República Bolivariana de Venezuela

Ministerio del Poder Popular para la Educación Superior

Universidad Nacional Experimental “Rómulo Gallegos”
Área Ciencias de la Salud – Valle la Pascua Estado Guárico.
Catedra: Estadística.

MUESTREO
PROBABILISTICO

Participantes:
Facilitador:
María Infantes
Dr. Luis Villegas
Xiorelys Flores
Yorkis Cermeño
2do Año de Medicina
Seccion#4

Valle de La Pascua, Marzo 2022

Contenido
Introducción.......................................................................................................................................3
1. Muestreo probabilístico..............................................................................................................4
Características del muestreo probabilístico...............................................................................4
Sus relaciones con el universo.....................................................................................................5
Ventajas:.......................................................................................................................................5
Desventajas:..................................................................................................................................6
2. Técnicas del muestreo................................................................................................................6
El azar simple:..............................................................................................................................6
El azar sistemático:......................................................................................................................6
Muestreo aleatorio estratificado:................................................................................................6
Muestreo aleatorio por conglomerados:.....................................................................................7
Estudios observacionales:............................................................................................................7
Tablas aleatorias:.........................................................................................................................7
3. Media muestral...........................................................................................................................8
4. Media proporcional....................................................................................................................8
5. Diferencias de medias muestrales y proporcionales:..................................................................9
6. Teoría central del límite:............................................................................................................9
7. Error Muestral..........................................................................................................................10
Experimento Aleatorio y Espacio Muestral.............................................................................11
Probabilidad...............................................................................................................................12
Probabilidad Clásica..................................................................................................................12
Probabilidad Empírica o Frecuencia........................................................................................13
Probabilidad Axiomática...........................................................................................................14
Probabilidad a Priori.................................................................................................................14
Teorema de la Unidad................................................................................................................14
Probabilidad a Posteriori...........................................................................................................17
Conclusión.......................................................................................................................................18
Bibliografía......................................................................................................................................19
Introducción
Al dar inicio a este trabajo hablaremos un poco sobres lo que es El Muestreo
probabilístico, como se caracteriza el mismo como está relacionado con el universo sus
características, y una serie de puntos que tocaremos más adelante.

Bien se dice que el muestreo es el estudio y análisis de un grupo o grupos pequeños

de una población , entre ellos tenemos el muestreo probabilístico, cuyo método estadístico
es seleccionar al azar un pequeño grupo de personas en una gran población y luego presidir
que todas las respuestas juntas si coincidirán con la población en general, una de sus
características principales es que todos los individuos tienen la misma posibilidad de ser
electos para ser parte de una muestra y consiguientemente la misma probabilidad de ser
seleccionadas.

Se definirán sus ventajas y desventajas, algunos tipos de azar, que son parte de las
técnicas del muestreo estas serían el simple y el sistemático, como lo llevan a cabo, y que
es el muestro aleatorio estratificado que se diría que consiste en considerar categorías
típicas diferente entre sí, para distribuirse se utiliza la afijación simple, la afijación
proporcional y la afijación optima. Por otro lado, se encuentra el muestreo por
conglomerados que es un grupo de elementos de la población que forman previsiblemente
una unidad de comportamiento representativo este tiene sus ventajas y desventajas también.
Se definirá que es un estudio observacional, que son las tablas aleatorias, que es una media
muestral, una media proporcional, cuáles son sus diferencias, que es la teoría central de
límite, como ocurre un error muestral entre otros procedimientos relevantes para el estudio
y aplicación de la estadística.

3
 1. Muestreo probabilístico
El muestreo probabilístico es un método de muestreo (muestreo se refiere al estudio o el
análisis de grupos pequeños de una población) que utiliza formas de métodos de selección
aleatoria.

El requisito más importante del muestreo probabilístico es que todos en una población
tengan la misma oportunidad de ser seleccionados.

Por ejemplo, si tienes una población de 100 personas, cada persona tendría una
probabilidad de 1 de 100 de ser seleccionado. El método de muestreo probabilístico te
ofrece la mejor oportunidad de crear una muestra representativa de la población.

Este método utiliza la teoría estadística para seleccionar al azar un pequeño grupo de
personas (muestra) de una gran población existente y luego predecir que todas las
respuestas juntas coincidirán con la población en general.

