UNIVERSIDAD TÉCNICA DE COTOPAXI

EXTENSION LA MANA

FACULTAD DE CIENCIAS ADMINISTRATIVAS LICENCIATURA EN

ADMINISTRACION DE EMPRESAS

TEMA:

Resumen

ALUMNO:

Edgar Alexis Vega Pastuña

DOCENTE:

Ing. MSc. Martínez Fabian Xavier

ASIGNATURA

Estadística para la Investigación

CICLO:

Sexto

PERIODO ACADEMICO:

Abril 2023 - Agosto 2023

Muestreo aleatorio simple
Se llama así al procedimiento de seleccionar una muestra cumpliendo dos propiedades
fundamentales
 Todos los individuos de la población tienen la misma probabilidad de ser elegidos.
 Todas las muestras del mismo tamaño son igualmente probables.
Desde un punto de vista matemático, el muestreo aleatorio simple se realiza suponiendo
que la población tiene infinitos elementos. En la práctica, suele ocurrir que las poblaciones
a considerar tienen un número muy grande de elementos, con lo cual puede equipararse a
una situación con infinitos elementos.
Supongamos, por ejemplo, que nos interesa realizar una estimación del sueldo medio de la
población trabajadora de un país. Desde un punto de vista meramente intuitivo, una forma
de realizar una inferencia consistiría en seleccionar una muestra de individuos de la
población y preguntarles el sueldo, para posteriormente calcular la media.
La población de trabajadores de un país no tiene infinitos elementos, pero suele ser muy
grande. Cuando seleccionamos una muestra de elementos de la población, estamos
considerando que todos los individuos se seleccionan de manera independiente; esto es, no
hay sesgo de ninguna clase a la hora de distinguir un individuo de otro para preguntarle su
sueldo.
A la hora de seleccionar una muestra aleatoria simple, se supondría que todos los miembros
a los que se puede encuestar están numerados del 1 al N. Se realizaría un sorteo en el que se
sacarían n números, y esas serían las personas seleccionadas.
El motivo de trabajar con un muestreo aleatorio con reemplazamiento es de naturaleza
matemática, ya que permite estudiar propiedades de los distintos procesos de inferencia
(decir si lo que se hace está bien o está mal, si una estimación es mejor que otra, etc.).
Una muestra aleatoria simple de tamaño n de una variable aleatoria X (relativa a una
población) viene dada por las variables aleatorias X1,…,Xn, que serán independientes e
idénticamente distribuidas a X
En la práctica, una muestra aleatoria simple de tamaño n de una variable aleatoria X es un
conjunto de datos (x1,x2,…,xn), obtenidos al observar la variable X en n individuos. Por
ejemplo, n datos de la variable X=estatura
Muestreo aleatorio Estratificado
El muestreo aleatorio estratificado es una técnica de muestreo que se utiliza cuando en la
población se pueden distinguir subgrupos o subpoblaciones claramente identificables.
Mediante este método de muestreo, la selección de los elementos que van a formar parte de
la muestra se realiza por separado dentro de cada estrato, sin dejar ningún estrato sin
muestrear. En la práctica esta técnica presenta dos ventajas importantes:

Puede facilitar la implementación física del muestreo (organización de la campaña de toma

de datos, lugares a visitar, etc.)

Permite aplicar el esfuerzo de muestreo de forma “inteligente”, tomando muestras de mayor

tamaño en aquellos estratos que así lo requieran, y menos en donde no haga falta. Por poner
un ejemplo extremo, si todos los sujetos de un estrato son clónicos, posiblemente bastaría
con medir a uno de ellos para tener toda la información necesaria. Si los sujetos de un
estrato son extremadamente heterogéneos, habrá que tomar una muestra grande para poder
captar bien el efecto de esa variabilidad.
Requerimientos sobre la población para llevar a cabo un muestreo aleatorio estratificado
Este tipo de muestreo es adecuado cuando:
Disponemos de una población dividida en K subpoblaciones (estratos) disjuntos.
Si la población es infinita, se conocen las proporciones ϕ1,ϕ2,…,ϕK de elementos de la
misma dentro de cada estrato, siendo ∑Ki=1ϕi=1.
Si la población es finita de tamaño N, se conocen los tamaños de los distintos estratos,
N1,N2,…,NK, siendo N=∑Ki=1Ni. En este caso, la proporción de elementos de la
población dentro del i−ésimo estrato es, obviamente, ϕi=NiN.
En el estrato i la media de la variable de interés es μi y su desviación típica es σi.

