ESTADÍSTICA

El muestreo aleatorio es un método de selección de una muestra

de una población de manera que cada miembro de la población tenga
una probabilidad conocida y no nula de ser seleccionado para formar
parte de la muestra. El objetivo del muestreo aleatorio es obtener
una muestra representativa de la población, es decir, una muestra
que sea similar a la población en términos de características
importantes.

1. Selección aleatoria: La selección de los miembros de la muestra

se realiza al azar, lo que significa que todos los miembros de la
población tienen la misma probabilidad de ser seleccionados.

2. Probabilidades conocidas: Cada miembro de la población tiene

una probabilidad conocida y no nula de ser seleccionado para
formar parte de la muestra.

3. Representatividad: La muestra seleccionada es representativa

de la población de interés y refleja sus características
importantes.

4. Precisión: La precisión de las estimaciones de la población

depende de la cantidad y variabilidad de la información en la
muestra, así como del tamaño de la muestra.

5. Menor sesgo: Los muestreos aleatorios tienen un menor sesgo

que los muestreos no aleatorios, lo que significa que las
estimaciones de la población son menos propensas a ser
sesgadas.

6. Generalizabilidad: Los resultados de la muestra pueden ser

generalizados a la población de interés con cierto grado de
confianza.
 7. Eficiencia: Los muestreos aleatorios pueden ser más eficientes
que los muestreos no aleatorios, ya que pueden producir
estimaciones precisas con una muestra más pequeña.

8. Estabilidad: Los resultados de la muestra son más estables y

confiables que los resultados de los muestreos no aleatorios, lo
que significa que son menos propensos a variar
significativamente con diferentes muestras.

Existen varios tipos de muestreo aleatorio, entre ellos están:

1. Muestreo aleatorio simple: Se caracteriza por seleccionar

aleatoriamente un número de unidades de una población, sin
reemplazo, de tal manera que todas las posibles muestras
tengan la misma probabilidad de ser seleccionadas.

Ejemplos:
- Seleccionar al azar a 50 estudiantes de una universidad para una
encuesta.
- Seleccionar al azar a 100 empleados de una empresa para una
investigación.

2. Muestreo aleatorio sistemático: Consiste en seleccionar

aleatoriamente el primer elemento y luego seleccionar los
siguientes elementos en intervalos regulares, por ejemplo, cada
K-esimo elemento.

Ejemplos:
- Seleccionar cada quinto paciente de una lista de pacientes en un
hospital.
- Seleccionar cada décimo vehículo que pasa por un punto de control
de tráfico.

3. Muestreo aleatorio estratificado: Se caracteriza por dividir la

población en estratos o subgrupos basados en características
 importantes y luego seleccionar aleatoriamente una muestra de
cada estrato proporcional a su tamaño en la población.

Ejemplos:
- Dividir a la población en estratos por edad y seleccionar
aleatoriamente una muestra de cada grupo de edad para una
encuesta.
- Dividir a la población en estratos por género y seleccionar
aleatoriamente una muestra de cada género para un estudio de
mercado.

4. Muestreo aleatorio por conglomerado: Consiste en dividir la

población en conglomerados o grupos y seleccionar
aleatoriamente algunos de ellos para formar la muestra.

Ejemplos:
- Seleccionar al azar 5 escuelas de una ciudad y encuestar a todos los
estudiantes de esas escuelas.
- Seleccionar al azar 10 vecindarios de una ciudad y encuestar a
todos los residentes de esos vecindarios.

5. Muestreo aleatorio estratificado proporcional: Es una

combinación del muestreo estratificado y el muestreo aleatorio
simple, donde las proporciones de cada estrato son iguales en
la muestra seleccionada.

