Universidad Gerardo Barrios

Unidad III - Estadistica Aplicada a las Ciencias

Sociales

Muestreo y Probabilidad
Es frecuente que, en investigaciones aplicadas de las Ciencias Sociales, se encuentre con
cantidades considerables de individuos que son objeto de estudio. En esta unidad se
analizan los conceptos de población y muestra, y la importancia que tiene la delimitación
de características de los individuos objeto de estudio para el diseño del muestreo.
El muestreo es el proceso para seleccionar una muestra, que implica dos momentos: el
cálculo del tamaño de la muestra y, la selección de los individuos que conforman la
muestra. Aprenderá los elementos que se consideran para determinar el tamaño de una
muestra en general y a partir de estratos.
El muestreo es un elemento importante en el diseño metodológico de una investigación,
su correcta implementación garantiza resultados respaldados por la teoría de
probabilidad y le brinda carácter científico al estudio.

Introducción a la unidad

Poblaciones y Muestras
Técnicas de Muestreo

Distribuciones de Probabilidad

Distribución Normal

Cierre de la unidad

Glosario de términos

Recursos complementarios
Lección 1 de 8

Introducción a la unidad
Universidad Gerardo Barrios

Introducción a la Unidad III - Estadística aplicada a las Cien…

Lección 2 de 8

Poblaciones y Muestras
Universidad Gerardo Barrios

Cualquier investigación en las Ciencias Sociales tiene como sujeto de investigación a un conjunto de
personas. Las investigaciones con frecuencia establecen conclusiones sobre grupos más amplios que
los observados, establecer esta diferencia es importante en el ámbito estadístico. Los conceptos por
estudiar en este contenido son población y muestra.

Población
Una población es un conjunto de individuos que comparten alguna característica en común por la cual
son objeto de estudio.

Por ejemplo, en una investigación de carácter socioeconómico, el estudio puede dirigirse sobre la
fracción de los ciudadanos con menores ingresos, con menor grado de escolaridad, o puede realizarse
para toda una ubicación geográfica sin importar los ingresos o estudios. Definir de forma clara la
característica en común que tienen las personas que son objeto de estudio es de suma importancia,
brinda una primera delimitación de la investigación; si la característica es geográfica entonces se
delimita la región sobre la que se investigará.

Para establecer la población, el investigador debe describir de forma clara la característica en común de
los individuos, esta debe ser destacada en relación con el tema de la investigación. Escribir de forma
clara la característica no significa describir todas las características en común de los elementos de la
población, porque muchos de ellos posiblemente no estén relacionados con el tema de investigación.

Por ejemplo, si una investigación está relacionada a aspectos de jurisprudencia, lo más razonable es
que requiera que los individuos sean estudiantes o graduados de Licenciatura en Ciencias Jurídicas de
alguna universidad en particular, ésta es la característica en común. Podrá haber otras características,
como la franja de edad, zona de residencia, religión u otros, pero no son relevantes para la
investigación.

En la investigación, además de las características de los individuos, es fundamental cuantificar la

población. Suponga que desea indagar sobre las prácticas ambientales de los habitantes del
departamento de San Miguel, para recolectar información tiene dos opciones: investigar a cada
ciudadano del departamento o a una parte representativa (muestra), para tomar esta decisión el
investigador debe conocer el tamaño de la población. Una población de 50 individuos es asequible de
investigar en su totalidad, pero una de 200 000 personas no lo es.

El tamaño de la población puede ser finita, infinita o desconocida.

FIN ITA E IN FIN ITA DE S CO N O CIDA

Una población es finita si la cantidad de individuos es conocida y la cantidad es inferior a cien mil
elementos, si no fuera el caso la población es infinita. La cantidad de cien mil no es una regla fija, la
población también se considera infinita si el tamaño de la muestra representa menos del 5% de la
población.

FIN ITA E IN FIN ITA DE S CO N O CIDA

Una población desconocida, estadísticamente se considera población infinita.

En resumen, al describir una población en un protocolo de investigación, se debe destacar

explícitamente las características en común que son relevantes para el estudio. Además, debe indicarse
el tamaño de la población o explicar por qué se considera infinita.

Co n tin u ar
Muestra

La muestra es un subconjunto representativo de la población.

Una muestra se expresa de forma tan sencilla en la definición anterior, pero el corto concepto incluye
dos elementos con importancia suficiente para ser analizados.

