Distribución muestral:

Esta se trabaja con muestras aleatorias simples y presenta un patrón de comportamiento en

respectivas muestras. Este patrón que es el que se denomina distribución muestral, a partir de él
se van a determinar la media aritmética o promedio, la varianza y el error con el cual se va a
trabajar durante las investigaciones que estemos realizados. A partir de estas distribuciones se
define la media de las medias muestrales, es decir, la distribución de probabilidad de las medias
muestrales, donde todas las muestras tienen el mismo tamaño.
Se determina por N, también definiremos lo que la varianza de la media muestra al que
corresponde a la varianza de la población, dividido entre el total de individuos que van a
conformar nuestra muestra; también se define el error, el cual lo vamos a obtener a través de la
desviación muestral, obtenido esta desviación muestral es la que nos va a determinar el valor
exacto del error que estamos pronosticando para nuestra investigación. El tamaño de la muestra
va a ser de gran relevancia al momento de determinar el error entre más grande sea el tamaño de
la muestra, el error va a ser menor por eso es importante definir un valor apropiado de la muestra
para que el error de nuestra investigación sea cada vez menor y nuestra confiabilidad y viabilidad
del estudio sea la más adecuada para lo que estamos trabajando.
Los conceptos de probabilidad y de distribuciones muestrales sirven como introducción al
método de la inferencia estadística que es aquella que estamos estudiando en la parte de
Estadística II. Esta se compone de dos grandes ramas: primero lo que son las estimaciones y
luego lo que son las pruebas de hipótesis. En las estimaciones se busca evaluar los valores de
parámetros de una población; por ejemplo, la media o la varianza en una muestra determinada a
través de ellas: vamos a generalizar para toda una población en general, luego las pruebas de
hipótesis buscan relacionar con, aceptar o rechazar alguna afirmación acerca de los parámetros
de la población que estamos estudiando.
Dentro de esta parte de muestreo es importante definir, clasificar y poder identificar las ventajas
y desventajas de cada uno de los tipos de muestreo que podemos utilizar. En el curso de
estadística uno, se vieron algunas de las características de los muestreos aleatorios, en este curso
vamos a definir para poder con ello, identificar cuál es el muestreo que más se adecua a las
investigaciones que estamos realizando, de acuerdo a las características de la población y a
características que tenga, por ejemplo, el costo, el tiempo y otras que la persona que investiga
crea necesarias dentro del estudio que está realizando.
Debido a que la población siempre la vamos a tener en una gran cantidad, elegimos una muestra
y esta muestra la debemos elegir escogiendo alguno de los tipos de muestreo que conocemos,
como ya es bien sabido, tenemos un muestreo aleatorio en el cual todas las opciones que tenemos
tienen la misma probabilidad de ser escogidas, o un muestreo por juicio donde el investigador es
el que decide la forma en que va a escoger esa muestra que se va a trabajar. En este caso vamos a
trabajar con el muestreo aleatorio simple que es el más usados debido a sus ventajas a sus
cualidades y a la forma en que se efectúa la selección de la muestra, la cual va a ser
representativa para toda la población y no los va a dejar por fuera algunos estratos o algunas
poblaciones que pueden influir dentro de la decisión que vayamos a tomar.
El primer tipo de muestreo es el muestreo aleatorio simple, se selecciona una muestra de un
tamaño n de una población, donde cada elemento tiene la misma probabilidad de ser
seleccionado y conocida correspondientemente. Tenemos, como ejemplo, todo lo que son los
juegos de azar, las loterías, los bingos, los casinos, las cartas, los dados… todas aquellas
situaciones donde la probabilidad de que cualquiera de ellas sea seleccionada sea la misma, que
es un ejemplo de muestreo aleatorio simple.
Algunas de sus ventajas es que es más sencillo y fácil de comprender, además en el cálculo en
más rápido al evaluar las medias y la varianza, se basa en teoría estadística que viene de tiempo
atrás, por lo tanto, existen paquetes informáticos para analizar estos datos, siendo más fácil y
menos costoso y requiere de menos personal para poder seleccionar la muestra. Dentro de sus
desventajas se encuentra que requiere que se posea un listado de la población total, cuando se
trabaja con muestras pequeñas es posible que estas sean representativas dentro de la población.
Muestreo es el sistemático:
En este tipo se selecciona un individuo y a partir de él, en intervalos constantes, se eligen los
demás hasta completar la muestra. Dentro de sus ventajas se encuentra que es fácil de aplicar, no
siempre es necesario tener un listado de toda la población y cuando la población está ordenada
asegura una cobertura de todos los grupos de las unidades que pertenecen a la población. En sus
desventajas está que, si, la constante de muestreo está asociada con un fenómeno de interés, las
estimaciones obtenidas a partir de la muestra pueden contener un sesgo de selección, esto quiere
decir que si tenemos diez personas y vamos a seleccionar cinco personas nada más y los vamos a
ir seleccionando de dos en dos, irán seleccionadas: hombre, mujer, hombre o mujer, siempre va
hasta quedar algunas la misma muestra con mujeres o con hombres y no se va a seleccionar
muestra del otro sexo que no sea el que estamos trabajando.
Muestreo aleatorio estratificado. Aquí se divide la población en subpoblaciones más pequeñas o
estratos, atendiendo a criterios que pueden ser importantes en el estudio del tamaño de cada uno
y realizando en cada una de estas subpoblaciones. Algunos muestreos simples de tamaño más
pequeños, es decir, cada muestreo, cada tipo de subpoblación, va a tener sus propias
características, y de ahí de cada uno de esos estratos vamos a sacar una pequeña porción de cada
uno, siendo más población del estrato más grandes y menos población del estrato más pequeño,
con el cual se está trabajando.
Dentro de sus ventajas se encuentra que tiende a asegurar que la muestra se represente
adecuadamente en toda la población, se obtienen estimaciones más precisas; ya que se toma una
parte o una porción de la población en cada estrato y su objetivo es conseguir una muestra lo más
semejante posible a la población. Por ello es por lo que del estrato más grande obtenemos una
muestra más grande y del más pequeño tenemos una muestra más pequeña. En su desventaja está
que se debe conocer la distribución de la población para poder realizar la estratificación de la
forma más adecuada posible y que queden representadas de la mejor forma.

