Está en la página 1de 26

Distribuciones muestrales

De medias muestrales
Error muestral Media de las medias muestrales Error Tpico Aplicaciones a una distribucin normal Teorema central del lmite Factor de correccin con poblaciones finitas

De proporciones muestrales
Error muestral Error tpico Aplicaciones a una distribucin normal Teorema central del lmite Factor de correccin con poblaciones finitas

Procedimientos de muestreo
Errores y sesgos Mtodos de muestreo

Muestras aleatorias simples

Muestreo sistemtico

Muestras estratificadas

Muestreo de agregados

Distribuciones Muestrales
Consideremos todas las posibles muestras de tamao n en una poblacin. Para cada muestra podemos calcular un estadstico (media, desviacin tpica, proporcin,...) que variar de una a otra. As obtenemos una distribucin del estadstico que se llama distribucin muestral.

ERROR MUESTRAL
La diferencia entre el parmetro de la poblacin y el estadstico de la muestra utilizado para estimar el parmetro se denomina error muestral.

MEDIA DE LAS MEDIDAS MUSTRALES Es un simple listado de todas las medias muestrales posibles, como cualquier otra serie de nmeros, estas medias tiene una media aritmtica que se llama madia de las medias muestrales o media general. Que es la media aritmtica de todas las medias muestrales posibles.

MEDIA DE LAS MEDIDAS MUSTRALES

MEDIA DE LAS MEDIDAS MUSTRALES Ejemplo: Una empresa elctrica fabrica focos que tienen una duracin que se distribuye aproximadamente en forma normal, con media de 800 horas y desviacin estndar de 40 horas. Encuentre la probabilidad de que una muestra aleatoria de 16 focos tenga una vida promedio de menos de 775 horas. Solucin: Este valor se busca en la tabla de z La interpretacin sera que la probabilidad de que la media de la muestra de 16 focos sea menor a 775 horas es de 0.0062.

ERROR TIPICO Es una medida de la dispersin de las medias muestrales entorno a . Mide la dispersin de un conjunto de medias muestrales en torno a la media general.

ERROR TIPICO EJEMPLO

ERROR TIPICO

APLICACIONES A UNA DISTRIBUCION MUESTRAL

TEOREMA CENTRAL DEL LMITE A media que n aumenta, la distribucin muestral de medias muestrales se aproxima a una distribucin normal con:
= Y = /

De medidas muestrales
TEOREMA CENTRAL DEL LMITE

Es el teorema central del lmite y la hiptesis de una distribucin normal de las medias muestrales solo se aplica si el muestreo se realiza con remplazamiento o la extraccin se hace de una poblacin finita. Si se quiere compensar esta modificacin de probabilidades es preciso utilizar el factor de correccin de poblaciones finitas.

FACTOR DE CORRECCION CON POBLACIONES FINITAS

DE PROPORCIONES MUESTRALES

ERROR MUESTRAL
Es la desviacin estndar de la distribucin de muestreo de la proporcin, por lo que mide el grado en que se espera que varen las proporciones de las diferentes muestras de la proporcin de la poblacin, debido al error aleatorio en el proceso de muestreo.

ERROR MUESTRAL

DE PROPORCIONES MUSTRALES

ERROR TPICO

Es la media de la variacin de las proporciones en torno a la media general. Por tanto mide la tendencia a incurrir un error de muestreo o proporciones en el intento de estimar el parmetro.

Aplicaciones a una distribucin normal

Al poder hacer predicciones sobre la probabilidad de que un cierto estadstico caiga dentro de un intervalo determinado, la toma de decisiones adquiere un carcter ms preciso y cientfico. Se deja menos margen al azar y a la adivinacin.

TEOREMA CENTRAL DEL LMITE


Cuando aumenta el tamao de la muestra, el teorema central del lmite se aplica a la distribucin de proporciones iguales que a la distribucin de medias. La distribucin de proporciones muestrales se aproximar a la normalidad siempre que n>50 y tanto n como n(1-) sean mayores que 5. La distribucin muestral de proporciones slo es aproximada a una distribucin normal, es preceso tener una muestra mayor sise quieren conservar la exactitud y al validez.