Primero, la muestra es un subconjunto de la población. La población es el conjunto de todos los

individuos que son objeto de estudio y de los cuales se pretende recolectar información y establecer
conclusiones; entonces, la muestra es también un conjunto, cuya cantidad de elementos es finita y los
elementos que lo conforman también son parte de la población.

Pero el elemento más importante en la definición de muestra es la representatividad. Este elemento es

el uno de los requisitos para que una investigación sea reconocida bajo el rigor científico.

La representatividad se refiere, en general, a que la conformación de la muestra debe garantizar las

mismas características de la población.

La representatividad consiste en dos aspectos igual de importantes:

1 El tamaño de la muestra.

2 La selección de los elementos de la muestra.

El proceso de seleccionar una muestra considerando el tamaño y elección idónea de sus elementos se
llama muestreo.

La elección del tamaño de la muestra no es arbitraria. El tamaño de la muestra tiene su fundamento en

la teoría de probabilidad y existen muchas fórmulas para determinar el tamaño dependiendo del
parámetro que se quiera estudiar.

En un estudio estadístico, a partir de un conjunto de datos se pueden obtener diversas medidas como
la media aritmética, proporciones y desviación estándar. Estas medidas reciben un nombre especial
que establece diferencia cuando se calculan a partir de una muestra o de una población.

Las medidas calculadas a partir de los datos de una población se

conocen como parámetros.

Las medidas calculadas a partir de los datos de una muestra se

denominan estadísticos.

En algunos casos, las fórmulas para calcular las medidas son iguales entre estadísticos y parámetros,
pero en otros casos las fórmulas difieren. Un ejemplo es la desviación estándar estudiada en la Unidad
2, se enunciaron dos fórmulas con una ligera variación para denominar como “muestral” y como
“poblacional” a la desviación estándar. La desviación estándar muestral es un estadístico y la
poblacional es un parámetro.

La selección de los elementos de una muestra puede hacerse de muchas formas, algunas pueden
garantizar representatividad y otras no. A las formas para seleccionar los elementos que conforman la
muestra se le denomina técnicas de muestreo.
En resumen, para obtener una muestra representativa se debe calcular el tamaño de la muestra
utilizando fórmulas basadas en la teoría de la probabilidad, y elegir los elementos de la muestra
utilizando técnicas de muestreo apropiadas.

Proceso de muestreo

Co n tin u ar

Cálculo del tamaño de la muestra

El tamaño de la muestra se determina con fórmulas distintas dependiendo si el tamaño de la población
es conocido o infinito.

Si el tamaño de la población es desconocido o infinito el tamaño de la muestra se calcula con la

fórmula:

Ecuación 1. Fórmula para determinar el tamaño de la muestra

Donde:

zα: Es el valor en tabla de la distribución normal que deja una probabilidad de α a un extremo. El valor

de α usualmente es 0.05 lo que implica un valor de zα de 1.96.

p: Es la proporción esperada o la probabilidad de éxito. Cuando no se tiene experiencia o información

de investigaciones pasadas se asigna a p un valor de 0.5.
q: Es la probabilidad de fracaso. Se calcula como 1-p. Así si p toma valor de 0.5 entonces q también
toma el valor de 0.5.
d: Precisión o error máximo que se permite en términos de proporción. Por ejemplo, si se admite un
margen de error de 5% d toma un valor de 0.05.

Ahora, para calcular el tamaño de la muestra cuando el tamaño de la población es conocido se utiliza:
 Ecuación 2. Fórmula para calcular el tamaño de la muestra con Población conocida

La única variable nueva en esta fórmula es que representa el tamaño de la muestra.

Afortunadamente, en estos días se cuenta con herramientas que permiten calcular el tamaño de la
muestra de forma confiable. Puede obviar el cálculo con fórmulas y utilizar la Calculadora de Muestras
del Sitio Web Raosoft, accediendo al enlace siguiente: http://www.raosoft.com/samplesize.html.

En la calculadora aparece la explicación de cada dato que se ingresa a la fórmula y ofrece el cálculo de
forma inmediata. A continuación, se muestra el cálculo del tamaño de la muestra para una población
de 1500 individuos, con un margen de error de 5%, nivel de confianza de 95% y una probabilidad de
éxito de 50%:
 Cálculo del tamaño de la muestra en Raosoft. Fuente: www.raosoft.com

En un protocolo de investigación, para indicar el tamaño de la muestra se debe indicar la fórmula y

procedimientos para su cálculo, si utiliza Raosoft, se debe indicar la dirección web y todos los
parámetros ingresados para su cálculo.