Muestreo aleatorio por conglomerados:

Se divide la población en conglomerados y se selecciona el conglomerado con el cual se va a
trabajar, del cual será seleccionado la totalidad de este. Para el estudio, vamos a ver, sus ventajas
en que es muy eficiente cuando la población es muy grande y dispersa, no es preciso tener un
listado de toda la población ya que no se necesitan de las unidades primarias del muestreo.
Dentro de sus desventajas se presenta que el error va a ser mayor que en el muestreo aleatorio
simple o estratificado y el cálculo estándar es muy complejo, debido a la población con la que se
está trabajando.
Conociendo ya los métodos de muestreo, es importante determinar lo que son las distribuciones
de probabilidad. 1. Distribución teórica de frecuencias que describe como se espera que varíen
los resultados de un experimento que se esté realizando. 2. Existen diferentes tipos de modelos
que permiten identificar la forma en que se van a comportar los fenómenos estadísticos y
permiten hacer inferencias para poder tomar decisiones en condiciones de incertidumbre para las
empresas. Dentro de estas, podemos identificar dos tipos: de distribución es tanto para variables
discretas como para variables continuas.
Como vamos a ver en la diapositiva, las variables asumen un número limitado de valores cuando
es discreta y dentro de esta vamos a tener varios tipos de distribuciones, entre ellas, la binomial,
la hipergeométricas, la multinomial y la de posición para la variable continua. Las variables en
estudio pueden asumir cualquier valor dentro de un determinado límite. Dentro de estas, vamos a
utilizar lo que son la distribución uniforme exponencial y normas a continuación, vamos a
encontrar la media y la varianza de distribución de descartes.
La media o promedio de una distribución de variables discretas se simboliza como vemos en la
diapositiva, como el x iba a ser representada por mí o que va a ser igual a la sumatoria de cada
uno de los valores de la distribución por la proporción de cada uno.
Un ejemplo, puede se que hay una rifa que es organizada a beneficio de una organización. Se
venden 10 mil boletas a 5 mil pesos cada una. El premio es un automóvil que cuesta 30 millones
de colones. Si usted compró una boleta ¿Cuál será la ganancia que usted espera obtener? Su
ganancia, tomados posibles valores una pérdida de 5 mil colones si no gana o una ganancia de 29
millones 995 mil, si se la gana. Con probabilidad de la primera parte, hay una probabilidad de 9
mil novecientas, 99 opciones de cada 10.000 de que se la gane o una entre 10.000. La
distribución de probabilidad viene representada en la tabla de la misma idea positiva, entonces
cuando dice que x pierde 5.000, el valor que se espera es, la probabilidad: 9999 opciones de que
pierda de las 10.000 para obtener un valor de x. En la siguiente, si obtenemos el valor de lo que
se espera ganar si se gana el carro que sería de 29 millones 995 mil, con su respectiva
probabilidad, obteniendo esos valores nos da una pérdida de dos mil colores, espera tener una
pérdida de 2 mil colones. Este es el valor promedio de la población, es decir, si se realiza la rifa
por un número muy grande de veces, se tendría un promedio de pérdidas de 2 mil colones. Con
respecto a la varianza también de una variable discretas, con el mismo ejemplo, si obtenemos los
valores que representa la diapositiva, haremos una tabla donde tenemos cero uno o dos opciones.
Cada una con su respectiva probabilidad y obtenemos cada uno de los valores que necesitamos
para las fórmulas, obtenido en toda una variante de 0,36.
Distribuciones de variables aleatorias discreta:

