Analítica para la toma de Decisiones 1

Muestreo y Distribuciones
Muestrales

Sesión 5

Notas de clase elaboradas por el Prof. Tomás Minauro L. Lima, esan, ® 2020.
Analítica para la toma de Decisiones 2

Introducción
La razón por la que se selecciona una muestra es
recoger datos para responder a una pregunta de
investigación sobre una población.
Los resultados de la muestra sólo proporcionan
estimados de los valores de las características de la
población.
La razón es simple ya que la muestra solo contiene
una parte de la población.
Con métodos adecuados de muestreo, la muestra
proveerá “buenos” estimados de las características
de la población.

Notas de clase elaboradas por el Prof. Tomás Minauro L. Lima, esan, ® 2020.
Analítica para la toma de Decisiones 3

Muestreo de una población finita

Poblaciones finitas se definen a menudo por
listas tales como:
– Lista de los miembros de la organización.
– Números de cuentas de tarjetas de crédito.
– Productos en inventario
Una muestra aleatoria simple de tamaño n
tomada de una población finita de tamaño N es
una muestra seleccionada de tal manera que
todos los elementos de la población tienen la
misma probabilidad de ser seleccionados.

Notas de clase elaboradas por el Prof. Tomás Minauro L. Lima, esan, ® 2020.
Analítica para la toma de Decisiones 4

Muestreo de una población finita

Regresar cada elemento seleccionado antes de
seleccionar los elementos siguientes en la
muestra se denomina muestreo con reemplazo.
Muestreo sin reemplazo es el procedimiento
utilizado con más frecuencia.
En proyectos de toma de muestras grandes, a
menudo se utilizan números aleatorios
generados por computadora para automatizar el
proceso de selección de la muestra.

Notas de clase elaboradas por el Prof. Tomás Minauro L. Lima, esan, ® 2020.
Analítica para la toma de Decisiones 5

Muestreo de una población infinita

A veces queremos seleccionar una muestra,
pero encontramos que no es posible obtener
una lista de todos los elementos de la
población.
Por lo tanto, no tenemos el marco muestral, y no
podemos utilizar el procedimiento de selección
de números al azar.
La mayoría de las veces, esta situación se
presenta en los casos de población infinita.

Notas de clase elaboradas por el Prof. Tomás Minauro L. Lima, esan, ® 2020.
Analítica para la toma de Decisiones 6

Muestreo de una población infinita

Las poblaciones son a menudo generadas por
procesos en marcha donde no hay límite en el
número de unidades que se pueden generar.
Algunos ejemplos de estos procesos, son los
siguientes:
• piezas que se fabrican en una línea de
producción
• transacciones que tienen lugar en un banco
• las llamadas telefónicas que llegan a un
servicio de asistencia técnica
• los clientes que entran en una tienda

Notas de clase elaboradas por el Prof. Tomás Minauro L. Lima, esan, ® 2020.
Analítica para la toma de Decisiones 7

Muestreo de una población infinita

En el caso de una población infinita, debemos
seleccionar una muestra aleatoria con el fin de
hacer valer las inferencias estadísticas sobre la
población muestreada.
Una muestra aleatoria de una población
infinita es una muestra seleccionada de modo
que se cumplan las siguientes condiciones:
• Cada elemento seleccionado proviene de la
población de interés.
• Cada elemento se ha seleccionado en forma
independiente.

Notas de clase elaboradas por el Prof. Tomás Minauro L. Lima, esan, ® 2020.
Analítica para la toma de Decisiones 8

Estimación Puntual
La estimación puntual es una forma de inferencia
estadística.
Para una estimación puntual, usamos datos
provenientes de una muestra calculamos el valor
del estadístico muestral que nos servirá para
estimar el parámetro poblacional.
Nos referimos a:
 X como estimador puntual de la media m
 s como estimador puntual de la desviación estándar s
 p como estimador puntual de la proporción p

Notas de clase elaboradas por el Prof. Tomás Minauro L. Lima, esan, ® 2020.
Analítica para la toma de Decisiones 9

Distribución Muestral de X
Proceso de inferencia estadística

Población Se seleccionan de la
población una muestra
con Media
aleatoria simple de n
m=? elementos

El valor de X se utiliza Los datos de la

muestra proporciona
para hacer inferencias un valor para la
sobre el valor de m. media muestral X
Notas de clase elaboradas por el Prof. Tomás Minauro L. Lima, esan, ® 2020.
Analítica para la toma de Decisiones 10