Por ejemplo, es prácticamente imposible enviar una encuesta a cada una de las personas
de todo un país para recabar información, pero lo que puedes hacer utilizar el método de
muestreo de probabilidad para obtener datos que pueden ser muy buenos (incluso aunque se
obtengan de una población más pequeña)

Características del muestreo probabilístico.

El muestreo probabilístico se caracteriza por que todos los individuos tienen la misma
probabilidad de ser elegidos para ser parte de una muestra y consiguientemente todas
posibles muestras tienen la misma probabilidad de ser seleccionadas. Hablamos de
muestreo probabilístico cuando se cumplen una serie de características:

1. Si se puede definir el conjunto de muestras posibles: Esto se refiere a que se debe

tener un marco de muestreo o marco muestral que no es más que la lista de todos los
elementos que componen al universo bajo estudio, por ejemplo, si nuestro universo

4
 bajo estudio son los estudiantes de medicina de una determinada universidad, se
debe tener la lista de todos esos elementos, ósea de todos los estudiantes de
medicina de esa universidad y ese sería nuestro marco muestral.

2. Probabilidad de selección P(s) conocida: Esto quiere decir que todos los elementos
de nuestro marco de muestreo tienen la misma probabilidad de ser elegidos.

3. Probabilidad mayor a cero: Dentro de una prueba de muestreo probabilístico el

proceso de selección garantiza que todos los elementos tienen una mayor
probabilidad mayor a cero de ser incluido en la muestra.

4. Mecanismo aleatorio: El mecanismo aleatorio garantiza que cada muestra tiene la

misma probabilidad de ser elegida. Por esto podemos decir con mayor propiedad
que el muestreo probabilístico es la forma de seleccionar una muestra lo
suficientemente representativa de una publicación cuya información permita inferir
las propiedades y características de una población.

Este procedimiento no es útil cuando la población es muy grande.

Sus relaciones con el universo.

Pueden ser cuantitativas y cualitativas. Las cuantitativas son: la Fracción de muestreo

F.m. que se obtiene dividiendo la muestra por el universo y multiplicando por 100 y el
coeficiente de elevación C.e. que se refiere a las veces que la muestra está contenida en el
Universo. Las relaciones cualitativas se concretan a exigir que tanto el universo como las
muestras reúnan las mismas características.

Ventajas:

1. Es la forma más sencilla de armar una muestra.

2. La representatividad aumenta y resulta más fácil ponerla en práctica.
3. No requiere marco de muestreo.
4. Se toman en cuenta las subpoblaciones y tiene precisión.

5
 5. Resulta económico y no es un problema llevarlo a cabo.

Desventajas:

1- A veces resulta poco preciso y puede ser difícil calcular o interpretar sus resultados.
2- Resulta complicado y costoso elegir las variables de estratificación.
3- En algunos casos puede disminuir el aspecto de la representatividad.
4- Muchas veces es complicado especificar el marco de muestreo, pues hay menos
precisión.

2. Técnicas del muestreo.

El azar simple:

El muestreo aleatorio simple es un procedimiento de muestreo probabilístico que da a

cada elemento de la población objetivo y a cada posible muestra de un tamaño
determinado, la misma probabilidad de ser seleccionado.

El azar sistemático:

El muestreo sistemático es un tipo de muestreo probabilístico donde se hace una

selección aleatoria del primer elemento para la muestra, y luego se seleccionan los
elementos posteriores utilizando intervalos fijos o sistemáticos hasta alcanzar el tamaño de
la muestra deseado.

Muestreo aleatorio estratificado:

Consiste en considerar categorías típicas diferentes entre sí (estratos) que poseen una
gran homogeneidad interna (poca varianza interna) y no obstante son heterogéneos entre sí
(mucha varianza entre estratos). La muestra se distribuye (se extrae de) entre los estratos
predeterminados según la naturaleza de la población (ejemplo: sexo, lugar geográfico, etc).

Dicha distribución-reparto de la muestra se denomina afijación; que puede ser de varias

formas:

6
  Afijación simple: a cada estrato le corresponde igual número de elementos
(extracciones) muestrales.
 Afijación proporcional: la distribución se hace de acuerdo con el peso(tamaño)
relativo de cada estrato.
 Afijación óptima: Se tiene en cuenta la previsible dispersión de los resultados, de
modo que se considera la proporción y la desviación típica.