Es el teorema central del lmite y la hiptesis de una distribucin normal de las medias muestrales solo se aplica si el muestreo se realiza con remplazamiento o la extraccin se hace de una poblacin finita. Si se quiere compensar esta modificacin de probabilidades es preciso utilizar el factor de correccin de poblaciones finitas.

FACTOR DE CORRECCION CON POBLACIONES FINITAS

Procedimiento de muestreo
Se demuestra la facultad de tomar decisiones . Sin la facultad de elegir una muestra representativa de la poblacin no se dispondra de casi ninguna de las herramientas estadsticas que se utiliza en el proceso de la toma de decisiones. Solo a travs de las muestras nos permite la estadstica inferencial sacar conclusiones en relacin con la poblacin que estamos interesados. Las conclusiones en las que se basan las muestras no pueden ser mejores que las propias muestras.

ERRORES Y SESGOS
Una muestra no representativa dar lugar a una estimacin errnea del parmetro y a un error muestral. Existen dos fuentes bsicas del error muestral: - Pura mala suerte.-El azar puede dictar que determinadas elecciones de la muestra tengan unas dimensiones mayor que las de la poblacin lo que es una estimacin superior del parmetro o muchos de los elementos tiendan a ser pequeos que los tpicos lo que resultar una estimacin inferior. - Sesgo muestral.- Procede de la tendencia a favorecer la eleccin de unos elementos en perjuicio de otros de los contenidos en el proceso de recoger nuestros datos muestrales.

METODOS DE MUESTREO

Muestras aleatorias simples

Muestreo sistemtico

Muestras estratificadas

Muestreo de agregados

Muestra aleatoria simple Resulta de aplicar un mtodo por


el cual todas las muestras posibles de un determinado tamao tengan la misma probabilidad de ser elegidas. Supongamos que una cadena nacional de comida rpida quiere elegir al azar 5 de los 50 estados para extraer una muestra de los gustos de los consumidores. Si los 5 estados se eligen de manera que cualquiera de las 50C5=2118760 muestras posibles cinco estados tenga la misma probabilidad de ser elegidas que cualquier otra muestra de cinco estados, entonces se habr tomado una muestra aleatoria simple.

Muestreo sitemtico
Se selecciona cada elemento i-simo de la poblacin. Si i se pone igual a 10, una muestra sistemtica constar de cada dcima observacin dela poblacin. La poblacin deber estar ordenada o listada de manera aleatoria. La determinacin de la primera eleccin a de ser aleatoria, y si i=10, ser una de las 10 primeras observaciones. El punto exacto de arranque se puede determinar, bien por seleccin de un nmero del 1 al 10 extrado de un sombrero, o mediante una tabla de nmeros aleatorios. Si deseamos elegir una muestra de tamao 100 de una poblacin de 1000 elementos, i deber ser 10. El principal peligro que se ha de evitar es que exista un patrn en la ordenacin de la poblacin. Por ejemplo listar la poblacin por orden alfabtico implica suponer una distribucin aleatoria en el abecedario.

Muestreo estratificado
Se fuerza para que la proporcin de la muestra procedente de cada estrato responda a la estructura de la poblacin. Por lo general se emplea cuando la poblacin es heterognea o desemejante, porque determinados subgrupos homogneos pueden quedarse aislados. De esta forma el investigador puede obtener una exactitud mayor que la obtenida mediante una muestra aleatoria simple de tamao similar.

Muestreo de agregados
Consiste en dividir toda la poblacin en grupos, agregados y despus seleccionar una muestra de esos agregados. Todas las observaciones de los agregados elegidos se incluyen en la muestra. Este procedimiento suele ser ms fcil y rpido que el muestreo aleatorio simple o el muestreo estratificado. Tambin es posible combinar el muestreo estratificado con el muestreo de agregados. Si un porcentaje es demasiado grande (o pequeo) de un agregado elegido, la muestra podra resultar sesgada. Una muestra de agregados puede simplificar en gran medida el proceso de muestreo, lo que supone una reduccin del coste y del tiempo asociado a la toma de muestras.