INSTITUTO TECNOLOGICO SUPERIOR DE

SALVATIERRA

Carrera:
Ingeniería en Gestión Empresarial

Grado: 3er semestre Grupo: YGE301

Materia: Probabilidad y estadística descriptiva

Tema: P3_U4 Actividad de evaluación

Asesor:
Alejandro Tapia Muñoz

Elaborado por:
Vanesa Calderón Herrera

Yuriria, Gto. 09 de Diciembre 2021

 MATERIA
Nombre del Docente: Alejandro Tapia Muñoz

Número y fecha de P3_U4 09 de Diciembre de 2021

la Evidencia de Aprendizaje:
Título del trabajo Actividad de evaluación

Nombre del estudiante: Vanesa Calderón Herrera

Matrícula del estudiante: YGE2011030

DECLARACIÓN DEL ESTUDIANTE

Yo, Vanesa Calderón

Herrera, declaro solemnemente que el trabajo intelectual total o parcial del
contenido en este trabajo ha sido realizado por mí, que no ha sido
previamente enviado para su evaluación, ni por mí ni por otro estudiante
en el Instituto Tecnológico Superior de Salvatierra (ITESS) ni en ninguna
otra institución excepto cuando así sea indicado. Declaro además que no
tengo conocimiento de que el material contenido en este trabajo haya sido
escrito o publicado por otra persona, excepto cuando las citas y referencias
correspondientes son incluidas.

Hago esta declaración en el entendido de que conozco claramente que, d

e encontrarse falsedades en esta, me pongo a la disposición del Comité
de Honor y Justicia de
la institución para que sean determinadas las medidas disciplinarias que
este acto cause. Además, certifico que guardaré una copia electrónica de
este trabajo para mi registro personal.

Deslindo al profesor y a la institución de cualquier litigio causado por obs

ervaciones de plagio.

Firma: Vanesa Calderón Herrera Fecha: 09 de diciembre de 2021

Muestreo
El muestreo es el proceso de seleccionar un conjunto de individuos de una
población con el fin de estudiarlos y poder caracterizar el total de la población.

El muestreo es necesario por el hecho de que las poblaciones pueden ser

demasiado grandes y no es factible (económica y materialmente hablando) tomar
datos de todos los individuos.

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.
(Westreicher, 2021)

Tipos de muestreo
Aleatorio:

El muestreo aleatorio es un proceso que permite obtener una muestra sobre

una población, basada en una determinada probabilidad de elección de los
individuos que la conforman.

Con el muestreo aleatorio, por tanto, lo que hacemos es plantear un método

de elección. Un método que tiene en cuenta diferentes probabilidades. Esto lo
diferencia de los métodos no aleatorios en que es la subjetividad del investigador la
que decide la selección de la muestra.
Ejemplo de muestreo aleatorio:

En la lotería sería la selección de una muestra aleatoria de entre un grupo de

100 miembros. Se ponen todos los nombres en un recipiente y se van sacando uno
por uno hasta tener el tamaño suficiente de nuestra muestra.

Al utilizar el sistema de sorteo, los números que representa cada elemento

de la población objetivo son colocadas en chips (es decir, tarjetas, papel u otros
objetos).

Los chips se colocan entonces en un recipiente y se mezclan. A continuación,

a ciegas se seleccionan las fichas desde el recipiente hasta que se haya obtenido
el tamaño de muestra deseado. Las desventajas de este método de selección es
que consume mucho tiempo, y se limita a poblaciones pequeñas.

El uso de números aleatorios, un método alternativo implica también la

numeración de miembros de la población de 1 a N. Luego, el tamaño de muestra de
n tiene que ser determinada por selección de los números al azar.
 El uso de la tabla de números aleatorios similar a la que aparece a
continuación puede ayudar en gran medida con la aplicación de esta técnica de
muestreo.
Tabla 1 tabla de números aleatorios

En una tabla de números aleatorios no se sigue un patrón particular. Pueden

ser leídos de cualquier manera, es decir, horizontal, vertical, diagonal, hacia delante
o hacia atrás. El número de dígitos que se utiliza debe corresponder al tamaño total
de la población objetivo.

Los números que el investigador encuentra que no concuerdan con los

números asignados a elementos de la población objetivo son ignorados. Este
proceso de la tabla de números aleatorios es un proceso tedioso, consume tiempo,
y no se recomienda para grandes poblaciones.
En su lugar, se pueden utilizar software estadístico u hojas de cálculo para
generar números aleatorios. Los elementos de las poblaciones cuyos números
asignados coinciden con los números generados por el software son incluidos en la
muestra. Se puede seleccionar un número de una tabla de números aleatorios para
usarlo como el número de partida para el procedimiento. (Arias, 2021)
Muestreo sistematizado:

El muestreo sistemático es un tipo de muestreo probabilístico que se basa en

enlistar a toda una población, elegir de forma aleatoria al primer individuo para la
muestra y luego, a partir de un intervalo definido por el investigador, seleccionar al
resto de los individuos que conformarán la muestra.
Ejemplo de muestreo sistematizado:
 1) Supongamos que poseemos una población de 1000 individuos y
necesitamos obtener una muestra de 100 de ellos. Para ello, dividiremos en primer
lugar el total de la población en 100 fragmentos aleatorios de 10 individuos. Luego,
seleccionaremos un número al azar entre el 1 y 10.

