UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MEXICO

“FACULTAD DE CIENCIAS DE LA CONDUCTA”

FASICO

LICENCIATURA EN TRABAJO SOCIAL

Unidad de aprendizaje: Estadística

REPORTE
(Muestreos y distracciones de probabilidad)

DOCENTE : Martínez Espinosa Alejandro

ALUMNO (@) : Salazar Jimenez Ana Laura.
No. Cuenta: 1912052

Toluca Estado de México a 13 de noviembre del 20223

Muestreo y distribuciones de probabilidad

El muestreo es el proceso de seleccionar un subconjunto representativo de una
población más grande con el propósito de realizar observaciones, mediciones o
análisis. En lugar de estudiar toda la población, se extrae una muestra que se espera
sea representativa de las características relevantes de la población completa. Este
enfoque es comúnmente utilizado en estadísticas e investigación, ya que puede ser
más práctico y menos costoso que recopilar datos de toda la población. La calidad
de la muestra es crucial para obtener conclusiones precisas y generalizables sobre la
población en su conjunto.

MUESTREO ALEATORIO:
El muestreo aleatorio es un método en el que cada elemento de una población tiene
una probabilidad igual de ser seleccionado para formar parte de la muestra. En otras
palabras, cada unidad en la población tiene una oportunidad justa y conocida de ser
incluida en la muestra. Esto se logra mediante el uso de técnicas como el sorteo al
azar, números aleatorios o métodos similares para garantizar la imparcialidad en la
selección de la muestra. El muestreo aleatorio es fundamental en estadísticas, ya que
proporciona una base para hacer inferencias sobre la población más amplia basada
en las características observadas en la muestra.

EJEMPLO

Un ejemplo de muestreo aleatorio podría ser el siguiente:

Supongamos que tienes una población de 100 estudiantes en una escuela y quieres
seleccionar una muestra aleatoria de 20 estudiantes para realizar una encuesta sobre
sus hábitos de estudio. Para llevar a cabo un muestreo aleatorio, podrías asignar un
número único a cada estudiante (del 1 al 100) y utilizar un generador de números
aleatorios para seleccionar al azar 20 números. Los estudiantes correspondientes a
esos números serían tu muestra aleatoria.

Este método asegura que cada estudiante tiene una probabilidad igual de ser
seleccionado, haciendo que la muestra sea representativa de la población más
amplia.

DISEÑOS DE MUESTRA:
En estadística, los “diseños de muestra” se refieren a los planes o esquemas
sistemáticos utilizados para seleccionar elementos de una población con el propósito
de realizar observaciones o mediciones. Estos diseños son cruciales para garantizar
que la muestra recopilada sea representativa y permita realizar inferencias precisas
sobre la población completa. Algunos tipos comunes de diseños de muestra
incluyen:

MUESTREO SISTEMÁTICO:
Muestreo Sistemático: Se elige un elemento inicial al azar, y luego se selecciona
cada k-ésimo elemento, donde k es el intervalo sistemático.

MUESTREO ESTRATIFICADO:
Muestreo Estratificado: La población se divide en subgrupos o estratos basados en
ciertas características, y luego se realiza un muestreo aleatorio simple dentro de cada
estrato.

MUESTREO POR CONGLOMERADOS:

Muestreo por Conglomerados: La población se divide en conglomerados (grupos
más grandes) y se seleccionan algunos conglomerados al azar. Luego, se recopilan
datos de todos los elementos dentro de los conglomerados seleccionados.

MUESTREO ALEATORIO SIMPLE:

Muestreo Aleatorio Simple: Cada elemento de la población tiene una probabilidad
igual de ser seleccionado.

La elección del diseño de muestra adecuado depende de diversos factores, como los
recursos disponibles, la naturaleza de la población y los objetivos de la investigación
estadística.

DISTRIBUCIONES MUÉSTRALES

Las distribuciones muestrales son distribuciones de estadísticas calculadas a partir

de múltiples muestras tomadas de una población específica. Estas distribuciones
proporcionan información sobre la variabilidad que se puede esperar al estimar
parámetros o realizar pruebas de hipótesis a partir de diferentes muestras de una
población.

Un ejemplo común es la distribución muestral de la media. Si tomas múltiples

muestras de una población y calculas la media de cada muestra, obtendrás una
distribución de esas medias muestrales. Según el Teorema del Límite Central, esta
distribución de medias tenderá a ser normal, independientemente de la forma de la
distribución original de la población, siempre y cuando el tamaño de la muestra sea
lo suficientemente grande.
Las distribuciones muestrales son fundamentales en inferencia estadística porque
permiten hacer afirmaciones sobre la precisión y confiabilidad de las estimaciones y
pruebas basadas en muestras de una población más amplia.