El tamaño de 306 elementos para la muestra significa una importante reducción de recursos para la
investigación, tales como recursos humanos, papelería, transporte costos de logística, etc. En ocasiones
la cantidad de recursos disponibles no alcanza para cubrir tamaños ideales de muestra, en estos casos
se reduce el nivel de confianza y/o se incrementa el margen de error para que se reduzca el tamaño de
la muestra.

Por ejemplo, al incrementar a 7% el margen de error en Raosoft se obtiene:

Tamaño de la muestra con margen de error de 7%. Fuente: www.raosoft.com

Observe que hay una importante reducción en el tamaño de la muestra, pero el costo de usar una
muestra más pequeña es un mayor margen de error.
Los valores usuales en investigación son los presentados en la Ilustración 4. Como investigador trate
de mantener dichos valores para mantener niveles adecuados para el rigor científico.

Referencias Bibliográficas

PSYMA GROUP. (s.f.). PSYMA. Recuperado el 05 de 05 de 2019, de

https://www.psyma.com/company/news/message/como-determinar-el-tamano-de-una-muestra

Raosoft. (s.f.). Raosoft. Obtenido de http://www.raosoft.com/samplesize.html

Triola, M. F. (2004). Estadística (Novena ed.). México: Pearson Educación.

Lección 3 de 8

Técnicas de Muestreo
Universidad Gerardo Barrios

En el contenido anterior se ha mencionado que hacer estudios sobre una población completa significa
una gran inversión de recursos, por tanto, se realiza el estudio sobre una parte de la población llamada
muestra. La técnica de muestreo consiste en el método para seleccionar los individuos que conforman
la muestra.

Las técnicas de muestreo pueden ser de dos tipos: probabilísticos y no probabilísticos.

Las técnicas no probabilísticas carecen de fiabilidad en sus resultados. La técnica no probabilística más
común es el muestreo por conveniencia, en el cuál el investigador selecciona los individuos por
amistad, compañerismo, vecindad pensando en su comodidad. Es una técnica cuya selección no
depende del azar, sino del criterio del investigador.

Las técnicas de muestreo probabilísticas basan su operación en la aleatoriedad y garantizan una

selección de individuos más aproximada a las características de la población.

Las técnicas de muestreo más utilizadas se estudian en los siguientes subcontenidos.

Muestreo Aleatorio

El muestreo que mejor representa la aleatoriedad es el muestreo aleatorio, en ella se seleccionan de

manera que cada posible muestra del mismo tamaño n tenga la misma posibilidad de ser elegida.

La palabra aleatorio se asocia con el azar.

Imagine el nombre de cada individuo de la población ubicado en una urna, luego el investigador
selecciona los nombres uno a uno. Esta especie de sorteo permite que cada uno de los individuos
tenga la misma probabilidad de pertenecer a la muestra, y mejor aún, permite que cualquier
subconjunto de la población tenga la misma probabilidad de ser seleccionado.

En la práctica, este sorteo es difícil de realizar. Usualmente se pueden utilizar ordenadores para
seleccionar la muestra mediante funciones aleatorias.

A menudo se usan computadoras para generar números aleatorios, correos electrónicos, perfiles de
Facebook, etc.

En muchos casos, el proceso de recolección de datos se realiza al mismo tiempo que se seleccionan los
individuos de la muestra. Es probable que el lector en algún momento haya respondido una encuesta,
en ese momento se volvió un elemento de la muestra.

Cuando un equipo parte al campo a recopilar datos, debe tener en mente el tipo de muestreo que está
aplicando. Para que el proceso sea aleatorio, el investigador no debe aplicar ningún tipo de criterio
personal para seleccionar los individuos, pero se debe asegurar que el individuo sea parte de la
población.

Muestreo Estratificado

Los elementos de una población tienen alguna característica en común que los convierte en objeto de
estudio. Pero los elementos tienen otras características que los diferencia unos de otros, algunos
pueden sesgar la investigación si no se consideran para seleccionar una muestra.

El muestreo estratificado es una técnica de muestreo que establece un proceso para garantizar la
representatividad de todas las características que diferencian los elementos de una población.

