Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tema 1. Muestreo
Introducción
n Análisis de datos inferencial: busca extraer
conclusiones generales a partir de unos
pocos datos particulares
1
7/9/18
Generalización
¿Este plato de
comida es
saludable?
2
7/9/18
TÉCNICAS DE MUESTREO
3
7/9/18
Conceptos básicos
Población (o universo) Muestra
Conjunto de elementos Subconjunto de elementos de
(sujetos, objetos, entidades una población
abstractas, etc) que poseen
una o más características en
común
Ej. Todas las personas que Ej. 145 personas que tienen
sufren depresión depresión
Parámetro Estadístico
Valor numérico que describe Valor numérico que describe
una característica de una una característica de una
POBLACIÓN MUESTRA
Conceptos básicos
Población (o universo)
Conjunto de elementos (sujetos, objetos, entidades
abstractas, etc) que poseen una o más características en
común
n Dificultad de acceso en la realidad a la población
n Tipos
• Finitas (habitual en Y, aunque tan
grandes que se consideran infinitas)
n
• Infinitas
4
7/9/18
Conceptos básicos
Muestra
Subconjunto de elementos de una población
Conceptos básicos
Parámetro
Valor numérico que describe una característica de una
POBLACIÓN
n Los elementos de una población comparten la/s modalidad/es de
una variable/es (constante) pero difieren en otros. El parámetro
describe en las que difieren.
5
7/9/18
Conceptos básicos
Estadístico Valor numérico que describe una característica de una MUESTRA
n A partir de un muestra, se puede medir una o varias de sus características y
aplicar distintas transformaciones sobre ellas para describirla.
n A partir de los valores de los estadísticos muestrales nos hacemos una idea los
valores de los parámetros poblacionales
n ESTIMACIÓN de parámetros (clave en estadística inferencial)
6
7/9/18
Tipos de muestreo
Probabilístico: cada Aleatorio CON
elemento poblacional reposición (pobl.
posee una finita)
probabilidad conocida
o calculable de Aleatorio
Aleatorio SIN simple o
pertenecer a la reposición (pobl.
muestra Muestreo
finita) aleatorio
Muestreo
Aleatorio en
Proceso seguido Permite conocer grado
de representatividad, población infinita
para extraer una base para la inducción con/sin reposición
muestra de una
población Aleatorio
sistemático
No probabilístico:
seleccionada en Aleatorio
función de criterio del estratificado
investigador,
accesibilidad, Aleatorio por
comodidad, coste… conglomerados
7
7/9/18
A. En todos.
B. En el B, C, y D.
C. En C y el D.
8
7/9/18
Muestreo aleatorio en
población finita
Aleatorio CON reposición (pobl. finita) o muestreo
aleatorio simple
1 2 3 4 5
1 1, 1 1, 2 1, 3 1, 4 1, 5
2 2, 1 2, 2 2, 3 2, 4 2, 5
3 3, 1 3, 2 3, 3 3, 4 3,5
4 4, 1 4, 2 4, 3 4, 4 4, 5
5 5, 1 5, 2 5, 3 5, 4 5, 5
Muestreo aleatorio en
población finita
Aleatorio CON reposición (pobl. finita) o muestreo aleatorio simple
vCada elemento de los n que componen la muestra puede ser definido como una variable aleatoria
(valor que toma la variable X en la extracción i).
9
7/9/18
Muestreo aleatorio en
población finita
Aleatorio CON reposición (pobl. finita) o muestreo aleatorio simple
vEl resultado de cada extracción es independiente del resultado de las restantes extracciones.
Ejemplo:
P (x2i/x1i) = P (x2i) P (x2i = 2/x1i =1 ) = 1/5
P (x2i =2) = 1/5
Ejemplo:
Muestreo aleatorio en
población finita
Aleatorio CON reposición (pobl. finita) o muestreo aleatorio simple
n
vNúmero posible de muestras diferentes es VR N =N
n
1 2 3 4 5
1 2 3 4 5 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5
n
vProbabilidad de obtener una muestra concreta es 1/ N
10
7/9/18
Muestreo aleatorio en
población finita
Aleatorio CON reposición (pobl. finita) o muestreo aleatorio simple
Una muestra tamaño n obtenida a partir de un muestreo con reposición en una población finita
puede definirse como:
vSecuencia de variables aleatorias (resultado obtenido en la n extracción)
v igualmente distribuidas [f(x1i)= f2 (x2i)=…= fn(xni)= f(x)] e
v independientes [f(x1i,x2i,…,xni) = f(x1i) f(x2i)…f(xni) ]
X2 f2 (x2)
1 2 3 4 5
Muestreo aleatorio en
población finita
Muestreo aleatorio: Todos los elementos de la población tienen la misma probabilidad de
formar parte de la muestra, es decir, de ser elegidos. La extracción de elementos poblacionales
se hace al AZAR.
1/(N-n)!/N!