Ejemplos:
- Seleccionar aleatoriamente a un 20% de los hombres y un 20% de
las mujeresen una población para una encuesta, asegurándose de
que se representen igualmente en la muestra.
- Seleccionar aleatoriamente a un 10% de los estudiantes de
primaria, un 20% de los estudiantes de secundaria y un 30% de los
estudiantes de preparatoria para una encuesta, asegurándose de que
las proporciones de cada nivel educativo estén representadas en la
muestra.
Cada tipo de muestreo aleatorio tiene sus propias fortalezas y
debilidades, y la elección del método de muestreo adecuado depende
de las características de la población de interés y del objetivo del
estudio.
El muestreo aleatorio simple es el método de muestreo más fácil de
implementar, pero puede no ser la mejor opción cuando la población
es heterogénea y se requiere una muestra más representativa. El
muestreo aleatorio sistemático puede ser más eficiente que el
muestreo aleatorio simple, pero puede introducir un sesgo
sistemático si el patrón de selección sistemática coincide con algún
patrón en la población de interés.
El muestreo aleatorio estratificado es útil cuando la población de
interés se puede dividir en subgrupos homogéneos (estratos) y se
desea asegurar que cada estrato esté representado en la muestra.
Este método puede mejorar la precisión de las estimaciones de la
población y reducir el tamaño de la muestra requerida en
comparación con el muestreo aleatorio simple.
El muestreo aleatorio por conglomerado es útil cuando la población
de interés es grande y dispersa geográficamente, o cuando es
costoso o difícil acceder a los miembros de la población
individualmente. Este método puede ser menos preciso que
otrosmétodos de muestreo aleatorio, pero puede ser más práctico y
económico de implementar.
El muestreo aleatorio estratificado proporcional es una combinación
de los métodos de muestreo aleatorio estratificado y aleatorio simple,
y se utiliza cuando se desea asegurar que cada estrato esté
representado en la muestra en proporción a su tamaño en la
población. Este método puede proporcionar una muestra
representativa y precisa con una menor variabilidad que el muestreo
aleatorio simple.
En general, el muestreo aleatorio es una técnica importante en la
investigación científica y de mercado, ya que permite a los
investigadores obtener información precisa y confiable sobre una
población a partir de una muestra. Es importante elegir el método de
muestreo adecuado y garantizar que se implemente correctamente
para maximizar la precisión y la validez de los resultados del estudio.

El muestreo no aleatorio es un método de selección de una

muestra de una población en el que no todos los individuos tienen la
misma probabilidad de ser seleccionados. En lugar de seleccionar al
azar, se utilizan criterios específicos para seleccionar a los miembros
de la muestra. El objetivo del muestreo no aleatorio es seleccionar
una muestra que sea representativa de la población de interés, pero
su uso es más limitado que el muestreo aleatorio debido a la
posibilidad de sesgo en la selección de la muestra.

Las características del muestreo no aleatorio son:

- La selección de la muestra no se realiza al azar.

- No se puede calcular la probabilidad de selección de cada individuo
de la población.
- Los criterios de selección están basados en la experiencia o en la
intuición del investigador.
- Puede haber un sesgo en la selección de la muestra si no se
seleccionan adecuadamente los criterios.

Entre los tipos de muestreo no aleatorio se encuentran:

1. Muestreo no aleatorio por cuotas: Consiste en seleccionar a los

participantes en función de una proporción preestablecida de
características importantes de la población de interés, como la
edad, el género o el nivel socioeconómico.

Ejemplos:
- Seleccionar una muestrade una población en la que se busca una
proporción de género específica, como 50% hombres y 50% mujeres.
- Seleccionar una muestra de una población en la que se busca una
proporción de edades específica, como 25% de personas entre 18 y
25 años, 50% de personas entre 26 y 40 años, y 25% de personas
mayores de 40 años.

2. Muestreo no aleatorio intencional: Consiste en seleccionar a los

participantes basándose en criterios específicos, como la
 experiencia, la representatividad, la accesibilidad, la
disponibilidad o la conveniencia.

Ejemplos:
- Seleccionar a los empleados de una empresa que tengan más
experiencia en un área específica para una encuesta.
- Seleccionar a los pacientes de un hospital que han sido
diagnosticados con una enfermedad específica para un estudio de
investigación.

3. Muestreo no aleatorio discrecional: Consiste en seleccionar a los

participantes basándose en la elección del investigador, sin
seguir ningún criterio específico.