Muestreo aleatorio por conglomerados:

La unidad muestral es un grupo de elementos de la población que forman

previsiblemente una unidad de comportamiento representativo. Dicha unidad es el
conglomerado cuyo comportamiento interno puede ser muy disperso (varianza grande) pero
que presumiblemente poseerá un comportamiento próximo a otros conglomerados
(varianza entre conglomerados, pequeña). Los conglomerados se estudian en profundidad
hasta conseguir el tamaño muestral adecuado.

Estudios observacionales:

Un estudio observacional es un tipo de estudio concreto que se define por tener un

carácter estadístico o demográfico. Se caracterizan porque, en ellos, la labor del
investigador se limita a la medición de las variables que se tienen en cuenta en el estudio.
Sin embargo, a diferencia de otros métodos de estudio, un estudio observacional va a ser
difícil de reproducir en un futuro por parte de otros investigadores, lo que limita la
experimentación al respecto.

Tablas aleatorias:

Las tablas de números aleatorios son conjuntos de dígitos dispuestos para su mejor
lectura en filas y columnas (por ejemplo, de dos en dos, de tres en tres, etc.) que facilitan la
selección de los elementos de una muestra probabilística al ser el resultado de un muestreo
aleatorio con reemplazamiento realizado sobre la población que forman los diez dígitos (0,
1, 2, 3, 4, 5, 6, 7, 8, 9).

7
 3. Media muestral.
En estadística un estadístico (muestral) es una medida cuantitativa, derivada de un
conjunto de datos de una muestra, con el objetivo de estimar o inferir características de una
población o modelo estadístico.

Más formalmente un estadístico es una función medible T que, dada una muestra
estadística de valores (X {1}, X_{2},...,X_{n}) (X_1,X_2,...,X_n), les asigna un número,
T(X_{1},X_{2},...,X_{n}) T(X_1,X_2,...,X_n), que sirve para estimar determinado
parámetro de la distribución de la que procede la muestra. Así, por ejemplo, la media de los
valores de una muestra (media muestral) sirve para estimar la media de la población de la
que se ha extraído la misma; la varianza muestral podría usarse para estimar la varianza
poblacional, etc. Esto se denomina como realizar una estimación puntual.

4. Media proporcional.
La media proporcional o media geométrica es cada uno de los términos medios de una
proporción geométrica continua, es decir, cada uno de los términos medios de una
proporción cuando son iguales. Así, en la proporción 12/6 = 6/3 la media proporcional es 6.

Ejemplo:

La media proporcional de a y b es el siguiente valor de x:

a = b "a es ax, como x es ab"

Pero cuando nosotros multiplicamos cruzado (es decir, multiplicamos ambos lados por b y
también por x) obtenemos:

a=x ab = x ab = x2

Y ahora podemos resolver x:

8
x = √(ab)

5. Diferencias de medias muestrales y proporcionales:

La diferencia entre ellas es que la media muestral es un estadístico que se calcula a
partir de la media aritmética de un conjunto de valores de una variable aleatoria. Mientras
que las medias proporcionales son una proporción continua, se denomina medio
proporcional a cada uno de los términos iguales, y para calcular el medio proporcional de
una proporción continua se extrae la raíz cuadrada del producto de los extremos.

6. Teoría central del límite:

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.

Ejemplo:

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 el ejemplo serían los siguientes:

9
 a. Elegimos la muestra de unas 50 compañías y obtenemos la rentabilidad
media de la totalidad de la muestra.
b. De manera continuada seguimos escogiendo 50 compañías y obtenemos la
rentabilidad media.
c. La distribución de todas las rentabilidades medias de todas las muestras
escogidas se aproximará a una distribución normal.
d. Las rentabilidades medias de todas las muestras seleccionadas se
aproximarán a la rentabilidad media del total del índice. Tal y como
demuestra el teorema Central del Límite.

7. Error Muestral
En estadística, error muestral o error de estimación es el error que surge a causa de
observar una muestra de la población completa.

