Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1 Caratula
2
ÍNDICE
3
INTRODUCCIÓN
4
1- MUESTREO ESTADÍSTICO:
Es el procedimiento mediante el cual se toman a ciertos individuos que pertenecen
a una población que está siendo sujeto de un análisis.
El objetivo:
Es que la muestra sea representativa. Es decir, que sus indicadores como la
media de edad, el ingreso promedio, el porcentaje de hombres y de mujeres, entre
otros, sea el mismo, o muy similar al de la población.
Ventajas:
Desventajas:
2.- Determina un marco de muestra adecuado: tu marco debe incluir una muestra
de tu población de interés y nadie del exterior. Esto es importante si quieres
recopilar datos precisos y que te sirvan.
POR EJEMPLO, en una población de 1000 miembros, cada miembro tendrá una
probabilidad de 1/1000 de ser seleccionado para formar parte de una muestra. El
muestreo probabilístico elimina el sesgo en la población y da a todos los miembros
una oportunidad justa de ser incluidos en la muestra.
6
CONCEPTOS:
Muestra:
Es una porción de la totalidad de un fenómeno, producto o actividad que se
considera representativa de la total también llamada una muestra representativa.
Población:
Una población estadística es el total de individuos o conjunto de ellos que
presentan o podrían presentar el rasgo característico que se desea estudiar.
Empezaremos por la palabra población. ¿En qué piensas cuando lees o escuchas
la palabra población? Muy probablemente en un número de personas. Por
ejemplo, la población de Argentina, la población de Chile, la población de Nueva
York o la población mundial. Y dirás, ¿qué tiene que ver la población con la
estadística? Pues tiene que ver mucho. Todo se remonta a los orígenes de la
palabra estadística.
Parámetro:
Por tanto, no es más que un valor que representa algo que queremos medir. Sin
7
embargo, esta definición tiene algunas variantes dependiendo de la disciplina de
que se trate. Suele estar relacionado con términos como variable, axioma o
función.
Vamos a verlo en las diferentes ciencias y con más detalle en los próximos
apartados.
El parámetro en estadística
Un parámetro tiene una enorme utilidad en estadística. En primer lugar, sirve para
conocer atributos de una distribución de datos. Por ejemplo, la media aritmética o
la desviación típica de estos. En probabilidad permite conocer las llamadas
funciones de distribución. En una recta de regresión nos indica valores numéricos
asociados a dicha recta y que la hacen única.
Estadígrafo:
Estadístico o Estadígrafo: Son las medidas descriptivas inherentes a una muestra,
las cuales pueden usarse como estimación del parámetro. Es el término utilizado
para designar a la persona dedicada a las tareas propias de la estadística, aunque
en ocasiones también es frecuente que se utilice para designar a la variable que
define una distribución estadística, de esta forma es común escuchar el término
estadígrafo de prueba.
TIPOS DE MUESTREO
Muestreo sistemático
Primero hay que identificar las unidades y las relaciones con el calendario (cuando
proceda). Luego hay que calcular una constante, denominada coeficiente de elevación.
J= N/ n
Para determinar en qué fecha se producirá la primera extracción hay que elegir al azar un
número entre 1 y K; de ahí en adelante tomar uno de cada K a intervalos regulares.
Ocasionalmente, es conveniente tener en cuenta la periodicidad del fenómeno.
8
Esto quiere decir que si tenemos un determinado número de personas que es la población
(N) y queremos escoger de esa población un número más pequeño el cual es la muestra
(n), dividimos el número de la población por el número de la muestra que queremos tomar
y el resultado de esta operación será el intervalo, entonces escogemos un número al azar
desde uno hasta el número del intervalo, y a partir de este número escogemos los demás
siguiendo el orden.
Muestreo estratificado
Según la cantidad de elementos de la muestra que se han de elegir de cada uno de los
estratos, existen dos técnicas de muestreo estratificado:
Dentro de los grupos seleccionados se ubicarán las unidades elementales, por ejemplo,
las personas a encuestar, y podría aplicársele el instrumento de medición a todas las
unidades, es decir, los miembros del grupo, o sólo se le podría aplicar a algunos de ellos,
9
seleccionados al azar. Este método tiene la ventaja de simplificar la recolección de
información muestral.