Ejemplos:
- Seleccionar a los amigos o conocidos del investigador para una
encuesta.
- Seleccionar a los participantes que se encuentran en la ubicación
del investigador para un estudio de mercado.

4. Muestreo no aleatorio bola de nieve: Consiste en seleccionar a

los participantes basándose en recomendaciones o referencias
de otros participantes previos.

Ejemplos:
- Seleccionar a los pacientes de un hospital que han recibido
tratamiento para una enfermedad específica y pedirles que
recomienden a otros pacientes con la misma enfermedad para un
estudio de investigación.
- Seleccionar a los participantes en un estudio de migración
basándose en las referencias de otros migrantes que ya han sido
entrevistados.
 5. Muestreo no aleatorio accidental: Consiste en seleccionar a los
participantes de manera casual o aleatoria, sin seguir ningún
criterio específico.

Ejemplos:
- Seleccionar a los primeros 50 pacientes que llegan a una clínica
para una encuesta.
- Seleccionar a los primeros 100 visitantes de un centro comercial
para un estudio de mercado.

Los niveles de medición son una clasificación de las variables en

función del tipo de datos que se pueden obtener de ellas y cómo se
pueden utilizar. Hay cuatro tipos principales de niveles de medición:
nominal, ordinal, de intervalo y de razón.

1. Nivel de medición nominal: Las variables nominales son

aquellas que se utilizan para describir características o atributos
que no tienen un orden o jerarquía específicos. En este nivel de
medición, los datos se pueden clasificar en categorías discretas
y no se pueden realizar operaciones aritméticas con ellos.

Características:
- Los valores no tienen un orden específico.
- Los valores son categorías o etiquetas.
- Los valores no pueden ser ordenados o medidos.
- No se puede hacer operaciones aritméticas con los valores.

Ejemplos:
- Color de ojos (azul, marrón, verde).
- Estado civil (soltero, casado, divorciado).
- Nacionalidad (mexicano, estadounidense, canadiense).
 2. Nivel de medición ordinal: Las variables ordinales se utilizan
para describir características o atributos que tienen un orden o
jerarquía específicos. En este nivel de medición, los datos se
pueden clasificar en categorías discretas y se pueden realizar
operaciones aritméticas simples con ellos.

Características:
- Los valores tienen un orden específico.
- Los valores se pueden clasificar en categorías discretas.
- Los valores se pueden comparar y ordenar.
- Las operaciones aritméticas simples se pueden realizar con los
valores.

Ejemplos:
- Nivel de educación (primaria, secundaria, preparatoria,
universidad).
- Clasificación de productos según su calidad (baja, media, alta).
- Posición en una carrera (primer lugar, segundo lugar, tercer lugar).

3. Nivel de medición de intervalo: Las variables de intervalo se

utilizan para describir características o atributos que tienen un
orden específico y una unidad de medida constante. En este
nivel de medición, los datos se pueden clasificar en categorías
discretas y se pueden realizar operaciones aritméticas con ellos,
como sumar, restar, multiplicar y dividir.

Características:
- Los valores tienen un orden específico.
- Los valores se pueden clasificar en categorías discretas.
- Los valores tienen una unidad de medida constante.
- Las operaciones aritméticas se pueden realizar con los valores.

Ejemplos:
- Temperatura en grados Celsius o Fahrenheit.
- Calificación en una escala de 1 a 10.
- Puntaje en un examen.

4. Nivel de medición de razón: Las variables de razón son aquellas

que tienen todas las características del nivel de medición de
intervalo, pero además tienen un punto de origen absoluto o
cero. En este nivel de medición, los datos se pueden clasificar
en categorías discretas y se pueden realizar operaciones
aritméticas con ellos, incluyendo la división.

Características:
- Los valores tienen un orden específico.
- Los valores se pueden clasificar en categorías discretas.
- Los valores tienen una unidad de medida constante.
- Hay un punto de origen absoluto o cero.
- Las operaciones aritméticas, incluyendo la división, se pueden
realizar con los valores.