Elaborando una Distribución Muestral

Suponga una población…

Con tamaño poblacional
N=4
La variable aleatoria es,
X: edad de cada individuo.
Valores de X:
18, 20, 22, 24 (años)

Notas de clase elaboradas por el Prof. Tomás Minauro L. Lima, esan, ® 2020.
Analítica para la toma de Decisiones 11

Elaborando una Distribución Muestral

Resumen de medidas para la distribución poblacional:
P(X)
.3

.2
18+ 20+ 22+ 24
m= = 21 .1
4
0
18 19 20 21 22 23 24 X
Distribución uniforme

(18-21)2+ (20-21)2+ (22-21)2+ (24-21)2

s= = 2.236
4
Notas de clase elaboradas por el Prof. Tomás Minauro L. Lima, esan, ® 2020.
Analítica para la toma de Decisiones 12

Elaborando una Distribución Muestral

Ahora considere todas las muestras posibles de tamaño n = 2

16 medias
1a 2a observación muestrales
obs.
18 20 22 24
18 18,18 18,20 18,22 18,24 1a. 2a. observación
obs. 18 20 22 24
20 20,18 20,20 20,22 20,24
22 22,18 22,20 22,22 22,24 18 18 19 20 21
24 24,18 24,20 24,22 24,24 20 19 20 21 22
22 20 21 22 23
16 muestras posibles
(muestreo con 24 21 22 23 24
reemplazo)

Notas de clase elaboradas por el Prof. Tomás Minauro L. Lima, esan, ® 2020.
Analítica para la toma de Decisiones 13

Elaborando una Distribución Muestral

Distribución muestral de todas las medias muestrales

16 medias muestrales Distribución de

medias
1a 2a observación _ muestrales
obs. 18 20 22 24 P(X)
.3
18 18 19 20 21
.2
20 19 20 21 22
.1
22 20 21 22 23
0 _
24 21 22 23 24 18 19 20 21 22 23 24 X
Ya no es uniforme
Notas de clase elaboradas por el Prof. Tomás Minauro L. Lima, esan, ® 2020.
Analítica para la toma de Decisiones 14

Elaborando una Distribución Muestral

Resumen de medidas de esta distribución muestral:

18 + 19 + 19 + . . . + 24
mX = = 21
16

(18-21)2 + (19-21)2 + . . . + (24-21)2

sX = = 1.58
16
Nota: Aquí se divide entre 16 porque hay 16 muestras
diferentes de tamaño 2.
Notas de clase elaboradas por el Prof. Tomás Minauro L. Lima, esan, ® 2020.
Analítica para la toma de Decisiones 15

Comparación de la distribución poblacional

con la distribución de medias muestrales
Distribución de medias
Población muestrales
N=4 n=2
m = 21 s = 2.236 mX = 21 sX = 1.58
_
P(X) P(X)
.3 .3

.2 .2

.1 .1

0 0 _
18 19 20 21 22 23 24 X 18 19 20 21 22 23 24 X
Notas de clase elaboradas por el Prof. Tomás Minauro L. Lima, esan, ® 2020.
Analítica para la toma de Decisiones 16

Distribución Muestral de X
La distribución muestral de X es la distribución de
probabilidad de todos los posibles valores de la
media muestral.
Valor Esperado de X
E( X ) = m
Donde: m = Media / Parámetro poblacional.
Cuando el valor esperado del estimador puntual
es igual al parámetro de la población, se dice que
el estimador puntual es insesgado.

Notas de clase elaboradas por el Prof. Tomás Minauro L. Lima, esan, ® 2020.
Analítica para la toma de Decisiones 17

Distribución Muestral de X

Desviación Estándar de X
Usaremos la siguiente notación para definir la
desviación estándar de la distribución muestral de X.
sx = desviación estándar de X
s = desviación estándar de la población
n = tamaño de la muestra
N = tamaño de la población
sx se conoce como el error estándar de la media.