Muestreo no probabilístico
Todos aquellos métodos para los que se puede calcular la probabilidad de extracción de
cualquiera de las muestras posibles. Este conjunto de técnicas de muestreo es el más
aconsejable, aunque en ocasiones no es posible optar por él.
Cuando una muestra no es una copia exacta de la población; aún si se ha tenido gran
cuidado para asegurar que dos muestras del mismo tamaño sean representativas de una
cierta población, no esperaríamos que las dos sean idénticas en todos sus detalles. El
error muestral es un concepto importante que ayudará a entender mejor la naturaleza de
la estadística inferencial.
Los errores que surgen al tomar las muestras no pueden clasificarse como errores
muéstrales y se denominan errores no muéstrales.
Un modelo de regresión es un modelo que permite describir cómo influye una variable X
sobre otra variable Y . I X: Variable independiente o explicativa o exógena I Y: Variable
dependiente o respuesta o endógena El objetivo es obtener estimaciones razonables de Y
para distintos valores de X a partir de una muestra de n pares de valores (x1, y1), . . ., (xn,
yn).
11
Ejemplos I Estudiar cómo influye la estatura del padre sobre la estatura del hijo. I Estimar
el precio de una vivienda en función de su superficie. I Predecir la tasa de paro para cada
edad. I Aproximar la calificación obtenida en una materia según el número de horas de
estudio semanal. I Prever el tiempo de computación de un programa en función de la
velocidad del procesador Correlación lineal
Para estudiar la relación lineal existente entre dos variables continuas es necesario
disponer de parámetros que permitan cuantificar dicha relación. Uno de estos parámetros
es la covarianza, que indica el grado de variación conjunta de dos variables aleatorias.
Covarianza muestral=Cov(X,Y)=∑ni=1(xi−x¯¯¯)(yi−y¯¯¯)N−1Covarianza
muestral=Cov(X,Y)=∑i=1n(xi−x¯)(yi−y¯)N−1
La covarianza depende de las escalas en que se miden las variables estudiadas, por lo
tanto, no es comparable entre distintos pares de variables. Para poder hacer
comparaciones se estandariza la covarianza, generando lo que se conoce
como coeficientes de correlación. Existen diferentes tipos, de entre los que destacan
el coeficiente de Pearson, Rho de Spearman y Tau de Kendall.
Todos ellos varían entre +1 y -1. Siendo +1 una correlación positiva perfecta y -1
una correlación negativa perfecta.
o 0: asociación nula.
o 0.1: asociación pequeña.
o 0.3: asociación mediana.
o 0.5: asociación moderada.
o 0.7: asociación alta.
o 0.9: asociación muy alta.
¿Qué limitaciones hay que tener en cuenta? La correlación sólo se refiere a las dos
variables dadas y no aporta información sobre las relaciones más allá de los datos
bivariados. Esta prueba no puede detectar valores atípicos en los datos (y por tanto estos
sesgan los resultados) y tampoco puede detectar correctamente las relaciones
curvilíneas.
Los valores de r positivos indican una correlación positiva, en la que los valores de
ambas variables tienden a incrementarse juntos.
Los valores de r negativos indican una correlación negativa, en la que los valores
de una variable tienden a incrementarse mientras que los valores de la otra
variable descienden.
Supongamos que queremos saber si podemos esperar más ventas de helado en nuestra
ciudad en los días de calor. Las heladerías empiezan a abrir en primavera; tal vez porque
la gente compra más helado en los días que hace calor. Alternativamente, a lo mejor la
gente compra helado de manera regular porque les gusta mucho.
Para empezar a responder a esta pregunta, recopilaremos los datos de los promedios
diarios de venta de helado y la temperatura máxima diaria. Por tanto, las ventas de helado
y la temperatura son las dos variables que usaremos para calcular el coeficiente de
correlación. A veces a este tipo de datos se los llama datos bivariados, porque cada
observación (o instante de tiempo en el que hemos medido tanto las ventas como la
temperatura) tiene dos datos que podemos usar para describirla. En otras palabras, nos
estamos preguntando si las ventas de helado y la temperatura varían conjuntamente.