El muestreo estratificado consiste en la división en al menos dos subgrupos (llamados estratos) que
comparten una misma característica, por ejemplo: zona urbana o rural; sexo masculino o femenino;
estudios medios o superiores; categorías de edad, etc. Después se realiza el muestreo a cada estrato
por muestreo aleatorio u otro que elija el investigador.
La imagen siguiente ilustra un muestreo que divide a la población según género y luego selecciona una
muestra de cada estrato:

Muestreo estratificado

El tamaño de la sub muestra obtenido de cada estrato cuando el tamaño de la población es

desconocido queda a criterio del investigador, aun así, es recomendable seleccionar la misma cantidad
de elementos de cada estrato.

Si el tamaño de la población es conocido, es posible que se conozca la cantidad de individuos en cada

estrato. Si este es el caso la elección del tamaño de la muestra de cada estrato debe ser proporcional al
tamaño del estrato con respecto a la población.

Para ilustrar este procedimiento considere el siguiente ejemplo:

Suponga que se realiza una investigación en una urbanización privada que tiene 600 habitantes que
conforman la población, utilizando Raosoft con los parámetros por defecto se calcula un tamaño de la
muestra de 235.

La investigación tiene como objetivo conocer la satisfacción de los habitantes con respecto al
mantenimiento y ornato de las vías y zonas verdes de la urbanización.
Suponga que se conoce que en la urbanización residen 250 niños y niñas entre 12 y 18 años, 250
mujeres mayores de 18 años y 100 hombres mayores de 18 años.

Luego se calcula proporcionalmente como se muestra a continuación:

Nº sujetos
Identificaci Muestra
Estrato en el Proporción
ón del estrato
estrato

1 Niños y niñas 250 41.7% 98

2 Mujeres 250 41.7% 98

3 Hombres 100 16.7% 39

100.0% 235

Tabla 1. Cálculo proporcionado del tamaño de la muestra del estrato

Para realizar el cálculo, podrá hacerlo descargando el Libro de trabajo siguiente:

Calculadora muestreo.xlsx
11.6 KB

Co n tin u ar
Muestreo Sistemático

El muestreo sistemático consiste en seleccionar a cada k-ésimo elemento de la población.

Si el tamaño de la población es conocido, como el ejemplo anterior con tamaño 600, se calcula el
tamaño de la muestra 235, luego se divide el tamaño de la población entre el tamaño de la muestra
como sigue:

Para seleccionar la muestra se toma un individuo de cada 2 según aparición o según un listado.

Si el tamaño de la población es desconocido o infinito, el investigador debe decidir el valor de k. Por

ejemplo, un agente de aduanas decide entrevistar cada 20-ésimo pasajero que cruce por una puerta en
un aeropuerto hasta llegar al tamaño de la muestra deseado.
En la ilustración siguiente se estudia cada tercer individuo de la población:

Muestreo sistemático

En el muestreo sistemático, debe respetarse siempre el sistema dado por el valor de k para seleccionar
la muestra.

Se pueda dar el caso que el investigador se sitúe en la entrada a un supermercado y el muestreo

indique que entreviste a cada quinta persona que entra al establecimiento, pero en la práctica utilice
algún criterio personal para seleccionar los individuos ignorando el sistema. Es muy fácil caer en esta
práctica, pero llevarla a cabo significa disminuir la confianza en el muestreo y se puede convertir en no
probabilístico.

Este tipo de muestreo se puede combinar con otras técnicas, por ejemplo, con el muestreo
estratificado. Al utilizar ambas técnicas se distribuyen los estratos y se calcula el tamaño de la muestra
de cada estrato, luego se aplica el muestreo sistemático para elegir los elementos que conforman la
muestra de cada estrato.
Muestreo por Conglomerado

El muestreo por conglomerado también recibe el nombre de muestreo por racimos.

Consiste en dividir la población en secciones (o racimos). Esta división suele ser natural, especialmente
por ubicación geográfica de la población. Luego se eligen al azar algunos racimos para elegir todos sus
elementos como parte de la muestra.

La siguiente imagen utiliza la clasificación natural por departamentos de la población de El Salvador,

luego por un sorteo se seleccionan 3 de los departamentos para ser investigados en su totalidad:

Muestreo por Conglomerado

Ejemplos:

Aleatorio simple
–
En un partido político deciden hacer una investigación de intención de votos, según la cantidad de
inscritos en el padrón, la muestra debe ser de 206 votantes. Para seleccionarlos utilizan un software
para seleccionar aleatoriamente a los 206 votantes de entre el padrón completo.