Tipos de muestreo
Tipos de muestreo no probabilístico
El muestreo no probabilístico es una técnica de muestreo donde las muestras se recogen por
medio de un proceso que no les brinda a todos los individuos de la población las mismas
oportunidades de ser seleccionados.
Aunque seleccionar algunos de estos métodos podría resultar en datos sesgados o en una
capacidad limitada para hacer conclusiones generales basadas en los hallazgos, también
existen algunas situaciones en las que seleccionar este tipo de técnica de muestreo es la
mejor opción para cierta pregunta de investigación o para una etapa de la investigación.

Existen 4 tipos de muestreo que puedes crear de esta manera.

1. Muestreo por conveniencia

El muestreo por conveniencia es el que se basa en los sujetos disponibles, como detener a
las personas en la esquina de la calle mientras pasan por ahí, es un método de muestreo,
aunque es extremadamente riesgoso y debe realizarse con cautela.

Este método, también conocido como un método basado en los sujetos disponibles, no le
permite al investigador tener control sobre la representatividad de la muestra.

Sin embargo, es útil si el investigador quiere estudiar las características de las personas que
pasan por la esquina de una calle en un momento determinado, por ejemplo, o si el tiempo
y los recursos son limitados de tal forma que la investigación no sería posible de otra
manera.

Por esta razón, un muestreo de conveniencia está entre los tipos de muestreo que
comúnmente se utilizan en las fases iniciales o fase piloto de la investigación, antes de que
se lance un proyecto de investigación más grande.

Aunque este método puede resultar útil, el investigador no podrá utilizar los resultados de
una muestra de conveniencia para generalizar una población más amplia.

2. Muestreo deliberado, crítico o por juicio

El muestreo deliberado, crítico o por juicio es aquel que se selecciona con base en el
conocimiento de una población o propósito del estudio.
Por ejemplo, cuando sociólogos quieren estudiar los efectos emocionales y psicológicos a
largo plazo de la terminación de un embarazo, se puede crear una muestra que incluya
solamente a mujeres que se habían sometido a un aborto.

En este caso, los investigadores pueden utilizar una muestra intencional porque los
entrevistados cumplen con una descripción o propósito específico que es necesario para
realizar la investigación.

3. Muestreo Bola de Nieve

Es adecuado utilizar un muestreo bola de nieve cuando los miembros de una población son
difíciles de localizar, como las personas sin hogar, trabajadores migrantes o inmigrantes
indocumentados.

Una muestra de bola de nieve es aquella en la que el investigador recopila datos sobre los
pocos miembros de la población objetivo que puede localizar, y luego les pide que le
proporcionen la información necesaria para localizar a otros miembros que conozcan de esa
población.

Por ejemplo, si un investigador quiere entrevistar a inmigrantes indocumentados de

México, podría entrevistar a algunos indocumentados que conozca o pueda localizar, y
luego dependerá de esos sujetos para que lo ayuden a localizar a más individuos
indocumentados.

Este proceso continúa hasta que el investigador tenga todas las entrevistas que necesita o
hasta que se hayan agotado todos los contactos.

Esta técnica es útil cuando se estudia un tema sensible en el que la gente podría no hablar
abiertamente, o si hablar sobre los temas investigados podría poner en peligro su seguridad.
Una recomendación de un amigo o conocido de que el investigador es confiable funciona
para aumentar el tamaño de la muestra.
4. Muestreo por Cuotas
El muestreo por cuotas es aquel en la que las unidades son seleccionadas en una muestra
partiendo de las características predeterminadas, de modo que la muestra total tenga la
misma distribución de características que se supone que existen en la población que está
siendo estudiada.

Por ejemplo, si eres un investigador que está realizando una muestra por cuota nacional,
podrías necesitar saber qué proporción de la población es masculina y qué proporción es
femenina.

Así como también qué proporciones de los miembros de cada género pertenecen a las
diferentes categorías de edad, raza o étnicas, educativas, entre otras. Después, el
investigador recogería una muestra con las mismas proporciones que la población nacional.

Tipos de muestreo probabilístico

El muestreo probabilístico es una técnica en la cual las muestras son recogidas mediante un
proceso que les brinda a todos los individuos de la población la misma oportunidad de ser
seleccionados.

Muchos consideran que este es metodológicamente el enfoque más riguroso para el

muestreo, ya que elimina los sesgos sociales que podrían moldear la muestra de
investigación. Sin embargo, en última instancia la técnica de muestreo que elijas debe ser la
que te permita responder mejor a tu pregunta de investigación.

Vamos a analizar los 4 tipos de muestreo probabilístico.

1. Muestreo aleatorio simple
El muestreo aleatorio simple es el método de muestreo básico utilizado en métodos
estadísticos y cálculos.
Para recopilar una muestra aleatoria simple, a cada unidad de la población objetivo se le
asigna un número. Luego se genera un conjunto de números aleatorios y las unidades que
tienen esos números son incluidas en la muestra.

Por ejemplo, supongamos que tienes una población de 1,000 personas y quieres seleccionar
una muestra aleatoria simple de 50 personas. Primero, cada persona está numerada del 1 al
1,000.

