POBLACIN es el conjunto de todos los elementos que son objeto del estudio estadstico.

MUESTRA es un subconjunto, extrado de la poblacin (mediante tcnicas de muestreo), cuyo estudio sirve para inferir caractersticas de toda la poblacin.
Muestreo es la tcnica utilizada en la seleccin de una muestra a partir de una poblacin.

MUESTREO NO PROBABILSTICO: En este tipo de muestreo, puede haber clara influencia de la persona o personas que seleccionan la muestra o simplemente se realiza atendiendo a razones de comodidad. Salvo en situaciones muy concretas, en la que los errores cometidos no son grandes, debido a la homogeneidad de la poblacin, en general no es un tipo de muestreo riguroso y cientfico, dado que no todos los elementos de la poblacin pueden formar parte de la muestra. Por ejemplo, si hacemos una encuesta telefnica por la maana, las personas que no tienen telfono o que estn trabajando, no podrn formar parte de la muestra. MUESTREO PROBABILSTICO: En este tipo de muestreo, todos los individuos de la poblacin pueden formar parte de la muestra, tienen probabilidad positiva de formar parte de la muestra. Por lo tanto es el tipo de muestreo que deberemos utilizar en nuestras investigaciones, por ser el riguroso y cientfico.

Muestreo aleatorio simple

En un muestreo aleatorio simple todos los individuos tienen la misma probabilidad de ser seleccionados. La seleccin de la muestra puede realizarse a travs de cualquier mecanismo probabilstico en el que todos los elementos tengan las mismas opciones de salir. Por ejemplo uno de estos mecanismos es utilizar una tabla de nmeros aleatorios, o tambin con un ordenador generar nmeros aleatorios, comprendidos entre cero y uno, y multiplicarlos por el tamao de la poblacin. Este es el que vamos a utilizar.

Muestreo aleatorio estratificado Es frecuente que cuando se realiza un estudio interese estudiar una serie de subpoblaciones (estratos) en la poblacin, siendo importante que en la muestra haya representacin de todos y cada uno de los estratos considerados. El muestreo aleatorio simple no nos garantiza que tal cosa ocurra. Para evitar esto, se saca una muestra de cada uno de los estratos. Hay dos conceptos bsicos: Estratificacin: El criterio a seguir en la formacin de los estratos ser formarlos de tal manera que haya la mxima homogeneidad en relacin a la variable a estudio dentro de cada estrato y la mxima heterogeneidad entre los estratos. Afijacin: Reparto del tamao de la muestra en los diferentes estratos o subpoblaciones. Existen varios criterios de afijacin entre los que destacamos:

MUESTREO ESTRATIFICADO
Consiste en la divisin previa de la poblacin de estudio en grupos o clases que se suponen homogneos respecto a caracterstica a estudiar. A cada uno de estos estratos se le asignara una cuota que determinara el nmero de miembros del mismo que compondrn la muestra. Dentro de cada estrato el muestreo se realizara mediante m.a.s. Segn la cantidad de elementos de la muestra que se han de elegir de cada uno de los estratos, existen dos tcnicas de muestreo estratificado: Asignacin proporcional: el tamao de cada estrato en la muestra es proporcional a su tamao en la poblacin. Asignacin ptima: la muestra recoger ms individuos de aquellos estratos que tengan ms variabilidad. Para ello es necesario un conocimiento previo de la poblacin. Por ejemplo, para un estudio de opinin, puede resultar interesante estudiar por separado las opiniones de hombres y mujeres pues se estima que, dentro de cada uno de estos grupos, puede haber cierta homogeneidad. As, si la poblacin est compuesta de un 55% de mujeres y un 45% de hombres, se tomara una muestra que contenga tambin esa misma proporcin.