En esta vamos a tener en cuenta lo que es la distribución binomial, esto fue elaborado por Jacobo
Bernouilli y es aplicable aún en una gran cantidad de problemas, tanto de carácter económico
como lo que son los juegos de azar, el control de calidad de un producto, que en problemas de
educación y en finanzas. Dentro de sus propiedades más importantes se encuentra que el espacio
muestral de esta distribución va a contener en él cantidad de ensayos, los cuales todos van a estar
bajo las mismas condiciones, lo que va a generar que sean idénticos.
Las observaciones posibles se pueden obtener mediante dos métodos diferentes de muestreo: se
puede considerar en cada observación, se ha seleccionado de una población infinita sin
reposición o una población finita con reposición ¿Qué quiere decir esto? Sin reposición es que
saque un elemento y ya ese no vuelve participar más, y con reposición es en el caso de los juegos
de azar que volvemos a incorporar los elementos dentro de la urna o dentro del sistema donde
estemos seleccionando los elementos. Para que vuelva a participar nuevamente cada observación
se puede clasificar en una de las dos categorías conocidas como éxito o fracaso. Siempre vamos a
tener dos categorías, por eso es binomial, quiere decir que hay dos opciones o, si no hay opciones
intermedias excluyentes, es decir que no existe un elemento que se encuentre en las dos
categorías al mismo tiempo.
Las probabilidades de éxito y de fracaso se representan la de éxitos como la de fracaso como que
iba a ser el complemento, es decir 1 – p, en el ensayo se mantiene constante durante toda la
cantidad de ensayos que realicemos y el resultado de cualquier observación es independiente del
resultado de otra observación completamente independiente. La probabilidad de que el evento
ocurra cualquier cantidad de veces o que no ocurra está dado por la ecuación que vemos en la
fórmula, donde f de que es representar la función es igual a en dada x veces que vamos a hacer el
ensayo, donde p va a ser la probabilidad de éxito 1 - p va a ser la probabilidad de fracaso en base
de la cantidad de veces que se realiza el ensayo y es que se va a ser la cantidad de veces, donde
vamos a representar el éxito del evento que estamos analizando
Entonces ahí tenemos las dos fórmulas. En la primera obtenemos la fórmula general de la parte
binominal y en la segunda obtenemos el término n que es que está representado como n factorial,
es decir, multiplicar todos los valores desde uno hasta en / x factorial por n - x factor y al que el
factorial quiere decir multiplicación en lugar de sumatorias. Vamos a multiplicar los valores que
se incorporan hasta ese valor dentro de esta distribución binomial, también podemos obtener la
media y la varianza conociendo la cantidad de eventos que se presentan en la probabilidad de
éxito.
Como vemos en la diapositiva la media va a corresponder a la cantidad de eventos por la
probabilidad éxitos y la varianza va a ser la cantidad de éxitos por la cantidad de fracasos por la
cantidad de veces que sucede el evento. En algunas ocasiones, para evitar realizar la fórmula,
tenemos unas muestras relativamente pequeñas. Podemos trabajar con el estado de
probabilidades en esa tabla que encontraremos dos valores que se obtienen en la probabilidad de
algún evento específico.
Por ejemplo, si lanzamos al aire una moneda donde la probabilidad de obtener cara es el 30% y
la probabilidad de tener cruz al 70%, porque ya la hemos manipulado, lanzamos la moneda 10
