Muestreo Probabilístico

Muestreo Aleatorio Simple – Sem 02

Error estándar estimado de Y: σ^y =
s2
n ( √ N−n
N−1 )

Tres parámetros asociados a variables cuantitativas son: 2. Estimación con intervalo de confianza para μ

( √sn )(√ NN −n ) √ n √ N −1 )
≤ μ ≤ y + Z ( )(
s N−n
N
Total Poblacional: τ =∑ Yi y−Z α
−1 α
i−1 2 2

N Estimación del total poblacional:

Media Poblacional:
∑ Yi
τ i−1
μ= = 1. Estimador Puntual:
N N τ =N∗ y
N

( )( NN −n
−1 )
2

Varianza Poblacional:
∑ (Yi−μ)2 ^ ( τ^ )=N 2 s
Estimador de la varianza: V
σ 2= i−1 n
N
Número de unidades que pertenecen a la clase de interés en la población:
N
Error estándar estimado: σ^ =N
( √sn )(√ NN −n
^τ
−1 )
A=∑ Yi
i−! 2. Estimación con intervalo de confianza:

( √sn )(√ NN −n ) √n √ N −1 )
≤ τ ≤ τ^ +Z ∗N ( ) (
Proporción de unidades que pertenecen a la clase de interés en la s N −n
N τ^ −Z α ∗N α
−1
población:
∑ Yi
A i=1
2 2

P= = Estimación de la proporción poblacional:

N N
Estimación de la media poblacional: 1. Estimador Puntual:

1. Estimador Puntual ^ ( ^p )= p∗q N −n

Varianza del estimador: V
n N −1 ( ) Donde: q = 1 - p

∑ Yi
√
Media muestral: y=
n Error estándar estimado: σ^^p= (
p∗q N−n
n N −1 )
( )
2
^ ( y )= s N −n
Estimador de la varianza de Y: V 2. Estimación con intervalo de confianza:
n N −1

Factor de corrección para poblaciones finitas:

N −n
N−1 ^p−Z α
2
(√ ( ))
p∗q N−n
n N−1
≤ P≤ ^p + Z α
2
( √ ( ))
p∗q N −n
n N −1
 2 2
Z ∗S ∗N
n=
( N −1 ) E 2+ Z 2∗S2
Estimación del número de unidades que tienen la característica de
interés: GLOSARIO:
1. Estimador Puntual: p: Proporción de éxito; que se conoce por estudios anteriores o similares.
^
A=N∗ ^p
q: (1-p) Proporción fracaso.

( )
2
^ (^ N ∗p∗q N −n
Varianza del estimador ^
A: V A)= 1-α: Nivel de CONFIANZA.
n N −1

Error estándar estimado: σ^^A=N∗

√ (
p∗q N−n
n N −1 ) Z: Valor tabulado de la Distribución Normal, para un nivel de significación
que generalmente se toma:

2. Estimación con intervalo de confianza: Z = 1.96 para un nivel de confianza del 95%.

( √ ( )) (√ ( ))
Z = 2.58 para un nivel de confianza del 99%.
^ p∗q N −n p∗q N−n
A −Z α ∗N∗ ≤ A≤ ^
A + Z α ∗N∗
2
n N−1 2
n N −1 E: Error de Estimación.

CALCULO DEL TAMAÑO DE MUESTRA: Valor que lo determina el investigador Se sugiere valores en torno
al 5% (Entre 1 y 10%).
Cuando el estudio es de carácter cualitativo:
N: Número de los elementos del universo o de la población.
a) Cuando se supone N es muy grande o infinita:
2
2
Z ∗p(1−p) s : Varianza muestral.
n= 2
E
b) Cuando la población es finita (Se conoce N):
N∗Z 2∗p( 1− p)
n=
( N −1 ) E 2+ Z 2∗p(1−p)
Cuando el estudio es de carácter cuantitativo:
a) Cuando se supone N es muy grande o infinita:
2 2
Z ∗S
n=
E2
b) Cuando la población es finita (Se conoce N):
 nh
Muestreo Estratificado – Sem 03
Es la varianza de la muestra del estrato h:
∑ ( y hi− y h )2
Tamaño de la población total y muestral 2
S h=
i=1
nh−1
N=N h ; n=nh
Estimación de la media poblacional ( μ):
Notación del muestro estratificado son:
1. Estimador Puntual:
Nh
Total de la Población en el estrato h: τ h=∑ Y hj Un estimador insesgado de la media de población es:
L
1
^μst = ∑ Nh y h
j=1

L Nh N h=1
Total de la Población: τ =∑ τ h=∑ Y hj
h=1 j=1 La varianza estimada de este estimador es:
L 2
1 2 S h N h−n h
Nh
V ( μ^ st )= 2 ∑ N h
^
Media del estrato h:
∑Y
τ h i=1 h i
N h=1 nh N h
μh = =
Nh Nh El error estándar estimado es:
L Nh σ^ ^μ st =√ V
^ ( ^μ st )