Afijacin igual: Todos los estratos tienen el mismo nmero de elementos en la muestra. Afijacin proporcional: Cada estrato tiene un nmero de elementos en la muestra proporcional a su tamao
Poblacin: El concepto de poblacin en estadstica va ms all de lo que comnmente se conoce como tal. Una poblacin se precisa como un conjunto finito o infinito de personas u objetos que presentan caractersticas comunes. "Una poblacin es un conjunto de todos los elementos que estamos estudiando, acerca de los cuales intentamos sacar conclusiones". Levin & Rubin (1996). "Una poblacin es un conjunto de elementos que presentan una caracterstica comn". Cadenas (1974). Ejemplo: Los miembros del Colegio de Ingenieros del Estado Cojedes. El tamao que tiene una poblacin es un factor de suma importancia en el proceso de investigacin estadstica, y este tamao vienen dado por elnmero de elementos

que constituyen la poblacin, segn el nmero de elementos la poblacin puede ser finita o infinita. Cuando el nmero de elementos que integra la poblacin es muy grande, se puede considerar a esta como una poblacin infinita, por ejemplo; el conjunto de todos los nmeros positivos. Una poblacin finita es aquella que est formada por un limitado nmero de elementos, por ejemplo; el nmero de estudiante del Ncleo San Carlos de la Universidad Nacional Experimental Simn Rodrguez. Cuando la poblacin es muy grande, es obvio que la observacin de todos los elementos se dificulte en cuanto al trabajo, tiempo y costos necesario para hacerlo. Para solucionar este inconveniente se utiliza una muestra estadstica. Es a menudo imposible o poco prctico observar la totalidad de los individuos, sobre todos si estos son muchos. En lugar de examinar el grupo entero llamado poblacin o universo, se examina una pequea parte del grupo llamada muestra. Muestra: "Se llama muestra a una parte de la poblacin a estudiar que sirve para representarla". Murria R. Spiegel (1991). "Una muestra es una coleccin de algunos elementos de la poblacin, pero no de todos". Levin & Rubin (1996). "Una muestra debe ser definida en base de la poblacin determinada, y las conclusiones que se obtengan de dicha muestra solo podrn referirse a la poblacin en referencia", Cadenas (1974). Ejemplo; El estudio realizado a 50 miembros del Colegio de Ingenieros del Estado Cojedes. El estudio de muestras es ms sencillo que el estudio de la poblacin completa; cuesta menos y lleva menos tiempo. Por ltimo se aprobado que elexamen de una poblacin entera todava permite la aceptacin de elementos defectuosos, por tanto, en algunos casos, el muestreo puede elevar el nivel de calidad. Una muestra representativa contiene las caractersticas relevantes de la poblacin en las mismas proporciones que estn incluidas en tal poblacin. Los expertos en estadstica recogen datos de una muestra. Utilizan esta informacin para hacer referencias sobre la poblacin que est representada por la muestra. En consecuencia muestra y poblacin son conceptos relativos. Una poblacin es un todo y una muestra es una fraccin o segmento de ese todo. Muestreo: Esto no es ms que el procedimiento empleado para obtener una o ms muestras de una poblacin; el muestreo es una tcnica que sirve para obtener una o ms muestras de poblacin. Este se realiza una vez que se ha establecido un marco muestral representativo de la poblacin, se procede a la seleccin de los elementos de la muestra aunque hay muchos diseos de la muestra. Al tomar varias muestras de una poblacin, las estadsticas que calculamos para cada muestra no necesariamente seran iguales, y lo ms probable es que variaran de una muestra a otra. Ejemplo;

Consideremos como una poblacin a los estudiantes de educacin del Ncleo San Carlos de la UNESR, determinando por lo menos dos caracteres ser estudiados en dicha poblacin;

Religin de los estudiantes Sexo.