Sistemático
–
Un psicólogo que atiende únicamente problemas escolares decide, a partir de un día, aplicar una
encuesta a cada 5° niño que ingrese a consulta.

Por conveniencia
–
Un estudiante tiene que aplicar una encuesta a 20 personas adultas, por conveniencia decide
aplicárselas a sus vecinos y conocidos.

Estratificado
–
Se quiere investigar el estrés laboral en una empresa. El total de empleados a nivel nacional es 160
empleados, de los cuales 60 son hombres y 100 mujeres. Utilizando Raosoft se calcula la muestra de 101
con 5% de margen de error, 90% de confianza y 50% en distribución de la respuesta. El investigador
divide la población en base a la característica sexo: hombres y mujeres. Lo que sigue es decidir cuántos
de los 101 elementos de la muestra serán hombres y cuántas mujeres. Para ello se realiza una
proporción de la siguiente manera:

Por racimos
–
Se desea indagar sobre la violencia intrafamiliar en el departamento de San Miguel, el investigador
considera que es difícil hacer un muestreo aleatorio o estratificado en todo el departamento, y divide la
población en municipios, posteriormente determina municipios al azar hasta completar el tamaño de la
muestra y se investigan completamente. En este caso resultaron en el sorteo los municipios de
Chirilagua, Ciudad Barrios y Moncagua. En estos municipios se investigará a la totalidad de la población.

Referencias Bibliográficas

7Graus. (s.f.). Diferenciador. Obtenido de https://www.diferenciador.com/poblacion-y-muestra/

Píldoras matemáticas. (16 de Abril de 2017). Obtenido de https://www.youtube.com/watch?

v=phY8Z9-TXCY

PSYMA GROUP. (s.f.). PSYMA. Recuperado el 05 de 05 de 2019, de

https://www.psyma.com/company/news/message/como-determinar-el-tamano-de-una-muestra

Raosoft. (s.f.). Raosoft. Obtenido de http://www.raosoft.com/samplesize.html

Rojas, J. Z. (23 de Septiembre de 2014). Obtenido de https://www.youtube.com/watch?

v=gyGQ_qieVKM

Triola, M. F. (2004). Estadística (Novena ed.). México: Pearson Educación.

Walpole, R. E., Myers, R., & Myers, S. (2012). Probabilidad y estadística para ingeniería y ciencias.
México: Pearson Educación.
Lección 4 de 8

Distribuciones de Probabilidad
Universidad Gerardo Barrios

Antes de estudiar las distribuciones de probabilidad se deben definir algunos conceptos previos:

Variable Aleatoria

Experimento
–
Se refiere a cualquier actividad sobre la que se pueda realizar observación o medición. Un experimento
debe tener algunas características:

1. Debe poder replicarse bajo las mismas condiciones por el investigador, ofreciendo resultados
posiblemente distintos en cada repetición.

2. El investigador puede establecer todos los posibles resultados del experimento, pero no predecir
el resultado.

Espacio muestral
–
Es un conjunto formado por todos los posibles resultados de un experimento. Por ejemplo, al aplicar
un determinado tratamiento médico pueden obtenerse los resultados: con efectos secundarios, sin
efectos secundarios.

Punto muestral
–
Se denomina así a cada elemento del espacio muestral. Es, por tanto, un posible resultado de un
experimento.

Evento
–
Es un subconjunto de elementos del espacio muestral. En palabras más sencillas, es un acontecimiento
particular en un experimento. Por ejemplo, suponga que el experimento consiste en el lanzamiento de
un dado, un evento puede ser A: obtener un numero par (A = {2,4,6}).

Probabilidad
–
Es la medida de las posibilidades que tiene un evento de ocurrir. Se representa con un número
comprendido entre 0 y 1.

La probabilidad se puede definir desde tres enfoques particulares:

E MPÍR ICA PO R FR E CU E N CIA S R E L AT IV A S CL Á S ICA O T E Ó R ICA

Sucede cuando el valor de la probabilidad se asigna dependiendo la experiencia del observador. Por
ejemplo, es común visitar algún pariente en zonas rurales y que, al ver las nubes, puedan predecir que
lloverá. Esta predicción es equivalente a asociar una probabilidad alta al evento lloverá. Asimismo, podría
preguntarse cuál es la probabilidad de que ocurra una tormenta de nieve en El Salvador, seguramente
se le ocurrió 0%. Es también un ejemplo de probabilidad empírica.

