Documentos de Académico
Documentos de Profesional
Documentos de Cultura
MUESTREO
PROBABILISTICO
Participantes:
Facilitador:
María Infantes
Dr. Luis Villegas
Xiorelys Flores
Yorkis Cermeño
2do Año de Medicina
Seccion#4
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)
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:
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.
Ventajas:
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.
El azar simple:
El azar sistemático:
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).
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.
Estudios observacionales:
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:
Pero cuando nosotros multiplicamos cruzado (es decir, multiplicamos ambos lados por b y
también por x) obtenemos:
a=x ab = x ab = x2
8
x = √(ab)
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.
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.
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.
11
Probabilidad.
Recuerda que…
Ejemplo 1:
P N
( X )=
M
Solución:
P 1
( X ) = =0,1667 →16,67 %
6
Probabilidad Clásica.
12
Probabilidad Empírica o Frecuencia.
Esta teoría está estrechamente relacionada con el punto de vista expresado por
Aristóteles: “lo probable es aquello que ocurre diariamente”.
Estas frecuencias relativas diferirán poco entre sí cuando las ni sean grandes y
tenderán a acumularse en la proximidad de un valor fijo.
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”.
Probabilidad Axiomática.
Probabilidad a Priori.
Teorema de la Unidad.
14
A menudo se hace referencia a las unidades como unidades experimentales,
unidades de muestreo o unidades de observación:
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.
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.
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