Ejemplos:
- Edad en años.
- Peso en kilogramos o libras.
- Salario en dólares.

Para determinar el nivel de medición de una variable de

investigación, se deben considerar las siguientes características:

1. Identificar el tipo de datos que se pueden obtener de la

variable: Los datos pueden ser cualitativos o cuantitativos. Los
datos cualitativos se refieren a características o atributos,
mientras que los datos cuantitativos se refieren a cantidades
numéricas.
 2. Identificar si los datos son discretos o continuos: Los
datos discretos son valores numéricos que se pueden contar,
mientras que los datos continuos son valores numéricos que se
pueden medir.

3. Identificar si los datos tienen un orden o jerarquía

específicos: Los datos pueden ser nominales, ordinales, de
intervalo o de razón.

Con base en estas características, se puede determinar el nivel de

medición de la variable de investigación. A continuación se describen
los pasos para determinar el nivel de medición:

1. Identificar el tipo de datos: Si la variable de investigación tiene

datos cualitativos, el nivel de medición es nominal u ordinal. Si
la variable de investigación tiene datos cuantitativos, el nivel de
medición es de intervalo o de razón.

2. Identificar si los datos son discretos o continuos: Si la variable

de investigación tiene datos discretos, el nivel de medición es
nominal u ordinal. Si la variable de investigacióntiene datos
continuos, el nivel de medición es de intervalo o de razón.

3. Identificar si los datos tienen un orden o jerarquía específicos:

Si los datos tienen un orden o jerarquía específicos, el nivel de
medición es ordinal, de intervalo o de razón. Si los datos no
tienen un orden o jerarquía específicos, el nivel de medición es
nominal.

A continuación se presentan algunos ejemplos de cómo determinar el

nivel de medición de una variable de investigación:

1. Ejemplo de variable nominal: El género de los estudiantes

en una escuela (masculino o femenino). En este caso, los datos
son cualitativos y discretos, y no tienen un orden o jerarquía
específicos, por lo que el nivel de medición es nominal.
 2. Ejemplo de variable ordinal: La clasificación de los
estudiantes según su nivel de inglés (básico, intermedio,
avanzado). En este caso, los datos son cualitativos y discretos,
tienen un orden o jerarquía específicos, pero la distancia entre
las categorías no es necesariamente uniforme, por lo que el
nivel de medición es ordinal.

3. Ejemplo de variable de intervalo: La temperatura en grados

Celsius o Fahrenheit. En este caso, los datos son cuantitativos y
continuos, tienen unaunidad de medida constante y se pueden
realizar operaciones aritméticas con ellos, pero no tienen un
punto de origen absoluto o cero, por lo que el nivel de medición
es de intervalo.

4. Ejemplo de variable de razón: La altura de los estudiantes

en centímetros. En este caso, los datos son cuantitativos y
continuos, tienen una unidad de medida constante y un punto
de origen absoluto o cero (porque no puede haber altura
negativa), por lo que el nivel de medición es de razón.

Las variables son características o atributos que se miden o se

observan en una investigación. Estas variables pueden ser
cuantitativas o cualitativas, y se utilizan para describir, analizar y
explicar los fenómenos que se estudian. Las variables son
importantes en la investigación porque permiten medir y comparar
los resultados obtenidos y hacer inferencias acerca de la población de
interés.

Características y objetivos de las variables:

- Las variables pueden ser medidas, observadas o manipuladas en la
investigación.
- Las variables pueden ser cuantitativas o cualitativas.
- Las variables se utilizan para describir, analizar y explicar los
fenómenos que se estudian en la investigación.
- Los objetivos de las variables son medir y comparar los resultados
obtenidos y hacer inferencias acerca de la población de interés.

Características cuantitativas:
Las variables cuantitativas se refieren a cantidades numéricas y
pueden ser de dos tipos: discreta o continua.

Características de las variables cuantitativas:

- Los valores son numéricos.
- Los valores pueden ser medidos con precisión.
- Los valores pueden ser comparados y ordenados.
- Los valores pueden ser manipulados y utilizados para realizar
cálculos matemáticos.

