Documentos de Académico
Documentos de Profesional
Documentos de Cultura
net/publication/306346785
CITATIONS READS
0 3,152
3 authors:
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
All content following this page was uploaded by Octavio O. Danel Ruas on 11 August 2017.
3 Wiebusch Sindelar, F. C. Et. al.(2014) Teoria e prática em estatística para cursos de graduação.
Editora Univates.Bairro Universitário - Lajeado - RS - Brasil
De las muchas razones que podrían ser nombradas para la utilización de una
muestra, en vez de una población, destacamos:
- Costos muy elevados para lograr información de toda la población;
- Excesivo tiempo para obtener información de toda la población;
- En ocasiones es imposible obtener datos de toda la población;
- Generalmente es condición imposible considerar toda la población. Como
ejemplo, de esa imposibilidad, destacamos: en un caso de enfermedades
infecciosas como Dengue o Fiebre Chikungunya, en las cuales resulta imposible
tomar la temperatura a toda la población de una región para comprobar existencia
del virus, en un tiempo reducido.
Muestras no probabilísticas: las muestras no probabilísticas pueden ser:
voluntarias, intencionales (por acuerdo), accidentales (casual) y de asignación por
cuotas4.
Características de los modelos de muestras no probabilísticos.
Voluntarias (o por conveniencia) - Constituidas por unidades que se disponen
voluntariamente para integrar la muestra. En este método se selecciona la muestra
en función de la disponibilidad y accesibilidad de los elementos de la población.
Intencionales - Constituidas desde las intenciones o necesidades del investigador
para estudiar una situación particular, se basan en opiniones de una o más
personas que conocen características específicas que se pretenden analizar de la
población en estudio.
Accidentales (casuales) - Las unidades son seleccionadas respetando el
orden con que aparecen. El método consiste en seleccionar inicialmente los
inquiridos de modo aleatorio y, enseguida, escoger unidades adicionales desde la
información lograda de los primeros.
Por cuotas - La característica principal de una muestra por cuotas es la necesidad
de calificarse el respondiendo "a priori";
- Tienen las ventajas de la economía de tiempo y de dinero;
- Son estratificadas con la locación proporcional al número de sujetos de cada
estrato.
Ejercicio 3- Se aplicó una prueba sobre 10 puntos para analizar la valoración que
tienen de si la población de jóvenes desvinculados del estudio de una localidad. Los
resultados fueron:
Se recorre la Tabla de números aleatorios por columnas (primeros dos dígitos), salen
23,05, 14,38, 97, 21, 11 y así sucesivamente, como el tamaño de la muestra n=4
entonces escogemos el quinto, séptimo, cuarto y segundo, los restantes se rechazan
por ser mayores que 10 (marcados ya en la Tabla)
SUMA
Xi 8.82 8.51 7.96 8.96 34,25
−−
La media es X = 34.25/4 =8.5625
1 −− 1
c) S 2 =
n −1
∑ ( X i − X ) 2 = (0.5875) = 0.20 ⇒ S = 0.44
3
Ejercicio 4-Se aplicó una prueba sobre 10 puntos para analizar la valoración que
tienen de las tele clases la población de jóvenes estudiantes de una localidad. Los
resultados fueron 8,2 7,6 8,2 8,9 8,6 9,2 8,5 7,6 8,6 8,8
Solución:
05 07 04 02 06 01
5 Rubio Luna, G.J. (2012) Muestreo. Tipos de muestreo. Inferencia. IES Francisco Ayala.
Ejercicio 6: Las estaturas de 1200 estudiantes de un centro de educación superior se
distribuyen normalmente con media 1,72 y desviación típica 0,9 m. Si se toman 100 muestras
de 36 estudiantes cada una, se desea calcular:
a) La media y la desviación típica esperada de la distribución muestral de medias.
b) ¿En cuántas muestras se puede esperar una media entre 1,68 y 1,73 m?
c) ¿En cuántas muestras es de esperar que la media sea menor que 0,69 m?
Solución: a) La media y la desviación típica esperada de la distribución muestral de medias
es:
µ = µ = 1,72m σ 0,9 0,9
σ= = = = 0,15m
n 36 6
Por ser el tamaño muestral mayor que 30 aplicamos el teorema central del límite,
que afirma que la distribución muestral de medias se aproxima a una distribución
σ
normal: N(µ; )
n
b) Tipificamos los valores 1,68 y 1,73 según la distribución N (1,72, 0,15), obteniendo.
z1,68 =(1,68 – 1,72)/0,15 = – 0,27 y z1,73 =(1,73 – 1,72)/0,15 = 0,07
La probabilidad de muestras con medias entre 1,68 y 1,73 m es:
p(1,68 ≤ X ≤ 1,73) = p (–0,27 ≤ Z ≤ 0,07) = p(Z ≤ 0,07) – [1 – p(Z ≤ 027)] =
= 0,5279 – (1 – 0,6064) = 0,1343
El número de muestras esperado es 100●0,1343 = 13 muestras, entre esos dos valores
c) Tipificamos el valor 1,69 m que se distribuye según N(1,72, 0,15), obteniendo:
z1,69 =(1,69 – 1,72)/0,15 = – 0,2
La probabilidad de muestras con medias menores que 1’69 m es:
p(Z ≤ – 0,2) = 1 – p(Z ≤ 0,2) = 1 – 0,5793 = 0,4207
El número de muestras esperado en que la media sea menor que 0,69 m es 100 .0,4207 =
42 muestras.
Ejercicio 7: Se ha seleccionado una muestra de 145 estudiantes de pre grado, a los que
se les ha aplicado un test de habilidad. La media y la desviación típica obtenida de la
muestra son 82 y 14, respectivamente. A partir de estos datos, calcula el intervalo en el
cual se hallará la media de población al nivel de confianza del 95%. Calcula el intervalo de
confianza para los mismos datos correspondientes al nivel de confianza del 99%.
n=30
s=15 cm.
Por tanto, con 99% de confianza, podemos decir que la media poblacional está entre
167,95 cm y 182,05 cm.
http://www.paho.org/hq/index.php?option=com_docman&task=doc_download&gid=255
91&Itemid=
Rubio Luna, G.J. (2012) Muestreo. Tipos de muestreo. Inferencia. IES Francisco Ayala.
http://Funstats.un.org%2Funsd%2Fpublication%2FseriesM%2Fseriesm_67Rev2s.pdf
https://www.revsaludpublica.sld.cu%2Findex.php%2Fspu%2Farticle%2FviewFile
https://www.paho.org%2Fhq%2Findex.php%3Foption%3Dcom_docman%26task%3Ddo
c_view%26gid%3D15814%26Itemid&usg=AFQjCNG2mZd2vitsHkctLIYO0D6vCDUMsg
&bvm=bv.131783435,d.eWE
https://www.paho.org%2Fhq%2Findex.php%3Foption%3Dcom_docman%26task%3Ddo
c_download