Tipos de muestreo Existen dos mtodos para seleccionar muestras de poblaciones; el muestreo no aleatorio o de juicio y el muestreo aleatorio o de probabilidad. En este ltimo todos los elementos de la poblacin tienen la oportunidad de ser escogidos en la muestra. Una muestra seleccionada por muestreo de juicio se basa en la experiencia de alguien con la poblacin. Algunas veces una muestra de juicio se usa como gua o muestra tentativa para decidir como tomar una muestra aleatoria ms adelante. Las muestras de juicio evitan el anlisis estadstico necesarios para hacer muestras de probabilidad. Variables y Atributos: Las variables, tambin suelen ser llamados caracteres cuantitativos, son aquellos que pueden ser expresados mediante nmeros. Son caracteres susceptibles de medicin. Como por ejemplo, la estatura, el peso, el salario, la edad, etc.

Muestreo aleatorio sistemtico Una muestra sistemtica es obtenida cuando los elementos son seleccionados en una manera ordenada. La manera de la seleccin depende del nmero de elementos incluidos en la poblacin y el tamao de la muestra. El nmero de elementos en la poblacin es, primero, dividido por el nmero deseado en la muestra. El cociente indicar si cada dcimo, cada onceavo, o cada centsimo elemento en la poblacin va a ser seleccionado. El primer elemento de la muestra es seleccionado al azar. Por lo tanto, una muestra sistemtica puede dar la misma precisin de estimacin acerca de la poblacin, que una muestra aleatoria simple cuando los elementos en la poblacin estn ordenados al azar.

Muestreo Aleatorio por rea o Conglomerado: Requiere de elegir una muestra aleatoria simple de unidades heterogneas entre s de la poblacin llamadas conglomerados. Cada elemento de la poblacin pertenece exactamente a un conglomerado, y los elementos dentro de cada conglomerado son usualmente heterogneos o dismiles. Ejemplo: Supongamos que una compaa de servicio de televisin por cable est pensando en abrir una sucursal en una ciudad grande; la compaa planea realizar un estudio para determinar el porcentaje de familias que utilizaran sus servicios, como no es prctico preguntar en cada

casa, la empresadecide seleccionar una parte de la ciudad al azar, la cual forma un conglomerado. En el muestreo por conglomerados, stos se forman para representar, tan fielmente como sea posible, a toda la poblacin; entonces se usa una muestra aleatoria simple de conglomerados para estudiarla. Los estudios de instituciones sociales como iglesias, hospitales, escuelas y prisiones se realizan, generalmente, con base en el muestreo por conglomerados.

efinicin. Para , parmetro desconocido de una poblacin X , los estimadores sern herramientas que permitirn la estimacin de tal parmetro. A tal efecto, entenderemos como estimadorcualquier variable aleatoria, (X1,X2,...,Xn) (o simplemente ) , que se defina a partir de la sucesin de variables aleatorias, X1,X2,...,Xn ; que integran una muestra de tamao n extrada al azar de una poblacin, es decir, toma un valor para cada n observaciones o datos. Estos datos corresponden a los valores de la variable que representan a la poblacin en los n "individuos" de la muestra. Deberemos valorar en un estimador su capacidad de extraer "al mximo" la informacin contenida en la muestra, ya que redundar en la calidad y precisin de las estimaciones. Se dice que un estimador (X1,X2,...,Xn) (o simplemente ) de un parmetro es insesgado o centrado si su valor medio o esperado coincide exactamente con :

Esta propiedad es deseable en tanto que el valor medio de una variable informa acerca del "centro de gravedad" de su ley de probabilidad, es decir, seala la zona donde se concentran los valores de mxima probabilidad de la variable, sobre todo si su funcin de densidad es notablemente simtrica.