Tipos de variables cuantitativas:

1. Variables cuantitativas discretas: Son aquellas que toman valores

numéricos enteros y se pueden contar. Ejemplos:
- Número de hijos en una familia.
- Cantidad de estudiantes en un salón de clases.
- Cantidad de veces que una persona visita el gimnasio en una
semana.

2. Variables cuantitativas continuas: Son aquellas que pueden tomar

cualquier valor numérico, incluso decimal, dentro de un rango
específico. Ejemplos:
- Altura de una persona en centímetros.
- Temperatura en grados Celsius o Fahrenheit.
- Tiempo que tarda una persona en completar una tarea.

Características cualitativas:
Las variables cualitativas se refieren a características o atributos y
pueden ser de dos tipos: nominales u ordinales.

Características de las variables cualitativas:

- Los valores son no numéricos.
- Los valores representan características o atributos.
- Los valores no pueden ser medidos con precisión, pero se pueden
clasificar o categorizar.
- Los valores no pueden ser manipulados en operaciones
matemáticas.

Tipos de variables cualitativas:

1. Variables cualitativas nominales: Son aquellas que no tienen un

orden o jerarquía específicos. Ejemplos:
- Género (masculinoo femenino).
- Color de ojos (azul, marrón, verde).
- Nacionalidad (mexicano, estadounidense, canadiense).

2. Variables cualitativas ordinales: Son aquellas que tienen un orden

o jerarquía específicos. Ejemplos:

- Nivel de educación (primaria, secundaria, preparatoria,

universidad).
- Clasificación de productos según su calidad (baja, media, alta).
- Posición en una carrera (primer lugar, segundo lugar, tercer
lugar).

En estadística, un carácter es una propiedad o atributo que se puede

medir o observar en una población o muestra. Los caracteres se
utilizan para describir y analizar los datos y para hacer inferencias
acerca de la población de interés. Los caracteres pueden ser
cuantitativos o cualitativos, y cada tipo tiene características y
objetivos específicos.

Características y objetivos de los caracteres:

- Los caracteres pueden ser medidos o observados en una población
o muestra.
- Los caracteres se utilizan para describir y analizar los datos y para
hacer inferencias acerca de la población de interés.
- Los caracteres pueden ser cuantitativos o cualitativos.
- Los objetivos de los caracteres son describir, comparar y analizar
los datos para obtener conclusiones acerca de la población de interés.

Tipos de caracteres:

1. Caracteres cuantitativos: Son aquellos que se pueden medir

con números. Los caracteres cuantitativos se subdividen en:

Caracteres cuantitativos discretos: Son aquellos que solo pueden

tomar valores enteros. Ejemplos:
- Número de hijos en una familia.
- Número de estudiantes en una clase.
- Número de accidentes laborales en un mes.

Caracteres cuantitativos continuos: Son aquellos que pueden tomar

cualquier valor dentro deun rango específico. Ejemplos:
- Altura de una persona en centímetros.
- Peso de una persona en kilogramos.
- Tiempo que tarda una persona en completar una tarea en
segundos.

2. Caracteres cualitativos: Son aquellos que se pueden

clasificar o categorizar, pero no se pueden medir con números.
Los caracteres cualitativos se subdividen en:
 Caracteres cualitativos nominales: Son aquellos que no tienen un
orden o jerarquía específicos. Ejemplos:
- Género (masculino o femenino).
- Color de ojos (azul, marrón, verde).
- Nacionalidad (mexicano, estadounidense, canadiense).

Caracteres cualitativos ordinales: Son aquellos que tienen un orden o

jerarquía específicos. Ejemplos:
- Nivel de educación (primaria, secundaria, preparatoria,
universidad).
- Clasificación de productos según su calidad (baja, media, alta).
- Posición en una carrera (primer lugar, segundo lugar, tercer
lugar).

