemático.
3. Muestreo estratificado.
4. Muestreo de racimo.

Muestreo aleatorio simple

El muestreo aleatorio simple selecciona muestras
mediante métodos que permiten que cada posible muestra
tenga una igual probabilidad de ser seleccionada y que
cada elemento de la población total tenga una oportunidad
igual de ser incluido en la muestra.
Muestreo sistemático
En el muestreo sistemático, los elementos son seleccionados de la
población dentro de un intervalo uniforme que se mide con
respecto al tiempo, al orden o al espacio. Si tuviera que entrevistar
a cada vigésimo estudiante de una universidad, escogería un punto
de inicio aleatorio entre los primeros 20 nombres del directorio
estudiantil y luego seleccionaría cada veintavo nombre de ahí en
adelante.
Difiere del muestreo aleatorio simple en que cada elemento tiene
igual oportunidad de ser seleccionado, pero cada muestra no tiene
una posibilidad igual de ser seleccionada.
En el muestreo sistemático existe el problema de introducir un
error en el proceso de muestreo.
Muestreo estratificado
Para utilizar el muestreo estratificado, dividimos la población en
grupos relativamente homogéneos,
llamados estratos.
El muestreo estratificado resulta apropiado cuando la población ya
está dividida en grupos de diferentes tamaños y deseamos tomar en
cuenta esta condición.
La ventaja de las muestras estratificadas es que, cuando se
diseñan adecuadamente, reflejan de manera más precisa
las características de la población de la cual fueron
elegidas, en comparación con otro tipo de muestras.
Muestreo de racimo
En el muestreo de racimo dividimos la población en grupos, o
racimos, y luego seleccionamos una muestra aleatoria de estos
racimos, asumiendo que cada uno de ellos es representativo de la
población. Si una investigación de mercado tiene la intención de
determinar por muestreo el número promedio de televisores por
casa en una ciudad grande, podrían usar un mapa de la ciudad
para dividir el territorio en manzanas y luego escoger un cierto
número de éstas (racimos) para entrevistar a sus habitantes..
Cada casa perteneciente a cada una de estas manzanas sería
considerada para entrevistar a sus habitantes. Un procedimiento
de muestreo de racimo bien diseñado puede producir una muestra
más precisa a un costo considerablemente menor que el de un
muestreo aleatorio simple.
 DISEÑO DE EXPERIMENTOS

se
seleccion
Se Definir
Se hace a la Conducción
establece tamaño Análisis
una variable del
n los de la de datos
afirmación de experimento
objetivos muestra.
respuesta
.
 INTRODUCCIÓN A LAS DISTRIBUCIONES DE
MUESTREO
El capítulo 3 introdujo algunos métodos para utilizar datos de
muestras, con el fin de calcular estadísticas como la media y la
desviación estándar. Hasta lo que va de este capítulo, hemos
examinado cómo tomar muestras de una población. Si
aplicáramos lo que hemos aprendido y tomáramos varias muestras
de una población, las estadísticas resultantes para cada muestra no
necesariamente serían iguales, y lo más probable es que variaran
de una muestra a otra.
 INTRODUCCIÓN A LAS DISTRIBUCIONES DE
MUESTREO
Suponga que cada una de las muestras tomadas consta de 10
mujeres de 25 años de edad residentes en una ciudad de 100,000
habitantes. Al calcular la estatura media y la desviación estándar
correspondiente en cada una de estas muestras, veríamos
rápidamente que la media y la desviación estándar de cada
muestra serían diferentes. Una distribución de probabilidad de
todas las medias posibles de las muestras es una distribución
de las medias de las muestras. Los especialistas en estadística
la conocen como distribución de muestreo de la media.
 CONCEPTO DE ERROR ESTÁNDAR
En vez de decir “la desviación estándar de la distribución de las
medias de la muestra” para describir una distribución de medias de
la muestra, los especialistas en estadística se refieren al error
estándar de la media. De manera similar, la “desviación estándar
de la distribución de las proporciones de la muestra” se abrevia
como error estándar de la proporción. EL término error estándar
se utiliza porque da a entender un significado específico.
La desviación estándar de la distribución de las medias de las
muestras mide el grado hasta el cual
es de esperar que varíen las medias de las diferentes muestras,
debido a este error cometido en el proceso de muestreo. Por tanto,
la desviación estándar de la distribución de una estadística de
muestra se conoce como error estándar de la estadística
MUESTREO DE POBLACIONES NORMALES
 MUESTREO DE POBLACIONES NORMALES
Un ejemplo ilustrará más ampliamente estas propiedades. Una
institución bancaria calcula que sus cuentas de ahorros
individuales están normalmente distribuidas con una media de
$2,000 y una desviación estándar de $600. Si el banco toma una
muestra aleatoria de 100 cuentas, ¿cuál es la probabilidad de que la
media de muestra caiga entre $1,900 y $2,050?
Ésta es una pregunta con respecto a la distribución de muestreo de
la media; por tanto, es necesario calcular primero el error estándar
de la media. En este caso, utilizaremos la ecuación para el error
estándar de la media pensada para situaciones en las que la
población es infinita.
MUESTREO DE POBLACIONES NORMALES
MUESTREO DE POBLACIONES NORMALES
 EL TEOREMA DEL LÍMITE CENTRAL

Esta relación entre la forma de la distribución de la

población y la forma de la distribución de muestreo se
denomina teorema del límite central. El teorema del límite
central es, tal vez, el más importante de toda la inferencia
estadística, pues asegura que la distribución de
muestreo de la media se aproxima a la normal al
incrementarse el tamaño de la muestra. Hay
situaciones teóricas en las que el teorema del límite
central no se cumple, pero casi nunca se encuentran en
la toma de decisiones práctica. De hecho, una muestra
no tiene que ser muy grande para que la distribución de
muestreo de la media se acerque a la normal.
EL TEOREMA DEL LÍMITE CENTRAL
EL MULTIPLICADOR DE POBLACION FINITA