Estimador
En estadstica, un estimador es un estadstico (esto es, una funcin de la muestra) usado para estimar un parmetro desconocido de la poblacin. Por ejemplo, si se desea conocer el precio medio de un artculo (el parmetro desconocido) se recogern observaciones del precio de dicho artculo en diversos establecimientos (la muestra) y la media aritmtica de las observaciones puede utilizarse como estimador del precio medio. Para cada parmetro pueden existir varios estimadores diferentes. En general, escogeremos el estimador que posea mejores propiedades que los restantes, como insesgadez, eficiencia, convergencia y robustez (consistencia). El valor de un estimador proporciona lo que se denomina en estadstica una estimacin puntual del valor del parmetro en estudio. En general, se suele preferir realizar una estimacin mediante un intervalo, esto es, obtener un intervalo [a,b] dentro del cual se espera est el valor real del parmetro con un cierto nivel de confianza. Utilizar un intervalo resulta ms informativo, al

proporcionar informacin sobre el posible error de estimacin, asociado con la amplitud de dicho intervalo. El nivel de confianza es la probabilidad de que a priori el verdadero valor del parmetro quede contenido en el intervalo. En la prctica, los intervalos suelen indicarse dando el valor del estimador puntual utilizado como centro del intervalo y un valor que debe sumarse y restarse para obtener el lmite superior e inferior; por ejemplo: equivale a

Propiedades de los estimadores

Sesgo
Artculo principal:

Sesgo estadstico

Se denomina sesgo de un estimador a la diferencia entre la esperanza (o valor esperado) del estimador y el verdadero valor del parmetro a estimar. Es deseable que un estimador sea insesgado o centrado, es decir, que su sesgo sea nulo por ser suesperanza igual al parmetro que se desea estimar. Por ejemplo, si se desea estimar la media de una poblacin, la media aritmtica de la muestra es un estimador insesgado de la misma, ya que su esperanza (valor esperado) es igual a la media de la poblacin. En efecto, si una muestra X=(X1,X2,...,Xn)t procede de una poblacin de media , quiere decir que: E[Xi] = para cualquier i=1...n La media aritmtica o media muestral,

, con lo que, al aplicar las propiedades de linealidad de la esperanza matemtica se tiene que:

Eficiencia

Artculo principal:

eficiencia (estadstica)

Diremos que un estimador es ms eficiente o ms preciso que otro estimador, si la varianza del primero es menor que la del segundo. Por ejemplo, si y son ambos estimadores de y

diremos que

es ms eficiente que

. Un estimador es ms eficiente (ms preciso), por tanto,

cuanto menor es su varianza. La eficiencia de los estimadores est limitada por las caractersticas de la distribucin de probabilidad de la muestra de la que proceden. El teorema de Cramr-Rao determina que la varianza de un estimador insesgado de un parmetro es, como mnimo,

donde f(X;) es la funcin de densidad de probabilidad de la muestra en funcin del parmetro , (denominada funcin de

verosimilitud). Si un estimador alcanza esta cota mnima, entonces se dice que el estimador es de mnima varianza.

]Consistencia
Artculo principal:

Consistencia (estadstica)

Si no es posible emplear estimadores de mnima varianza, el requisito mnimo deseable para un estimador es que a medida que el tamao de la muestra crece, el valor del estimador tienda a ser el valor del parmetro, propiedad que se denomina consistencia. Existen diversas definiciones de consistencia, ms o menos restrictivas, pero la ms utilizada es la denominada consistencia en media cuadrtica que exige que:

1. 2.

cuando cuando

Robustez
El estimador ser un estimador robusto del parmetro si la violacin de los supuestos de

partida en los que se basa la estimacin (normalmente, atribuir a la poblacin un determinado tipo de funcin de distribucin que, en realidad, no es la correcta), no altera de manera significativa los resultados que ste proporciona.

]Suficiencia
Se dice que un estimador es suficiente cuando resume toda la informacin relevante contenida en la muestra, de forma que ningn otro estimador pueda proporcionar informacin adicional sobre el parmetro desconocido de la poblacin.

Invarianza
Se dice que un estimador es invariante cuando el estimador de la funcin del parmetro coincide con la funcin del estimador del parmetro,

Ejemplo.- Si para estimar la varianza poblacional utilizamos la varianza muestral, entonces para estimar la desviacin tpica poblacional ser razonable utilizar la desviacin tpica muestral.

Intervalo de confianza

Las lneas verticales representan 50 construcciones diferentes de intervalos de confianza para la estimacin del valor .