14
REGRESIÓN Y CORRELACIÓN LINEA
SIMPLE:
Carrera: Auditoria
Curso: Estadística
“Trabajo de Investigación”
Carnet: 2132072
15
Carrera: Auditoria
Curso: Estadística
“Trabajo de Investigación”
Carnet: 2132072
16
1 Caratula
2 Índice
3 Introducción
4 Muestreo Estadístico
5 Concepto
6 Objetivos del muestreo
7 Ventajas del Muestreo
8 Conceptos: Muestra, Población, Parámetro, Estadígrafo
9 Tipos de muestreo
10 Error de muestreo
37 Conclusión
38 Recomendación
10
11
12
20
13
14
15
16Introducción
β^1=∑ni=1(xi−x¯¯¯)(yi−y¯¯¯)∑ni=1(xi−x¯¯¯)2=SySxRβ^1=∑i=1n(xi−x¯)
(yi−y¯)∑i=1n(xi−x¯)2=SySxR
β^0=y¯¯¯−β^1x¯¯¯β^0=y¯−β^1x¯
3- El error estándar de estimación es una medida del error que se comete al tomar
la media muestral como estimación de la media poblacional.
Este método se utiliza comúnmente para analizar una serie de datos que se
obtengan de algún estudio, con el fin de expresar su comportamiento de manera
lineal y así minimizar los errores de la data tomada.
Σ es el símbolo sumatoria de todos los términos, mientas (x, y) son los datos en
estudio y n la cantidad de datos que existen.
26
El método de mínimos cuadrados calcula a partir de los N pares de datos
experimentales (x, y), los valores m y b que mejor ajustan los datos a una recta.
Se entiende por el mejor ajuste aquella recta que hace mínimas las distancias d de
los puntos medidos a la recta.
Cuando se haga uso del método de mínimos cuadrados se debe buscar una línea
de mejor ajuste que explique la posible relación entre una variable independiente y
una variable dependiente. En el análisis de regresión, las variables dependientes
se designan en el eje y vertical y las variables independientes se designan en el
eje x horizontal. Estas designaciones formarán la ecuación para la línea de mejor
ajuste, que se determina a partir del método de mínimos cuadrados.
27
41 Números índices y desvalorización monetaria
42 Concepto
43 Clasificación de los números índices
44 Índices simples de base fija
45 Índices simples en eslabones
46 Índices simples en cadena
47 Cambio de base de números índices
48 Índices agregativos simples
49 Índices compuestos o ponderados
50 Desvalorización monetaria
51 Conclusión
52 Recomendación
21
22
23
24
25
26
27
28
29
30
28
31
32
33
34Introducción
β^1=∑ni=1(xi−x¯¯¯)(yi−y¯¯¯)∑ni=1(xi−x¯¯¯)2=SySxRβ^1=∑i=1n(xi−x¯)
(yi−y¯)∑i=1n(xi−x¯)2=SySxR
β^0=y¯¯¯−β^1x¯¯¯β^0=y¯−β^1x¯
3- El error estándar de estimación es una medida del error que se comete al tomar
la media muestral como estimación de la media poblacional.
Este método se utiliza comúnmente para analizar una serie de datos que se
obtengan de algún estudio, con el fin de expresar su comportamiento de manera
lineal y así minimizar los errores de la data tomada.
Σ es el símbolo sumatoria de todos los términos, mientas (x, y) son los datos en
estudio y n la cantidad de datos que existen.
34
El método de mínimos cuadrados calcula a partir de los N pares de datos
experimentales (x, y), los valores m y b que mejor ajustan los datos a una recta.
Se entiende por el mejor ajuste aquella recta que hace mínimas las distancias d de
los puntos medidos a la recta.
Cuando se haga uso del método de mínimos cuadrados se debe buscar una línea
de mejor ajuste que explique la posible relación entre una variable independiente y
una variable dependiente. En el análisis de regresión, las variables dependientes
se designan en el eje y vertical y las variables independientes se designan en el
eje x horizontal. Estas designaciones formarán la ecuación para la línea de mejor
ajuste, que se determina a partir del método de mínimos cuadrados.
35
Referencias
1. ↑ [http://www.estadistica.mat.uson.mx/Material/elmuestreo.pdf Muestreo
(publicado por la ((Universidad de Sonora))
2. ↑ Salant, Priscilla, I. Dillman, and A. Don. How to conduct your own survey.
No. 300.723 S3.. 1994.