Si el número obtenido al azar es el 6, a partir del individuo número 6 de la

población se definirá nuestra muestra. Es decir que a partir de él se irán
completando intervalos de 10, es decir: 6, 16, 26, 36, 46 hasta el 996.
De esta manera quedará conformada la muestra de 100 individuos a través
del muestreo sistemático.

2) Supongamos que necesitamos extraer una muestra de 10 personas a

partir de una población total de 100 y el primer individuo seleccionado para la
muestra es el número 3. A partir de este, mediante un intervalo de 4 decidido por el
investigador, se seleccionarán los próximos individuos hasta completar la muestra,
de manera que serán los números 7, 11, 15, etc. (Grudemi, 2019)

Figura 1 Ejemplo de muestreo sistemático con intervalo de 4.

Muestreo estratificado:

El muestreo estratificado es un tipo de muestreo

probabilístico que consiste en dividir toda la población, sobre la cual se realizará
una investigación, en diferentes estratos o subgrupos.
Generalmente, estos estratos se conforman por individuos que comparten
características similares.
 Una vez estratificada la población se debe seleccionar, al azar y de forma
proporcional, a los individuos finales de cada uno de los estratos que conformarán
la muestra estadística.
Ejemplo de muestreo estratificado:

Para obtener una muestra de 100 individuos de una población total de

3000, se divide a la población en los siguientes estratos:
 Estrato 1: 1300 individuos.
 Estrato 2: 1100 individuos.
 Estrato 3: 600 individuos.

Mediante el muestreo estratificado proporcionado, la muestra obtenida de

cada estrato será representativa de cada uno de estos y otorgará los siguientes
resultados:

Estrato Individuos Porcentaje Muestra

1 1300 43,4% 43

2 1100 36,6% 37

3 600 20% 20

De esta manera quedaría conformada la muestra de 100 personas. Este

tipo de muestreo estratificado deja en desventaja a aquellos grupos o estratos que
estén conformados por la menor cantidad de personas. (Grudemi, 2019)

Muestreo conglomerado:

El muestreo por conglomerados consiste en dividir la población en

conjuntos sin solapamiento, y exhaustivos. De manera que cada uno de ellos
represente toda la variabilidad posible.

En el muestreo por conglomerados, por tanto, lo que hacemos es crear

grupos más pequeños de una población, los cuales tengan todas las características
de esta.
 Así, una vez los tenemos, podemos elegir algunos de ellos como muestra y
analizarlos de forma más sencilla.
Ejemplo de muestreo conglomerado:
El muestreo por conglomerados se utiliza para estimar altas mortalidades en
casos como guerras, hambrunas y desastres naturales.
Muestreo en una etapa

Una ONG desea establecer una muestra de niños en cinco localidades

cercanas para brindarles educación.

Mediante el muestreo por conglomerados de una etapa, la ONG podrá

escoger al azar las poblaciones (grupos) para crear una muestra y así brindar ayuda
a los niños que no reciben educación en esas ciudades.
Muestreo en dos etapas

El dueño de un negocio está buscando averiguar el desempeño estadístico

de sus plantas, que están distribuidas en varias partes de EE.UU.

Tomando en cuenta el número de plantas, el trabajo realizado en cada planta

y la cantidad de empleados por planta, el muestreo en una etapa consumiría mucho
dinero y tiempo.
Por tanto, se decide realizar un muestreo en dos etapas. El dueño crea
muestras de trabajadores pertenecientes a distintas plantas para formar los
conglomerados. Entonces los divide en el tamaño de una planta en estado
operativo.

Se formó un muestreo por conglomerados en dos etapas en el que se

aplicaron otras técnicas de conglomerados, como el muestreo aleatorio simple, para
comenzar con los cálculos.
Muestreo en múltiples etapas

El muestreo por conglomerados geográficos es una de las técnicas más

ampliamente implementadas.

Cada conglomerado es una zona geográfica. Ya que puede ser costoso

realizar una encuesta en una población dispersa geográficamente, se puede
alcanzar una economía mayor que con un simple muestreo aleatorio al agrupar en
un conglomerado dentro de un área local a los diferentes encuestados.

En general, para lograr una precisión equivalente en las estimaciones se

necesita incrementar el tamaño de la muestra total, pero los ahorros de costos
pueden hacer que sea factible tal aumento en el tamaño de la muestra. (Arias, 2021)
Determinación del tamaño de la muestra de una población
¿Para qué determinar el tamaño de una muestra?

Determinar el tamaño de la muestra que se va a seleccionar es un paso

importante en cualquier estudio de investigación de mercados, una encuesta es
realmente valiosa cuando es confiable y representativa, se debe justificar
convenientemente de acuerdo al planteamiento del problema, la población, los
objetivos y el propósito de la investigación.
¿De cuántas personas debe consistir mi muestra?