veces de manera consecutiva y obtenemos los valores en la tabla donde buscamos de este tipo, el
valor de las caras, es decir, seis caras o menos, buscamos en s que son la cantidad de veces que
lanzamos la moneda que en este caso fue de 10 peniques, buscamos 6, buscamos la probabilidad
de éxito que en este caso es 0,3 o el 30% y donde se nos interceptan los tres valores s, o sea la
probabilidad para no tener que realizar la fórmula que encontramos anteriormente; sin embargo,
de cualquiera de las dos formas vamos a obtener el mismo valor.
En la distribución binomios que existen, otros tipos de distribución es también para la variable
discreta, sin embargo, la distribución binomial en la que más útil es. En cuanto al caso de la
variable continua, la más utilizada en la distribución normal, esta fue presentada en primera vez
por Abraham DeMoivre en el año 1733 y fue modificada a través del tiempo por Laplace en la
teoría analítica de las probabilidades en el año 1802, luego fue también ubicada y modificada por
Gadus Portis Galton y otra serie de estadísticos y matemáticos que han venido reformándola,
iban haciendo que cada vez esta sea más accesible al mundo contemporáneo.
Su importancia se debe principalmente a que hay muchas variables asociadas a fenómenos
naturales que siguen el modelo normal, por ejemplo, el carácter morfológico de los individuos, el
peso, la estatura, caracteres fisiológicos, sociológicos, psicológicos y cuando se presentan errores
al medir ciertas magnitudes, todas estas circunstancias hacen que las distribuciones se
manifiesten y se comporten de una forma normal.
La fórmula que utilizamos en la que vemos que la presentación donde el valor de z se busca en
él. En la tabla de distribución normal, para encontrar el valor de z, debemos conocer la media de
la población que lo estamos representando con x, la medida muestral y la desviación de la
población con estos tres valores. Encontramos el valor de z que es el que buscamos dentro de la
tabla. Este valor es el que nos representa la probabilidad dentro de la distribución normal. En
ocasiones hay necesidad de variar una distribución binomial y convertirla en una distribución
normal.
Esto se presenta principalmente cuando la muestra es demasiado grande y los valores son
incalculables en medios electrónicos como calculadoras y tal vez computadoras; entonces,
debemos aplicar todos los procedimientos como si fuera una distribución normal para poder
obtener la probabilidad deseada. Para eso es lo que se denomina aproximación de la distribución
binomial a la normal para calcular un valor x a partir de una probabilidad conocida. Se tiene una
avería y se puede utilizar la tabla de valores para encontrar el valor de z, es decir, el valor de la
distribución normal que corresponde. Se utiliza el más próximo y luego se despeja x a partir de la
fórmula. Para encontrar el valor de z todo se despeja con esa x obtenemos que quienes va a ser la
desviación poblacional por el valor de z, que es esta distribución normal más la distribución o la
media de la distribución de las medias. Aquí es importante respetar el signo del valor de z para
obtener ese intervalo correcto, en el cual estamos trabajando.

Conclusión

En realidad, una vez vista la teleclase y estudiados los tipos de muestreo espero haber entendido
la aplicación de las técnicas en la carrera que escogí para realizarme como profesional a nivel
gerencial.
Bibliografía

https://usanmarcos.instructure.com/courses/2214/pages/modulo-2?
module_item_id=37644