Instituto Tecnológico de Úrsulo Galván

Nombre:
Alfallo Pérez Perla Yatzel

Materia:
Estadística para la administración 1

Tarea:
6.2 Reporte de investigación documental

Docente:
Doreidy Melgarejo Galindo

pág. 1
 índice

Contenido
Introducción ........................................................................................................................................ 3
Muestreo y estimación aplicado al control estadístico de procesos .................................................. 4
Muestreo probabilístico ............................................................................................................... 4
Muestreo no probabilístico ....................................................................................................... 5
Estimación. .......................................................................................................................................... 6
Determinación del tamaño de la muestra .......................................................................................... 7
El cálculo del tamaño de la muestra como una función matemática ................................................. 9
Conclusión ......................................................................................................................................... 10
Referencias ........................................................................................................................................ 11

pág. 2
 Introducción
Son muchas las ocasiones en que desde la dirección de una empresa se necesita recurrir a
encuestas para conocer parámetros o estadísticos de una población. La Teoría de Muestras
propone una serie de métodos para conseguir que la muestra seleccionada sea representativa
de toda la población. Por otra parte, y conocidos los datos de la muestra, la Teoría de la
Estimación permite encontrar valores o intervalos de confianza para los parámetros
poblacionales: media, porcentaje; que son de interés para la gestión empresarial. Es por ello
que se trata de estimar la suma de un cierto número de elementos de la población mediante
el estudio de la suma de una muestra de ese número de individuos.
El control estadístico de procesos contempla como un objetivo esencial el detectar las causas
atribuibles y desarrollar métodos de corrección que eviten la producción masiva de unidades
o piezas defectuosas. El diagrama de control es una técnica estadística de control que se suele
aplicar ampliamente en procesos de producción en línea y que permite estimar los parámetros
del proceso y evaluar su capacidad. El objetivo final del control estadístico es eliminar la
variabilidad del proceso. Los diagramas de control proporcionan una reducción importante
de dicha variabilidad. Usualmente el proceso funciona un largo periodo con causas fortuitas
y ocasionalmente se producen, al azar, causas atribuibles que hacen que el proceso cambie y
pase a estar fuera de control.
En el siguiente reporte de investigación se estudiarán más a fondo cada uno de estos temas
asi como todo lo que conlleva.

pág. 3
 Muestreo y estimación aplicado al control estadístico de procesos
Muestreo.
El muestreo, en otras palabras, es el procedimiento mediante el cual se toman a ciertos individuos
que pertenecen a una población que está siendo sujeto de un análisis. 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.

Tipos de muestreo
Los tipos de muestreo pueden distinguirse en función de distintos criterios. Así, según la
técnica para seleccionar el subgrupo, se pueden diferenciar los siguientes:

Muestreo probabilístico

Las observaciones son seleccionadas en base a la aleatoriedad, es decir, al azar. En esta

categoría podemos encontrar:

 Muestreo aleatorio simple: Todos los individuos de la población tienen la misma

probabilidad de ser elegidos como parte de la muestra. Tiene ventajas, como el hecho de que
es fácil de llevar a cabo a través de sistemas informáticos. Sin embargo, se requiere el listado
completo de toda la población y, si la muestra es muy pequeña, la selección podría no ser
representativa.
 Sistemático: Se elige una observación al azar y, para seleccionar el resto de la muestra, se
utilizan intervalos numéricos regulares. Es decir, supongamos que tengo una población de
10.000 y, aleatoriamente, selecciono la observación 600, después de lo cual puedo considerar
intervalos de 30 observaciones. En este caso, tomaría las observaciones 600, 630, 660, 690,
720, 750, 780, y así sucesivamente.
 Aleatorio estratificado: Se divide a la población en estratos, que son grupos que comparten
características en común y son más homogéneos, inclusive, que la población en su conjunto.
 Entonces, se selecciona una muestra, ya sea de manera aleatoria o sistemática, dentro de cada
estrato. El objetivo es lograr una representatividad de cada estrato.
 Por conglomerados o clústeres: Consiste en crear grupos más pequeños que la población, los
cuales reflejen o compartan todas las características de esta. Luego, elegimos alguno de los
conglomerados como muestra y lo analizamos de forma detallada. (Lopez, 2005)

pág. 4
 Muestreo no probabilístico

La selección de la muestra no depende de la

probabilidad, sino de la decisión de los
investigadores. Podemos distinguir algunas
subcategorías:

 Por conveniencia: Consiste en que el

investigador captará a los sujetos que estén a su
disponibilidad. Por ejemplo, por su proximidad o facilidad de acceso.
 Método opinático o intencional: El investigador utiliza su juicio o criterio para elegir a
quienes van a participar como parte de la muestra.
 Casual o accidental: El investigador selecciona sin juicio previo a los individuos que van a
formar parte de la muestra. Por ejemplo, esto suele suceder cuando se hacen encuestas en la
calle.
 Bola de nieve: Consiste en que, después de encontrar al primer sujeto (o primeros sujetos) de
la muestra, el investigador le pide ayuda a él (o ellos) para identificar a otros individuos con
esas mismas características. Se trata de una técnica utilizada cuando es difícil localizar a un
grupo específico por el manejo de datos sensibles, por ejemplo, emigrantes en situación de
ilegalidad.
 Por cuotas: El investigador, tomando en cuenta la composición de la población, y dividiendo
por grupos o estratos, hará una selección proporcional de la muestra. Por ejemplo,
imaginemos que en la población hay un 40% de personas menores de 25 años, 35% de
personas de entre 25 y 50 años, y 25% de individuos con más de 50 años. Entonces, una
muestra de 4.000 personas tendría 1.600 sujetos menores de 25 años, 1.400 de entre 25 y 50
años, y 1.000 adultos mayores de 50 años o más. Cabe señalar que los individuos que cubrirán
cada cuota serán seleccionados por algún método no probabilístico, es decir, cualquiera de
las técnicas explicadas líneas arriba.

Asimismo, conviene señalar que el muestreo puede ser simple, si se hace una sola vez; doble,
cuando se capturan dos muestras (puede utilizarse la segunda si la primera no arroja
resultados definitivos); o múltiple (es similar a la doble, pero con más de dos muestras).

pág. 5
 Estimación.
En el ámbito de la estadística estimación implica usar el valor de una estadística derivada de
una muestra para estimar el valor de un parámetro correspondiente a población»; la muestra
establece que la información puede ser proyectada a través de diversos factores, formal o
informalmente, son procesos para determinar una gama muy probablemente y descubrir
la información que falta. Cuando una estimación resulta ser incorrecta, se denomina
“overestimate” si la estimación superó el resultado real y una subestimación si la estimación
se quedó corto del resultado real.
Las estimaciones de manera similar se pueden generar mediante la proyección de los
resultados de encuestas o encuestas sobre la población total; al hacer una estimación, lo más
a menudo es que el objetivo es útil para generar un rango de posibles resultados, y esa
cualidad es suficiente para ser útil, pero no es necesario que por lo que es probable que sea
incorrecto.

Por ejemplo, al tratar de adivinar el número de caramelos contenidos en un frasco si el

cincuenta por ciento eran visibles y el volumen general de la jarra sobre parecía ser veinte
veces tan grande como el recipiente de volumen que contiene los caramelos visibles, a
continuación, un proyecto simple mide que había un millar de caramelos en el frasco; tal
proyección, previsto para recoger el único valor que se cree que es más cercano al valor real
se llama una estimación puntual.

Sin embargo, el punto de estimación es probable que sea incorrecto, debido a que el tamaño
de la muestra (en este caso, el número de caramelos son visibles), es un número demasiado
pequeño para estar seguro de que no que contienen anomalías que difieren de la población
en su conjunto; este concepto es correspondiente a una estimación de intervalo que captura
una gama mucho más amplia de posibilidades, pero es demasiado amplio para ser útil.
(Spiegel, 2002)

pág. 6
 Determinación del tamaño de la muestra

Una muestra es una selección de los encuestados elegidos y que representan a la población
total. El tamaño de la muestra es una porción significativa de la población que cumple con
las características de la investigación reduciendo los costos y el tiempo.
Saber cómo determinar el tamaño de la muestra antes de comenzar una investigación es un
principio estadístico que nos ayuda a evitar el sesgo en la interpretación de los resultados
obtenidos.

¿Cuántas son las formas que más se utilizan para hallar el tamaño de una muestra?
La muestra se calcula en base a uno de los siguientes métodos: Un número fijo de entidades.
Un porcentaje de todas las entidades en una extensión especificada. Un número derivado de
un cálculo basado en el nivel de confianza, margen de error y nivel de aceptación.

¿Cuál es el objetivo de la muestra?

El muestreo es un proceso o conjunto de métodos para obtener una muestra finita de una
población finita o infinita, con el fin de estimar valores de parámetros o corroborar
hipótesis sobre la forma de una distribución de probabilidades o sobre el valor de un
parámetro de una o más poblaciones.

¿Cuáles son los elementos de la muestra?

Los elementos del muestreo son: Población, muestra, parámetros, estimadores, errores,
nivel de confianza, fracción de muestreo, marco muestral, entre otros; para que ubiquen sus
definiciones. Población o universo se puede definir como un conjunto de elementos, que
constituye la totalidad de las observaciones posibles.