Una muestra demasiado grande dará lugar a la pérdida de valiosos recursos

como tiempo y dinero, mientras que una muestra pequeña puede no proporcionar
información confiable. ¿Entonces de qué tamaño debe ser una muestra? Esto sin
duda depende de qué tan exactos necesites que sean los datos obtenidos en tu
encuesta, que tan cercanos quieres que sean a los de la población total.

Es mucho mejor tener a las personas adecuadas para contestar nuestra

encuesta, que tener una gran cantidad de personas equivocadas que no nos van a
aportar la información que necesitamos.

Una muestra representativa está integrada por personas con intereses

similares a nuestro objeto de estudio, no tiene que ver, en este caso, con el tamaño.
El tamaño de la muestra puede ser:

Representativa: Hace referencia a que todos los miembros de un grupo de

personas tengan las mismas oportunidades de participar en la investigación.
Adecuada: Se refiere a que el tamaño de la muestra debe de ser obtenido
mediante un análisis que permite resultados como disminuir el margen de error.
Ejemplo:

Existen diversas maneras para obtener el tamaño de una muestra

dependiendo de los datos con que se cuente, por ejemplo, en caso de contar con la
cantidad de personas a las que le realizaremos el estudio (por ejemplo, el número
de habitantes en X ciudad), se dice que se cuenta con un universo finito, en esta
ocasión abordaremos está clase de universos y como obtener el tamaño ideal de
una muestra, para lograr lo anterior se hace uso de la siguiente fórmula propuesta
por Murray y Larry (2005):
En donde:

 n = es el tamaño de la muestra poblacional a obtener.

 N = es el tamaño de la población total.
 σ = representa la desviación estándar de la población. En caso de
desconocer este dato es común utilizar un valor constate que equivale a 0.5
 Z = es el valor obtenido mediante niveles de confianza. Su valor es una
constante, por lo general se tienen dos valores dependiendo el grado de
confianza que se desee siendo 99% el valor más alto (este valor equivale a
2.58) y 95% (1.96) el valor mínimo aceptado para considerar la investigación
como confiable.
 e = representa el límite aceptable de error muestral, generalmente va del 1%
(0.01) al 9% (0.09), siendo 5% (0.5) el valor estándar usado en las
investigaciones.

Una vez establecido los valores adecuados, se procede a realizar la

sustitución de los valores y aplicación de la fórmula para obtener el tamaño de la
muestra poblacional correspondiente al universo finito determinado. (Castañeda,
2013)

Teorema del límite central

El teorema del límite central establece que la distribución muestral de una
media muestral es aproximadamente normal si el tamaño de la muestra es lo
suficientemente grande, incluso si la distribución de la población no es normal.
Establece que la distribución muestral tendrá las siguientes propiedades:
1. La media de la distribución muestral será igual a la media de la distribución de la
población:
x=μ

2. La varianza de la distribución muestral será igual a la varianza de la distribución

poblacional dividida por el tamaño de la muestra:
s2=σ2/n
Ejemplo:
 1) Las bolsas de sal envasadas por una máquina tienen y
. Las bolsas se empaquetaron en cajas de unidades. Calcular la
probabilidad de que la media de los pesos de las bolsas de un paquete sea menor
que .Calcular la probabilidad de que una caja de bolsas pese más de
.
1Calcular la distribución de la media de una muestra

Dado que la muestra es grande podemos aplicar el teorema del límite

central. Por lo tanto, la media de la muestra se aproxima a una distribución normal
con los parámetros

Esto es

Calculamos la probabilidad

2Calcular la distribución de la suma de los elementos de una muestra

Necesitamos calcular la probabilidad de que la suma de los elementos de una
muestra esté en un cierto intervalo. Sabemos que la suma de la muestra se
aproxima a una distribución normal con los parámetros

Esto es

Calculamos la probabilidad
(Martha, 2019)
Referencias
Arias, E. R. (08 de 02 de 2021). Muestreo aleatorio . Obtenido de Economipedia:
https://economipedia.com/definiciones/muestreo-
aleatorio.html#:~:text=El%20muestreo%20aleatorio%20es%20un%20proceso%20que%20
permite,Un%20m%C3%A9todo%20que%20tiene%20en%20cuenta%20diferentes%20prob
abilidades.

Castañeda, N. B. (05 de 12 de 2013). determinacion de la muestra de una poblacion . Obtenido de

prezi: https://prezi.com/h8orcqbgvimr/determinacion-del-tamano-de-la-muestra-de-una-
poblacion/

Grudemi, E. (2019). muestreo sistematizado . Obtenido de enciclopedia economica :

https://enciclopediaeconomica.com/muestreo-sistematico/

Martha. (2019). que es el teorema central del limite . Obtenido de Superprof:

https://www.superprof.es/apuntes/escolar/matematicas/estadistica/inferencia/teorema-
central-del-limite.html

Westreicher, G. (10 de 03 de 2021). Muestreo. Obtenido de Economipedia :

https://economipedia.com/definiciones/muestreo.html