Notas de clase elaboradas por el Prof. Tomás Minauro L. Lima, esan, ® 2020.
Analítica para la toma de Decisiones 18

Distribución Muestral de X
El Error Estándar para Poblaciones Infinitas es:

El Error Estándar para Poblaciones Finitas es:

Una población finita es tratada como infinita si: n < 5%N

es el factor de corrección para poblaciones
finitas.
Notas de clase elaboradas por el Prof. Tomás Minauro L. Lima, esan, ® 2020.
Analítica para la toma de Decisiones 19

Distribución Muestral de X
Cuando la población tiene una distribución normal, la
distribución muestral de X es una distribución normal
para cualquier tamaño de la muestra.
La distribución muestral de X se puede utilizar para
proporcionar información sobre la probabilidad de
que tan cerca de la media muestral X está la media
poblacional m.
Cuando la población de la que seleccionamos la
muestra aleatoria no tiene una distribución normal, el
teorema del límite central es útil para identificar la
forma de la distribución muestral de X.

Notas de clase elaboradas por el Prof. Tomás Minauro L. Lima, esan, ® 2020.
Analítica para la toma de Decisiones 20

Teorema del Límite Central

Si la muestra es lo
Si se seleccionan suficientemente
muestras aleatorias grande (n  30) ...
de tamaño n de
cualquier población, La distribución
la distribución muestral se
muestral del promedio aproxima a la
se aproxima a una distribución
distribución normal normal.
conforme el tamaño
de la muestra se hace
más grande.

Notas de clase elaboradas por el Prof. Tomás Minauro L. Lima, esan, ® 2020.
Analítica para la toma de Decisiones 21

Distribución Muestral de X

En la mayoría de los casos, la distribución muestral

de X, se puede aproximar a la distribución normal
cuando la muestra es de tamaño mayor o igual a 30.
En los casos en que la población es muy sesgada, o
tiene valores extremos, las muestras tendrían que
ser un poco más grandes. Se sugiere que por lo
menos tenga 50.

Notas de clase elaboradas por el Prof. Tomás Minauro L. Lima, esan, ® 2020.
Analítica para la toma de Decisiones 22

Distribución Muestral de X
Si X es una variable NORMAL  Para todo n
o Si X es una variable cualquiera  Para n > 30
Entonces: X es una variable NORMAL

Notas de clase elaboradas por el Prof. Tomás Minauro L. Lima, esan, ® 2020.
Analítica para la toma de Decisiones 23

Distribución Muestral de P
Proceso de inferencia estadística

Población Se seleccionan de la
con población una muestra
Proporción aleatoria simple de n
p=? elementos

El valor de p se utiliza Los datos de la

muestra proporciona un
para hacer inferencias valor para la proporción
sobre el valor de p. muestral P
Notas de clase elaboradas por el Prof. Tomás Minauro L. Lima, esan, ® 2020.
Analítica para la toma de Decisiones 24

Forma de la Distribución
Muestral de P
La distribución muestral de P es una distribución
BINOMIAL. Seleccionamos n elementos y cada uno
sólo toma dos valores:
Tiene el atributo  ÉXITO
NO tiene el atributo  FRACASO
P(Éxito) = Proporción Poblacional = p
Por lo tanto, la distribución muestral de p se puede
aproximar a una NORMAL ya que el n es siempre
grande y cumple con las condiciones de:
n * p > 5 y n * (1 – p) > 5

Notas de clase elaboradas por el Prof. Tomás Minauro L. Lima, esan, ® 2020.
Analítica para la toma de Decisiones 25

Distribución Muestral de P
La distribución muestral de P es la distribución de
probabilidad es de todos los posibles valores de la
proporción muestral.
Valor Esperado de P
E( P ) = p
Donde: p = Proporción poblacional.

Notas de clase elaboradas por el Prof. Tomás Minauro L. Lima, esan, ® 2020.
Analítica para la toma de Decisiones 26

Distribución Muestral de P
El Error Estándar para Poblaciones Infinitas es:
p (1 – p )
sP =
n

El Error Estándar para Poblaciones Finitas es:

N-n p (1 – p )
sP =
N-1 n

Notas de clase elaboradas por el Prof. Tomás Minauro L. Lima, esan, ® 2020.
Analítica para la toma de Decisiones 27

Distribución Muestral de P
P es una variable BINOMIAL.
Si n x P > 5 y n x (1-P) > 5, entonces:
P se puede aproximar a una variable NORMAL.

sP= p (1-p)
n

E(P) = p P
Notas de clase elaboradas por el Prof. Tomás Minauro L. Lima, esan, ® 2020.