Luego, generas una lista de 50 números aleatorios, generalmente con un programa

informático, y los individuos que tienen asignados estos números son los que vas a incluir
en la muestra.

Cuando se estudia a las personas, está técnica funciona mejor con una población
homogénea, que no sean muy diferentes en edad, raza, escolaridad o clase, ya que con una
población heterogénea se corre el riesgo de crear una muestra sesgada si no se toman en
cuenta las diferencias demográficas.

2. Muestreo sistemático
El muestreo sistemático es aquel en el que los elementos de la población se ponen en una
lista y luego cada enésimo elemento de la lista se selecciona sistemáticamente para su
inclusión en la muestra.

Por ejemplo, si la población de estudio contenía 2,000 estudiantes de una secundaria y el

investigador quería una muestra de 100 estudiantes, los estudiantes se colocarían en forma
de lista y luego cada veinteavo estudiante sería seleccionado para ser incluido en la
muestra.

Para garantizar que no haya ningún sesgo humano en este método, el investigador debe
seleccionar aleatoriamente al primer individuo. Esto es técnicamente llamado una muestra
sistemática con un inicio aleatorio.
3. Muestreo estratificado
El muestreo estratificado es una técnica de muestreo en la que el investigador divide a toda
la población objetivo en diferentes subgrupos o estratos, y luego selecciona aleatoriamente
a los sujetos finales de los diferentes estratos de forma proporcional.

Este tipo de muestreo se utiliza cuando el investigador quiere resaltar subgrupos específicos
dentro de una población.

Por ejemplo, para obtener una muestra estratificada de estudiantes universitarios, el

investigador primero tendría que organizar a la población por grado universitario y luego
seleccionar el número adecuado de estudiantes de primer, segundo, tercer y último año.

Esto aseguraría que el investigador tenga cantidades adecuadas de sujetos de cada grado en
la muestra final.

4. Muestreo por conglomerados

El muestreo por conglomerados puede ser utilizado cuando es imposible o impráctico
elaborar una lista exhaustiva de los elementos que constituyen a la población objetivo. Sin
embargo, generalmente los elementos de la población ya están agrupados en
subpoblaciones y las listas de esas subpoblaciones ya existen o pueden ser creadas.

Por ejemplo, supongamos que la población objetivo de un estudio eran los miembros de
iglesias en Guatemala. No existe una lista de los miembros de las iglesias en el país.

Sin embargo, el investigador podría elaborar una lista de iglesias ubicadas en Guatemala,
seleccionar una muestra de iglesias y luego conseguir listas de los miembros de esas
iglesias.

Prueba de Hipótesis
Una prueba de hipótesis es una regla que especifica cuando se puede aceptar o rechazar una
afirmación sobre una población dependiendo de la evidencia proporcionada por una
muestra de datos.

Una prueba de hipótesis examina dos hipótesis opuestas sobre una población: la hipótesis
nula y la hipótesis alternativa. La hipótesis nula es la afirmación que se está comprobando.
Normalmente la hipótesis nula es una afirmación de "sin efecto" o "sin diferencia". La
hipótesis alternativa es la afirmación que se desea ser capaz de concluir que es verdadera
basándose en la evidencia proporcionada por los datos de la muestra.

Basándose en los datos de la muestra, la prueba determina cuando rechazar la hipótesis

nula. Se utiliza un p-valor, para realizar esa determinación. Si el p-valor es menos que el
nivel de significación (conocido como α o alfa), entonces se puede rechazar la hipótesis
nula.

Un error común suele ser que las pruebas de hipótesis estadísticas están diseñadas para
seleccionar la más probable de dos hipótesis. Sin embargo, al diseñor una prueba de
hipótesis, se configura la hipótesis nula como la que se quiere rechazar. Dado que se fija
que el nivel de significación sea pequeño antes del análisis (normalmente, un valor de 0.05
funciona correctamente), Cuando se rechaza la hipótesis nula, se tiene una prueba
estadística de que la alternativa es cierta. Por el contrario, si no se rechaza la hipóetesis
nula, no se tiene prueba estadística de que la hipótesis nula sea cierta. Esto es debido a que
no se ha fijado la probabilidad de que se acepte falsamente que la hipótesis nula sea
pequeña.

Ejemplos de algunas preguntas que se pueden responder con una prueba de hipótesis:

 ¿La altura media de las mujeres en secundaria difiere de 168 cm?

 ¿La desviación estándar de sus alturas es igual o menor que 13 cm?
 ¿Los estudiantes masculinos y femeninos difieren en su altura promedio?
 ¿Es la proporción de estudiantes masculinos de secundaria significativamente más
alta que la proporción de estudiantes femeninas de secundaria?