E MPÍR ICA PO R FR E CU E N CIA S R E L AT IV A S CL Á S ICA O T E Ó R ICA

Ocurre cuando la probabilidad se establece en base a observaciones. Por ejemplo, se observa que un
portero de fútbol ha atajado 12 de los últimos 15 penales que le han lanzado. Si ocurriera un nuevo
penalti es razonable asumir que la probabilidad que ataje el tiro de penal es de 12/15 = 0.8, concluyendo
que hay un 80% de probabilidad que ataje el penal.

E MPÍR ICA PO R FR E CU E N CIA S R E L AT IV A S CL Á S ICA O T E Ó R ICA

Esta probabilidad se calcula en base al conteo de los elementos del espacio muestral y del suceso. Luego
la probabilidad de que ocurra un evento A se calcula como sigue:

Una variable aleatoria se define como una función que asigna a cada punto muestral un número.

Para comprender mejor la definición, suponga el experimento de lanzar una moneda, el resultado
posible es cara o cruz. Estos resultados no son números y por tanto no es posible su manipulación ni
análisis más profundos. Sin embargo, se puede definir una variable aleatoria como:

X: número de caras en el lanzamiento de una moneda.

Los posibles resultados son X=0, 1.

Si el resultado es cara, entonces x toma el valor de 1. Esta definición ha convertido dos resultados
cualitativos en valores cuantitativos.

Las variables aleatorias, al igual que los datos, se pueden clasificar en discretas y continuas. Las
variables discretas toman valores numerables, mientras las variables continuas toman valores en
intervalos de los números reales.

Distribuciones de Probabilidad

Una distribución de probabilidad es una tabla o función que describe todos los posibles valores de una
variable aleatoria junto con su probabilidad. Posee las siguientes características:

Los valores de todas las probabilidades son valores entre 0 y 1.

La suma de todas las probabilidades es 1.

Para comprender mejor el concepto de variable aleatoria y distribución de probabilidad se presenta el

siguiente ejemplo:

Suponga que la defensoría del consumidor selecciona, de forma aleatoria, tres artículos con el fin de
comprobar una denuncia ciudadana. Cada artículo se inspecciona y se clasifica como defectuoso, D, o
no defectuoso, N. Para listar los elementos del espacio muestral, se construye el diagrama siguiente:

Espacio muestral del experimento. Fuente: (Walpole, Myers, & Myers, 2012)

Al definir la variable aleatoria X: número de artículos defectuosos en la selección, se verifica que X

puede tomar los valores 0, 1, 2 y 3. Los valores acompañan a los puntos muestrales en la Ilustración 12.

Para construir la distribución de probabilidad se construye la tabla:

Tabla 2. Distribución de probabilidad de la variable X

Donde los valores de x son obtenidos del diagrama, y los valores de la probabilidad se determinan
dividiendo el número de apariciones del valor de X, entre el total de casos posibles, 8.

Una ilustración de las distribuciones de probabilidad es la que se presenta a continuación:

Ilustración de la construcción de una distribución de frecuencias. Fuente: (Triola, 2004)

Las distribuciones de probabilidad también pueden expresarse mediante funciones, donde

representa la probabilidad de que la variable X tome un valor particular.

En Estadística, estas distribuciones tienen importantes aplicaciones para procesos de inferencia. Las
distribuciones más conocidas son la Distribución Normal, distribución t de Student y la distribución Chi
cuadrado.

Referencias Bibliográficas

Triola, M. F. (2004). Estadística (Novena ed.). México: Pearson Educación.

Walpole, R. E., Myers, R., & Myers, S. (2012). Probabilidad y estadística para ingeniería y ciencias.
México: Pearson Educación.
Lección 5 de 8

Distribución Normal
Universidad Gerardo Barrios

Distribución Normal

Si una variable aleatoria continua tiene una distribución con una gráfica simétrica y en forma de
campana, como en la figura siguiente:
Entonces se dice que la variable tiene una distribución normal.

La distribución normal tiene como valor central la media de la variable aleatoria. La forma de la
campana está determinada por la desviación estándar.