Importancia y rol de los caracteres en la estadística:

Los caracteres son importantes en la estadística porque permiten
describir y analizar los datos y hacer inferencias acerca de la
población de interés. La selección adecuada de los caracteres es
fundamental para obtener resultados precisos y confiables en la
investigación. Los caracteres cuantitativos se pueden analizar con
técnicas estadísticas, como medias, desviaciones estándar,
correlaciones, entre otras. Los caracteres cualitativos se pueden
analizar utilizando técnicas de frecuencia, porcentajes y tabulaciones
cruzadas. El rol de los caracteres en la estadística es ayudar a los
investigadores a comprender los datos y a tomar decisiones basadas
en esos datos. Los caracteres también permiten hacer comparaciones
entre diferentes grupos y establecer relaciones entre variables. Es por
eso que la comprensión y la selección adecuada de los caracteres es
fundamental en la investigación estadística.

En estadística, los datos son los valores que se obtienen de una

población o muestra en una investigación. Los datos pueden ser
numéricos o no numéricos, y se utilizan para describir, analizar y
hacer inferencias acerca de la población de interés.
Características y objetivos de los datos:
- Los datos son valores que se obtienen de una población o muestra
en una investigación.
- Los datos se utilizan para describir, analizar y hacer inferencias
acerca de la población de interés.
- Los datos pueden ser numéricos o no numéricos.
- Los objetivos de los datos son obtener información precisa y
confiable acerca de la población de interés.

Tipos de datos:

1. Datos cuantitativos: Son aquellos que se pueden medir con

números. Los datos cuantitativos se subdividen en:

Datos cuantitativos discretos: Son aquellos que solo pueden tomar

valores enteros. Ejemplos:
- Número de hijos en una familia.
- Número de estudiantes en una clase.
- Número de accidentes laborales en un mes.

Datos cuantitativos continuos: Son aquellos que pueden tomar

cualquier valor dentro de un rango específico. Ejemplos:
- Altura de una persona en centímetros.
- Peso de una persona en kilogramos.
-Tiempo que tarda una persona en completar una tarea en
segundos.

2. Datos cualitativos: Son aquellos que se pueden clasificar o

categorizar, pero no se pueden medir con números. Los datos
cualitativos se subdividen en:

Datos cualitativos nominales: Son aquellos que no tienen un orden o

jerarquía específicos. Ejemplos:
 - Género (masculino o femenino).
- Color de ojos (azul, marrón, verde).
- Nacionalidad (mexicano, estadounidense, canadiense).

Datos cualitativos ordinales: Son aquellos que tienen un orden o

jerarquía específicos. Ejemplos:
- Nivel de educación (primaria, secundaria, preparatoria,
universidad).
- Clasificación de productos según su calidad (baja, media, alta).
- Posición en una carrera (primer lugar, segundo lugar, tercer
lugar).

3. Datos de tiempo: Son aquellos que representan la duración de un

evento o la cantidad de tiempo que se tarda en completar una tarea.
Ejemplos:
- Tiempo que tarda una persona en recorrer una distancia
determinada.
- Duración de un partido de fútbol.
- Tiempo que tarda una persona en contestar un cuestionario.

Importancia y rol de los datos en la estadística:

Los datos son fundamentales en la estadística porque permiten
describir y analizar los fenómenos que se estudian y hacer inferencias
acerca de la población de interés. La selección adecuada de los datos
es esencial para obtener resultados precisos y confiables en la
investigación. Los datos cuantitativos se pueden analizar con técnicas
estadísticas, como medias, desviaciones estándar, correlaciones,
entre otras. Los datos cualitativos se pueden analizar utilizando
técnicas de frecuencia, porcentajes y tabulaciones cruzadas. Los
datos de tiempo se pueden analizar utilizando técnicas de series de
tiempo y modelos de pronóstico. El rol de los datos en la estadística
es ayudar a los investigadores a comprender los fenómenos que se
estudian y a tomar decisiones basadas en esos datos. Los datos
también permiten hacer comparaciones entre diferentes grupos y
establecer relaciones entre variables. Es por eso que la comprensión
y la selección adecuada de los datos es fundamental en la
investigación estadística.