11
7/9/18
V1 V2 V3 V4
V1 V2 V3 V4 V1 V2 V3 V4 V1 V2 V3 V4 V1 V2 V3 V4
• Si definimos la variable x1 como sexo de la persona extraída en primer lugar y x2 como sexo
de la persona extraída en segundo lugar ¿Cuáles son sus funciones de distribución? ¿ Cuál es
su función de distribución conjunta?
x1
V M f2(x2)
x2 V 16/100 24/100 4/10
12
7/9/18
Dos características:
q Número infinito de elementos poblacionales
q Número infinito de muestras posibles de cualquier tamaño
Propiedades
Resumen de propiedades
Muestreo Igualdad Independencia de
distribuciones las variables
función probabilidad aleatorias en
individual términos de
probabilidad
Aleatorio CON
reposición (pobl.
Sí Sí
finita)
Aleatorio SIN
reposición (pobl.
Sí No
Finita)
Aleatorio en pobl.
infinita
Sí Sí
13
7/9/18
Distribuciones muestrales:
concepto
Distribución poblacional: función que asigna a cada valor de una variable la
probabilidad de que extraído un único caso dicha variable tome ese valor.
Distribuciones muestrales:
concepto
Si de un saco con 1000 bolas, extraemos 50 de las que 25 son blancas y 25 son
negras.
¿Dirías que en general todos los alumnos tienen un nivel aceptable de actividad
física?
14
7/9/18
Distribuciones muestrales:
concepto
Inferencia estadística: va de lo concreto a lo
general à conocer parámetros a partir de
estadísticos
Distribución muestral
• Función de probabilidad (o de densidad de probabilidad) de un estadístico
• Es una distribución teórica que asigna una probabilidad concreta a cada uno de los
valores que puede tomar un estadístico en todas las muestras del mismo tamaño
que es posible extraer de una determinada población.
• Es un concepto fundamental para el contraste de hipótesis
Distribuciones muestrales:
concepto
Si de un saco con 1000 bolas, extraemos 50 de las que 25 son blancas y 25 son
negras.
15
7/9/18
Ejemplo distribución
muestral: N=5; n=2
Muestras n= 2 posibles a
partir de la población
Distribuciones muestrales.
16
7/9/18
Distribuciones muestrales
Los estadísticos son variables aleatorias:
• Su varianza:
σ2H = E(H2) - [E(H)] 2
Distribuciones muestrales
xi f(xi) xi f(xi) xi2 f(xi)
E(xi)= 3 E(xi2)= 10
17
7/9/18
Distribuciones muestrales
• Cuando caracterizamos la distribución muestral de un estadístico, nos referimos
habitualmente a la desviación típica de la distribución muestral (σh) y no a la
varianza (σh2).
Distribuciones muestral:
• Los estadísticos son combinaciones lineales de variables aleatorias.
X= K1 X1 +K2 X2 +…..+K n Xn
• Entonces la variable aleatoria será una variable con la misma distribución (p. ej.
normal) que las variables que la compone con:
18
7/9/18
Distribución muestral de la
media
Distribución muestral de la
media
19
7/9/18
Distribuciones muestral de la
media
La distribución muestral de la media es normal N (µ,s/ n), independientemente de
n, cuando son normales las distribuciones de las variables X1, X2 …,Xn de las que se
obtiene la media
Distribuciones muestral de la
media
Si la distribución muestral de la media se distribuye conforme a la normal, podremos
tipificar el valor de la media en una muestra concreta y, a través de la distribución normal
unitaria [N (0,1)]determinar la probabilidad de que para un determinado valor esperado en
la población se verifique el valor de la media__ hallado para nuestra muestra. En estas
circunstancias, la variable tipificada X-µ
Z= s n
20
7/9/18
Distribuciones muestral de la
media
Ejemplo 1.3: Una población de estudiantes de psicología se distribuye N (100, 15) en una escala
de inteligencia espacial. Extraemos una muestra n= 100.
1. ¿Cuál es la probabilidad de extraer una media de 103 o mayor?
2. ¿Cuál es la probabilidad de obtener una media comprendida entre 98 y 102? (p. 69)
0,9772
1- 0,9772 = 0,0228
Z=2
Distribuciones muestral de la
media
Ejemplo 1.3: Una población de estudiantes de psicología se distribuye N (100, 15) en una escala
de inteligencia espacial. Extraemos una muestra n= 100.
1. ¿Cuál es la probabilidad de extraer una media de 103 o mayor?
2. ¿Cuál es la probabilidad de obtener una media comprendida entre 98 y 102? (p. 69)
0,8164 0,0918
0,0918
Z = -1,33 Z = 1,33
21
7/9/18
Obteniendo en una variable que se distribuye según tn-1 (cociente entre una variable
normal tipificada y otro que se distribuye según chi cuadrado dividida por sus grados
de libertad):
__
X-µ
T=
S n -1
n
22
7/9/18
Si lo elevamos al cuadrado:
Obtenemos
D = 0
23
7/9/18
A=B+C
Despejando:
24