La figura siguiente representa dos distribuciones normales distintas:

Como puede imaginarse, hay una infinidad de resultados posibles y vuelve complejo el análisis de este
tipo de variables, pero hay una que tiene especial interés:

La distribución normal estándar es una distribución normal de probabilidad con una media de 0 y
una desviación estándar de 1, de forma que el área total bajo su curva es igual a 1. Cualquier variable
con distribución normal puede transformarse en una distribución normal estándar. La distribución
normal estándar se aplica para la variable z, y tiene su propia tabla de probabilidades bajo la curva, de
modo que al encontrar una probabilidad para la variable z se determina para cualquier variable x.

La distribución normal estándar tiene la apariencia siguiente:

 Apariencia de la distribución normal estándar. Fuente: (Triola, 2004)

Para encontrar áreas bajo la curva de la distribución normal estándar se retomará la tabla A-2 del
Apéndice A presentada por (Triola, 2004) en su libro; sin embargo, también la puede descargar dando
clic en el enlace siguiente: Tabla de distribución normal.

Los valores en la tabla representan el área bajo la curva a la izquierda del valor encontrado. Por
ejemplo, para encontrar el área bajo la curva de , se busca el valor 1.5 en la columna izquierda y el valor
de .08 en la primera fila, para encontrar el valor de 0.9429. En la figura se muestra el área que
representa el 0.9429:
 Área representada por el 0.9429 correspondiente a z=1.58. Fuente: (Triola, 2004)

Con la distribución normal estándar se pueden resolver muchos problemas de probabilidad, pero el
objetivo de estudiarla en esta asignatura es tomarla como herramienta en procesos inferenciales. Para
ello, únicamente es necesario conocer su definición e interpretar los resultados que la tabla ofrece.

Referencias Bibliográficas

Triola, M. F. (2004). Estadística (Novena ed.). México: Pearson Educación.

Walpole, R. E., Myers, R., & Myers, S. (2012). Probabilidad y estadística para ingeniería y ciencias.
México: Pearson Educación.
Lección 6 de 8

Cierre de la unidad
Universidad Gerardo Barrios

Cierre de la Unidad III - Estadística aplicada a las Ciencias …

Lección 7 de 8

Glosario de términos
Universidad Gerardo Barrios

1. Estadístico: Son las medidas calculadas 9. Muestreo estratificado: Subdivide la población en al

a partir de los datos de una muestra. menos dos diferentes subgrupos (o estratos) que
comparten las mismas características (por ejemplo, el
género o la categoría de edad) y después realiza el
2. Espacio muestral: Es un conjunto
muestreo de cada subgrupo (estrato).
formado por todos los posibles resultados
de un experimento.
10. Muestreo por racimos: Primero se divide el área de
la población en secciones (o racimos), después selecciona
3. Evento: Es un subconjunto de
aleatoriamente algunos de estos racimos, y luego se elige
elementos del espacio muestral. En
a todos los miembros de los racimos seleccionados.
palabras más sencillas, es un
acontecimiento particular en un
experimento. 11. Parámetro: Son las medidas calculadas a partir de
los datos de una población.
4. Experimento: Se refiere a cualquier 12. Población: es un conjunto de individuos que
actividad sobre la que se pueda realizar comparten alguna característica en común por la cual
observación o medición. son objeto de estudio.

5. Muestra: La muestra es un 13. Punto muestral: Se denomina así a cada elemento

subconjunto representativo de la del espacio muestral. Es, por tanto, un posible resultado
población. de un experimento.

6. Muestreo aleatorio: Técnica de 14. Probabilidad: Es la medida de las posibilidades que

muestren en la que los elementos se tiene un evento de ocurrir. Se representa con un número
seleccionan de manera que cada posible comprendido entre 0 y 1.
muestra del mismo tamaño n tenga la
misma posibilidad de ser elegida.
15. Variable aleatoria: se define como una función que
asigna a cada punto muestral un número.
7. Muestreo sistemático: Se elige algún
punto de partida y luego se selecciona
cada k-ésimo elemento de la población.

8. Muestreo por conveniencia: Este

muestreo no es probabilístico.
Simplemente se utilizan los resultados
que sean muy fáciles de obtener.
Lección 8 de 8

Recursos complementarios
Universidad Gerardo Barrios

Nombre del recurso Descripción Referencia

Diferencia entre
Sitio web (7Graus, s.f.)
población y muestra.

Calculadora de tamaños
Sitio web (Raosoft, s.f.)
de muestra.

Explicación de las
Video (Rojas, 2014)
técnicas de muestreo.

¿Qué es la distribución (Píldoras matemáticas,

Video
normal? 2017)