Estimación de valor de interés, como la media o el porcentaje, estará generalmente

sujeta a una variación entre una muestra y otra. Estas variaciones en las posibles muestras
de una estadística pueden, teóricamente, ser expresadas como errores muestrales, sin
embargo, normalmente, en la práctica el error exacto es desconocido. El error muestral se
refiere en términos más generales al fenómeno de la variación entre muestras. Cuando este
no es mencionado se considera que el margen de error base es el 0.02% (0.2 para muestreo
paralelo y 2 para muestreo directo).

El error muestral deseado, generalmente puede ser controlado tomando una muestra
aleatoria de la población, suficientemente grande, sin embargo, el costo de esto puede ser
limitante. Si las observaciones son tomadas de una muestra aleatoria, la teoría estadística
brinda cálculos probabilísticos del tamaño deseado del error muestral para una estadística
en particular o estimación. Estos usualmente son expresados en términos del error estándar.

El error muestral puede ser contrastado con el error no muestral, el cual se refiere al
conjunto de las desviaciones del valor real que no van en función de la muestra escogida,
entre los cuales se encuentran varios errores sistemáticos y algunos errores aleatorios.
Resultan mucho más difíciles de cuantificar que el error muestral.

10
Experimento Aleatorio y Espacio Muestral.

Experimento Aleatorio: Es la reproducción controlada de un fenómeno; y cuyo

resultado depende del azar. Ejemplos:

 Lanzamiento de un dado.
 Lanzamiento de una moneda.

Un experimento aleatorio puede ser repetido bajo las mismas condiciones, y se puede
describir el número de resultados posibles.

Espacio muestral (S): Es el conjunto de todos los resultados posibles de un experimento

aleatorio.

 Si se lanza un dado, el espacio muestral está compuesto por los siguientes

elementos: S= {1, 2, 3, 4, 5, 6}.
 Si se lanza una moneda que tiene dos caras: perro (P) y gato (G), el espacio
muestral está compuesto por: S={P, G}.
 Si se lanzan dos monedas, el espacio muestral está compuesto por: S= {(P, P), (P,
G), (G, P), (G, G)}.
 Si se lanza un dado y una moneda, el espacio muestral está compuesto por: S= {(1,
P), (1, G), (2, P), (2, G), (3, P), (3, G), (4, P), (4, G), (5, P), (5, G), (6, P), (6, G)}

Evento o suceso: Conjunto de uno o más resultados del experimento aleatorio.

 Si A = {obtener un número 5 al lanzar un dado}, entonces, A= {5}.

 Si B = {obtener un número mayor que 3 al lanzar un dado}, entonces, B= {4, 5, 6}.
Si C = {obtener un número par al lanzar un dado}, entonces, C= {2, 4, 6}.
 Si D = {obtener al menos 1 gato al lanzar 2 monedas}, entonces, D= {(P, G), (G, P),
(G, G)}

11
Probabilidad.

Probabilidad es un valor entre 0 y 1, que indica la posibilidad relativa de que ocurra un

evento. El valor de la probabilidad se calcula mediante la siguiente fórmula:

Recuerda que…

 El valor de la probabilidad siempre se encuentra entre 0 y 1 (incluidos ambos

números), es decir, 0 ≤ P(A) ≤1.
 La probabilidad de que ocurra un evento imposible es 0. Por ejemplo, la
probabilidad de obtener un 8 al lanzar un dado numerado del 1 al 6 es 0, es
decir, P(X)=0.
 La probabilidad de que ocurra un evento seguro es 1. Por ejemplo, la
probabilidad de obtener un número menor que 7 al lanzar un dado numerado
del 1 al 6 es 1, es decir, P(X)=1.

Ejemplo 1:

Calcular la probabilidad de obtener un 2 al lanzar un dado.

P N
( X )=
M

Solución:

P 1
( X ) = =0,1667 →16,67 %
6

La probabilidad es un método por el cual se obtiene la frecuencia de un acontecimiento

determinado mediante la realización de un experimento aleatorio, del que se conocen todos
los resultados posibles, bajo condiciones suficientemente estables.

Probabilidad Clásica.

Si un suceso puede ocurrir de N maneras mutuamente excluyentes e igualmente

probables, y M de ellas poseen una característica A.

12
Probabilidad Empírica o Frecuencia.

Una teoría de mayor aplicación y muy sostenida es la basada en la frecuencia

relativa. Puede atribuirse a este punto de vista el adelanto registrado en la aplicación de la
probabilidad en la Física, la Astronomía, la Biología, las Ciencias Sociales y los negocios.