En estadstica, se llama intervalo de confianza a un par de nmeros entre los cuales se estima que estar cierto valor desconocido con una determinada probabilidad de acierto. Formalmente, estos nmeros determinan un intervalo, que se calcula a partir de datos de una muestra, y el valor desconocido es un parmetro poblacional. La probabilidad de xito en la estimacin se representa con 1 - y se denomina nivel de confianza. En estas circunstancias, es el llamado error aleatorio o nivel de significacin, esto es, una medida de las posibilidades de fallar en la estimacin mediante tal intervalo.1 El nivel de confianza y la amplitud del intervalo varan conjuntamente, de forma que un intervalo ms amplio tendr ms posibilidades de acierto (mayor nivel de confianza), mientras que para un intervalo ms pequeo, que ofrece una estimacin ms precisa, aumentan sus posibilidades de error. Para la construccin de un determinado intervalo de confianza es necesario conocer la distribucin terica que sigue el parmetro a estimar, . Es habitual que el parmetro presente

una distribucin normal. Tambin pueden construirse intervalos de confianza con la desigualdad de Chebyshov. En definitiva, un intervalo de confianza al 1 - por ciento para la estimacin de un parmetro poblacional que sigue una determinada distribucin de probabilidad, es una expresin del tipo [1, 2] tal que P[1 2] = 1 - , donde P es la funcin de distribucin de probabilidad de .

[editar]Ejemplos [editar]Intervalo

de confianza para la media de una poblacin

De una poblacin de media y desviacin tpica se pueden tomar muestras de n elementos. Cada una de estas muestras tiene a su vez una media ( ). Se puede demostrar que la media de todas las medias muestrales coincide con la media poblacional:2 Pero adems, si el tamao de las muestras es lo suficientemente grande,3 la distribucin de medias muestrales es, prcticamente, una distribucin normal (o gaussiana) con media y una desviacin tpica

dada por la siguiente expresin:

. Esto se representa como sigue:

Si estandarizamos, se sigue que: En una distribucin Z ~ N(0, 1) puede calcularse fcilmente un intervalo dentro del cual caigan un determinado porcentaje de las observaciones, esto es, es sencillo hallar z1 y z2 tales que P[z1 z z2] = 1 - , donde (1 - )100 es el porcentaje deseado (vase el uso de las tablas en una distribucin normal). Se desea obtener una expresin tal que En esta distribucin normal de medias se puede calcular el intervalo de confianza donde se encontrar la media poblacional si slo se conoce una media muestral ( ), con una confianza determinada. Habitualmente se manejan valores de confianza del 95 y del 99 por ciento. A este valor se le llamar 1 (debido a que es el error que se cometer, un trmino opuesto). Para ello se necesita calcular el punto X / 2 o, mejor dicho, su versin estandarizada Z / 2 o valor crtico junto con su "opuesto en la distribucin" X / 2. Estos puntos delimitan la probabilidad para el intervalo, como se muestra en la siguiente imagen:

Dicho punto es el nmero tal que:

Y en la versin estandarizada se cumple que: z / 2 = z / 2 As:

Haciendo operaciones es posible despejar para obtener el intervalo:

De lo cual se obtendr el intervalo de confianza:

Obsrvese que el intervalo de confianza viene dado por la media muestral

el producto del valor

crtico Z / 2 por el error estndar

Si no se conoce y n es grande (habitualmente se toma n 30):4

, donde s es la desviacin tpica de una muestra.

Aproximaciones para el valor z / 2 para los niveles de confianza estndar son 1,96 para 1 = 95% y 2,576 para 1 = 99%.5

[editar]Intervalo

de confianza para una proporcin

El intervalo de confianza para estimar una proporcin p, conocida una proporcin muestral pn de una muestra de tamao n, a un nivel de confianza del (1-)100% es:

En la demostracin de estas frmulas estn involucrados el Teorema Central del Lmite y la aproximacin de una binomial por una normal.6