Media de la población:
∑ ∑ Y hi 2. Estimación con intervalo de confianza para μ
h=1 i=1
μ=
N ^μst −Z α ∗σ^ ^μst ≤ μ ≤ ^μst + Z α ∗σ^ μ^ st
Nh 2 2

Varianza del estrato h:

∑ ( y hi−μh ) 2
Estimación del total poblacional (τ ):
2 i=!
σ h=
Nh 1. Estimador Puntual:
L Nh

∑ ∑ ( y hi−μ)2 Un estimador insesgado de τ es: τ^ st =N ^μst

Varianza de la población: 2 h=1 i=1
σ =
N La varianza estimada de este estimador es:
L 2
2 S h N h −nh
Cantidades de la muestra a ser utilizadas para estimar parámetros: V ( τ^ st )=∑ N h
^
h=1 nh N h
nh

Es la media de la muestra del estrato h:

∑ y hi El error estándar estimado es:
σ^ ( τ^ ¿¿ st)= √ V
^ ( τ^ st )¿
i=1
^μh= y h=
nh
2. Estimación con intervalo de confianza para τ
 τ^ st −Z α ∗σ^ ( τ^ ¿¿ st)≤ τ ≤ τ^ st +Z α ∗σ^ ( τ^ ¿ ¿ st)¿ ¿
2 2 n= 2
∑ 2
W h Sh
E 1
+ ∑ W h Sh
2
Estimación de la proporción poblacional ( P ): Z N
2

1. Estimador Puntual: Cálculo del tamaño de muestra o cuando se quiere estimar el promedio
L poblacional – carácter cualitativo
1
Un estimador insesgado es: ^pst = ∑ Nh ^ph
N h=1 N
∑ W h N −1
h
Ph (1−Ph )
h
^ph es la proporción de unidades en la muestra n= 2
E 1 Nh
+ ∑ Wh P (1−Ph )
La varianza estimada de este estimador es: Z N
2
N h −1 h
L
^ ( ^p st )= 1 ∑ N 2 h ^ph q^ h N h −nh
V Nh
N 2 h=1 nh−1 N h Para determinar la ponderación de cada estrato (Wh): W h =
N
El error estándar estimado es:
Para determinar el tamaño de la muestra de cada estrato (nh) o
σ^ ( ^p ¿¿ st )=√ V
^ ( ^pst ) ¿
N
Afijación proporcional: n h= h n
2. Estimación con intervalo de confianza es: N

^pst −Z ε∗σ^ ( ^p ¿¿ st) ≤ p ≤ ^p st + Z ε ∗σ^ ( ^p ¿¿ st) ¿ ¿ Nh σh

Afijación optima: n h=n
2 2
∑ N hσ h
Estimación del número de unidades que tienen la característica de Muestreo no Probabilístico – Sem 04
interés:
Distribución Muestral
1. Estimador Puntual: ^A st =N ^pst
2. Estimación con intervalo de confianza es: Parámetros (Ө)

^
A st −N∗Z ε ∗σ^ ( ^p ¿¿ st )≤ A ≤ ^
A st + N∗Z ε∗σ^ ( ^p ¿¿ st)¿ ¿
• µ: Media poblacional.
2 2
• σ2: Varianza poblacional.
AFIJACIÓN PROPORCIONAL
• P=π: Proporción poblacional.
Cálculo del tamaño de muestra o cuando se quiere estimar el promedio 2
σ1
poblacional – carácter cuantitativo • 2 : Razón de varianza.
σ2

• µ1-µ2: Diferencia de medias poblacionales.

 • P1-P2: Diferencia proporciones. S
b) σ x= población infinita
Estimadores (ô)
√n

•
•
x : Media muestral.
2
S : Varianza muestral.
σ x=
√n N√
S N −n
población finita

C) Para n<30, la variable aleatoria es:

• p= p : Proporción muestral. X−μ
T= T-student (n-1 grados de libertad)
2 SX
S 1
• : Razón de varianza muestral.
S
2
2
Calculo en Excel:

x 1−x 2: Diferencia de medias muestrales. =DISTR.T. N (VALOR DE T; n-1; VERDADERO)

•
Distribución muestral para la proporción
• p1− p2 : Diferencia de proporciones muestrales.
a) μ p=P

√
1. Distribución Normal Estándar
PQ
b) σ p= población infinita
Cuando 𝝈 es conocido:
𝟐
n

√
a) μ x =μ PQ
∗N−n población finita
n
σ σ p=
b) σ x = población infinita N−1
√n
C) La variable aleatoria es:

σ x=
√
σ N −n
√ n N−1
población finita Z=
p−P
σp
Distribución normal estandarizada

C) Para n≥30, la variable aleatoria es: Cálculo en Excel:

X−μ =DISTR.NORM. ESTAND.N(Valor z;VERDADERO)
Z= N(0,1) Distribución normal estándar
σX
Distribución muestral – Sem 05
2. Distribución t-Student Distribución muestral para la varianza:
Cuando 𝝈𝟐 es desconocido: n
( xi  x ) 2
S2  
a) μ x =μ i 1 n 1
 Una distribución Chi cuadrado con m grados de libertad, cuando su Estimador −Parámetro ( x1− x2 ) −μx − x
- Z=
Error Estandar
=
σx −x
=¿ 1 2

función de densidad esta dada por la fórmula: 1 2

m −x c) Para n1 y n2 suficientemente grande (n1 y n2 ≥ 30) la variable

1 −1
f ( x )= m
X 2
ϵ 2
;si X >0 aleatoria ( x 1−x 2 ) se transforma:
2
2 γ
m
2 ( ) Z=
( x1− x2 ) −( μ1−μ2 )
σ x −x
N (0,1)
1 2

Si x 1 , x 2 , … , x n es una muestra aleatoria escogida de una

distribución normal N(µ, σ2) y si S2 es la varianza muestral, Distribución muestral de la diferencia de medias con varianzas
entonces: poblacionales desconocidas:
2
(n−1)σ A) Varianzas Poblacionales iguales: (σ12 = σ22 = σ2) (muestras
a) μs =2
n pequeñas)
b) La variable aleatoria es:
( x 1−x 2) −(μ 1−μ2)
2 (n−1)S
2
T= t 1−α(n +n )
X = 2 con X 2 (n-1) grados de libertad σ x −x 1 2−2

σ
1 2

donde los grados de libertad son n1 + n2 – 2

Cálculo en Excel:
Donde:

√
= DISTR.CHICUAD(Valor de chi cuadrado;grados de 2 2
sc s c
σ x− y = + donde s 2c : varianza conjuntas
libertad;VERDADERO) n1 n2
2 ( n1 −1 ) s 21+(n2−1) s 22
sc =
n1 +n2 −2
Diferencia de medias y proporciones – Sem 06 B) Varianzas Poblacionales diferentes (σ12 ≠ σ22)
Distribución muestral de la diferencia de medias con varianzas ( x− y )−(μ1−μ2 )
T= t 1−α g
poblacionales conocidas: σ x− y

Donde: σ x− y =¿
a) Media: μ x − x =μ1−μ2
1 2

√
b) Desviación o error estándar: s1 s2
2 2

√
 Poblaciones infinitas: +¿ ¿
σ2 σ 2 n1 n2
 Población infinita: σ x −x = 1 + 2

√
n 1 n2
( ) (
^s21 N 1−n 1 s^ 22 N 2−n 2
)
1 2

√
 Poblaciones finitas: + 2
σ 21 N 1−n1 σ 22 N 2−n2
( ) ( ) n1 N 1−1 n 2 N 2−1
2
 Población finita: σ x −x = +
n 1 N 1−1 n 2 N 2−1
1 2
 ( )
2
s^ 1
^s2 2 Distribución de Probabilidad F- de Snedecord en Excel:
2
+ 2
n1 n2 ¿ DISTR . F . N ( valor de F ; grados de libertad 1; F ; grados de libertad 2; VERDADER
g=

() ()
2 2 2 2
s^ 1 s^ 2 Distribución muestral para el cociente de varianzas:
2 2
n 1 n 2
+ Una variable aleatoria “X” que tiene distribución “F” con “n” y “m” grados de
n1−1 n2−1

Distribución muestral de la diferencia de dos proporciones:

libertad, si su función de probabilidad es: f ( x )=γ (
n+ m
2 )( )
n n2
m
¿ ¿Si X<0

x y
P 1= P2=
n1 n2

Entonces la variable aleatoria ( P1−P2 ¿ tiene las siguientes propiedades:

a) Media: μ p − p =P1 −P 2
1 2 Distribución muestral para el cociente de varianzas:
d) Desviación o error estándar:
Es reciproca se cumple que:

 Población finita:
p ∗q p ∗q
 Población infinita: σ P − P = 1 1 + 2 2
n1
1 2
n2 √ F ( 1−α , n , m )=
1
F ( α , m ,n )

√ ( ) ( )
p1∗q1 N 1−n1 p 2∗q 2 N 2−n2  Su media y varianza son:
σ P −P = +
1 2
n1 N 1−1 n2 N 2−1 m
; para m>2
 Luego la variable aleatoria ( P1−P2 ¿ haga la transformación m−2
( P 1−P2 )−( p1− p2 )
Z= N (0,1)
σ P −P
¿¿
1 2

Cálculo de la distribución de probabilidades en Excel:

Sean “X1” y “X2” dos variables aleatorias independientes distribuidas en
Distribución normal estarandizada: forma normal con medias µ1 y µ2 y varianzas

¿ DISTR . NORM . ESTAND . N ( valor de z , verdadero ) → P(Z< a) y respectivamente. Si de ambas poblaciones “X1” y “X2” se extraen
muestras aleatorias de tamaños “n1” y “n2”; entonces, la variable:
Distribución t-student:
¿ DISTR .T . N ( valor de t , grados de libertad , verdadero ) → P(t< a)
 2 2
S1σ 2
F= 2 2
S2σ 1

con F(n −1 ,n −1) grados de libertad.

1 2