Esta teoría está estrechamente relacionada con el punto de vista expresado por
Aristóteles: “lo probable es aquello que ocurre diariamente”.

Notamos a través de gran cantidad de observaciones acumuladas con los diversos

juegos de azar una forma general de regularidad que permitió establecer una teoría.

Supongamos que efectuamos una serie de n repeticiones del experimento E,

intentando mantener constantes las condiciones pertinentes. Sea f el número de repeticiones
en las que se presenta el suceso A, de forma que en las restantes n – f no se presentará.
Obtendremos así una serie de frecuencias relativas para n1, n2 ….

Estas frecuencias relativas diferirán poco entre sí cuando las ni sean grandes y
tenderán a acumularse en la proximidad de un valor fijo.

Debemos señalar que la estabilidad, a la larga, de las frecuencias relativas se aplica

a una amplia clase de experimentos aleatorios, de los que el juego de azar constituye un
caso en particular, casi insignificante.

Para establecer una descripción matemática sencilla de la conducta de las

frecuencias relativas para grandes valores de n, vamos a postular la existencia de un nro. P
que es el nro. Al cuál tiende fr, es decir, la frecuencia relativa del suceso en estudio.

Este número se llamará probabilidad del suceso A en relación con el experimento

aleatorio E.

La frecuencia relativa fr se considerará entonces como una medida experimental de

la probabilidad y diremos:

13
 “De acuerdo con el concepto empírico de la estabilidad de las razones frecuenciales
cabe esperar que, para grandes valores de n, la razón frecuencial observada sea
aproximadamente igual a p que se llamará probabilidad del suceso en estudio”.

Estaremos entonces “estimando” el valor de una probabilidad desconocida por

medio de un estudio de la conducta de las frecuencias relativas del hecho o suceso
correspondiente.

La aplicación de esta definición está relacionada con un experimento aleatorio que

puede ser repetido varias veces en condiciones uniformes. Naturalmente, la repetición real
será en ocasiones difícil o incluso imposible de realizar, por ejemplo, debido a los costos
prohibitivos de experimentación, pero bastará con que sea concebible una repetición en
condiciones uniformes.

Probabilidad Axiomática.

Se refiere a la probabilidad de ocurrencia de un suceso basado en la experiencia

previa, la opinión personal o la intuición del individuo. En este caso después de estudiar la
información disponible, se asigna un valor de probabilidad a los sucesos basado en el grado
de creencia de que el suceso pueda ocurrir

Probabilidad a Priori.

En inferencia estadística Bayesiana, una distribución de probabilidad a priori de una

cantidad p desconocida, es la distribución de probabilidad que expresa alguna
incertidumbre acerca de p antes de tomar en cuenta los datos.

Teorema de la Unidad.

Una unidad es la abstracción matemática de una “variable aleatoria”. Los ejemplos

comunes de una unidad serían una sola persona, animal, planta, artículo manufacturado o
país que pertenece a una colección más grande de dichas entidades que están siendo
estudiadas.

14
 A menudo se hace referencia a las unidades como unidades experimentales,
unidades de muestreo o unidades de observación:

Una “unidad experimental” se suele considerar como un miembro de un conjunto de

objetos que inicialmente son equivalentes, y cada objeto se somete a uno de varios
tratamientos experimentales. En pocas palabras, es la entidad más pequeña a la que se
aplica un tratamiento.

Una “unidad de muestreo” se suele considerar como un objeto que se ha muestreado

de una población estadística. Este término se usa comúnmente en encuestas de opinión y
muestreo de encuestas.

Por ejemplo, en un experimento sobre métodos educativos, los métodos pueden

aplicarse a las aulas. Esto indicaría el aula como la unidad experimental. Las mediciones
del progreso se pueden obtener en estudiantes individuales, como unidades de observación.
Pero el tratamiento (método de enseñanza) que se aplica a la clase no se aplicaría de forma
independiente a los estudiantes individuales. Por lo tanto, el estudiante no puede ser
considerado como la unidad experimental. La clase, o la combinación del maestro por
método si el maestro tuviera varias clases, sería la unidad experimental apropiada.