¿Qué tipo de muestreo es el más utilizado?

Tipos de muestreo: aleatorio o probabilístico

Este es el tipo de muestreo más utilizado, tanto por la

seguridad que brinda la aplicación de este método (el
azar) al no influir directamente en los resultados,
como por la precisión de estos mismos.

pág. 7
 Las técnicas de muestreo
Las técnicas de muestreo se basan en un conjunto de técnicas estadísticas orientadas a
estudiar y seleccionar una muestra probabilística que represente a la población y la
comunidad a la cual se le está tomando la misma por conveniencia, la cual nos permite
conocer sus opiniones de manera comunitaria.

Sin embargo, cuando hablamos de llevar a cabo lo que son las técnicas de muestreo e
intentamos buscar el máximo de información y datos, se encuentra un problema en cuanto a
la elección de los participantes, ya que no podemos tomarlos a todos debido a varias razones,
como lo serían: procesos extendidos, costos y cantidad de individuos, entre otros. Por este
motivo se debe de tomar a un pequeño grupo selecto que represente a toda la comunidad y
que permita extrapolar los resultados obtenidos.

Ventajas de lo que son las técnicas de muestreo

Debemos tomar en cuenta el hecho de que en todo proceso se encuentran ventajas y
desventajas, siendo estas aplicadas también al tema de lo que son las técnicas de
muestreo. En esta oportunidad podemos decir que las ventajas principales de esta
metodología son:

o Mayor eficacia en la rapidez de obtención de datos

o Eficiencia en cuanto términos económicos.

pág. 8
 El cálculo del tamaño de la muestra como una función matemática
El cálculo del tamaño de la muestra no es una simple operación aritmética que nos
proporcione un valor. Es una función matemática, por lo tanto, el cambio de una variable,
necesariamente se acompaña del cambio de la otra considerada en la ecuación. Permite una
mejor aproximación al número que se requiere, ajustando a su vez el poder estadístico con
otros parámetros.
Se denota por: y = f(x)
donde:
y = variable dependiente (atributo o característica cuyo cambio es el que interesa medir,
también se le denomina resultante o desenlace. En el cálculo del tamaño de la muestra, es el
número de participantes que se necesitan).
x = variable independiente (atributo o característica que explica o predice el cambio en la
variable dependiente. En el cálculo del tamaño de la muestra, un ejemplo es el poder
estadístico que se requiere y que el investigador fija con antelación).
f = función (es una colección de pares de valores ordenados, que pertenecen a diferentes
conjuntos. En el cálculo del tamaño de la muestra, los conjuntos se pueden ejemplificar con
el poder estadístico y el número muestral resultante).
f (x) = regla de correspondencia (expresa que para cada elemento de un conjunto se relaciona
solamente con un elemento de otro conjunto En el cálculo del tamaño de la muestra, para un
elemento del poder estadístico se relaciona solamente con un número muestral)

pág. 9
 Conclusión
En conclusión, el muestreo estadístico es la técnica para la selección de una muestra a partir
de una población. Al elegir una muestra aleatoria se espera conseguir que sus propiedades
sean extrapolables a la población. Este proceso permite ahorrar recursos, y a la vez obtener
resultados parecidos a los que se alcanzarían si se realizase un estudio de toda la población.
Cabe mencionar que para que el muestreo sea válido y se pueda realizar un estudio adecuado
(que consienta no solo hacer estimaciones de la población sino estimar también los márgenes
de error correspondientes a dichas estimaciones), debe cumplir ciertos requisitos. Nunca
podremos estar enteramente seguros de que el resultado sea una muestra representativa, pero
sí podemos actuar de manera que esta condición se alcance con una probabilidad alta.
En el muestreo, si el tamaño de la muestra es más pequeño que el tamaño de la población, se
puede extraer dos o más muestras de la misma población. Al conjunto de muestras que se
pueden obtener de la población se denomina espacio muestral. La variable que asocia a cada
muestra su probabilidad de extracción, sigue la llamada distribución muestral.
También se llega a la conclusión que determinación de muestras es importante porque
permite ahorrar recursos tanto económicos como humanos, además de disminuir
considerablemente el tiempo de realización de la investigación que estés realizando, la cual
puede ser de toda clase como por ejemplo estudios de opinión o alguna investigación de
mercados.

pág. 10
 Referencias
colombia, u. n. (2023). Estadistica . revista colombiana de estadistica , 81-921.

Lopez, C. P. (2005). muestreo estadistico . Madrid : Marta Caicoya .

Spiegel, M. R. (2002). Estadistica . Mexico D.F : McGraw-Hill Interamericana .

Villareal, F. S. (2016). estadistica y muestreo . muestreo , 5-10.

pág. 11