En la mayoría de los estudios estadísticos, el objetivo es generalizar de las unidades

observadas a un conjunto más grande que consiste en todas las unidades comparables que
existen pero que no se observan directamente. Por ejemplo, si muestreamos aleatoriamente
a 100 personas y les preguntamos a qué candidato votarán en una elección, nuestro interés
principal es el comportamiento de voto de todos los votantes elegibles, no exclusivamente
de las 100 unidades observadas.

En algunos casos, las unidades observadas pueden no formar una muestra de una
población significativa, sino constituir una muestra de conveniencia, o pueden representar
la población de interés en su totalidad. En esta situación, podemos estudiar las unidades de
forma descriptiva, o podemos estudiar su dinámica a lo largo del tiempo. Pero típicamente

15
no tiene sentido hablar de generalizar a una población más grande de tales unidades. Los
estudios que involucran países o empresas comerciales son a menudo de este tipo. Los
ensayos clínicos también suelen utilizar muestras de conveniencia, sin embargo, con
frecuencia el objetivo es hacer inferencias sobre la eficacia de los tratamientos en otros
pacientes, y dados los criterios de inclusión y exclusión para algunos ensayos clínicos, la
muestra puede no ser representativa de la mayoría de los pacientes con condición o
enfermedad

En conjuntos de datos simples, las unidades están en una correspondencia uno a uno
con los valores de los datos. En conjuntos de datos más complejos, se realizan múltiples
mediciones para cada unidad. Por ejemplo, si las mediciones de presión arterial se realizan
diariamente durante una semana en cada sujeto de un estudio, habría siete valores de datos
para cada unidad estadística. Las mediciones múltiples tomadas en un individuo no son
independientes (serán más parecidas en comparación con las mediciones tomadas en
diferentes individuos). Ignorar estas dependencias durante el análisis puede llevar a un
tamaño de muestra inflado o una pseudoreplicación.

Si bien una unidad es a menudo el nivel más bajo en el que se realizan las
observaciones, en algunos casos, una unidad puede descomponerse aún más como un
conjunto estadístico.

Muchos análisis estadísticos utilizan datos cuantitativos que tienen unidades de

medida. Este es un uso distinto y no superpuesto del término “unidad”. Las unidades
estadísticas se dividen en dos son:

• Unidad de colección: unidades en las que las cifras relacionadas con un

problema particular se enumeran o estiman. Las unidades de colección
pueden ser simples o compuestas. Una unidad simple es aquella que
representa una condición única sin ninguna calificación. Una unidad
compuesta es una unidad se forma agregando una palabra o frase de

16
 calificación a una unidad simple. Ejemplo: horas de trabajo y pasajeros-
kilómetro.
• Unidad de análisis e interpretación: unidad de análisis e interpretación
son aquellas en términos de las cuales se analizan e interpretan los datos
estadísticos. Ejemplo: ratios, porcentaje, coeficiente, etc.

Probabilidad a Posteriori.

En estadística bayesiana, la probabilidad a posteriori de un evento aleatorio es la

probabilidad condicional que es asignada después de que la evidencia es tomada en cuenta.

17
Conclusión
Al dar termino este trabajo pudimos conocer un poco más sobre lo que es el
muestreo probabilístico, como es su procedimiento que conlleva y todo lo referente a este
para ponerlo en práctica en la estadística, además se explicaron temas importantes y
explícitos para llevarlos a cabo.

Como cuales son las técnicas y pasos para hacerlo, que es una Media muestral,
como se calcula, que es una media proporcional y por qué son diferentes, que es la teoría
del límite y que ocurre en un error muestral etc.…Puntos que al ponerlos en práctica poco a
poco nos iremos volviendo experto en la materia y entenderemos desde otra perspectiva
cómo funciona la misma.

18
Bibliografía
 Portal:
 https://www.google.com/
 https://es.wikipedia.org/wiki/Wikipedia:Portada
 https://www.monografias.com/
 https://www.rincondelvago.com/
 https://scielo.conicyt.cl/pdf/ijmorphol/v35n1/art37.pdf
 https://www.revistaseden.org/files/9-cap%209.pdf
 https://es.wikipedia.org/wiki/Media_(matem%C3%A1ticas)
 https://www.superprof.es/diccionario/matematicas/aritmetica/medio-
proporcional.html

19