E.

P DE INGENIERIA MECANICA

MUESTREO
CURSO: ESTADISTICA Y PROBABILIDADES
DOCENTE:
LAIME LLOCLLA, Carmen

INTEGRANTES:
APARCO LOAYZA, Abner 110540
CARRION CUADROS, Sharon Milen 110541
 Partede los conceptos de la teoría del muestreo han sido
discutidos con anterioridad. Aquí los repasaremos y
ampliaremos. Por ejemplo, hemos mencionado que las
poblaciones están formadas por individuos, pero sería mejor
denominarlas unidades de muestreo o unidades de estudio:
 Personas, células, familias, hospitales, países…

 La población ideal que se pretende estudiar se denomina

población objetivo.
 No es fácil estudiarla por completo. Aproximamos mediante
muestras que den idealmente la misma probabilidad a cada
individuo de ser elegido.
 Tampoco es fácil elegir muestras de la población objetivo:
Si llamamos por teléfono excluimos a los que no tienen.
Si elegimos indiv. en la calle, olvidamos los que están
trabajando...

 Elgrupo que en realidad podemos estudiar (v.g. los que tienen

teléfono) se denomina población de estudio.
 GRADO DE CONFIANZA DE LA INFERENCIA

Es la probabilidad de que el valor real del parámetro

poblacional se encuentre dentro de los límites
especificados por los valores del estimador
muestral.

Más que un cálculo suele ser un criterio definido

convencionalmente por el analista expresado en
unidades estandarizadas Z o en porcentaje de
valores muestrales.

Una probabilidad de 95% equivale a 1.96 unidades

de Z y es la más utilizada.
GRADO DE ERROR (IMPRECISION) DE LA
INFERENCIA

Debido a la aleatoriedad, los valores de un mismo

estadístico difieren de una muestra a otra.

Esta variabilidad introduce un error en la estimación

(error aleatorio).

Este error puede medirse, pues las medias de los

estimadores siempre se distribuyen “normalmente”
(Teorema del límite central) aunque los mismos
estimadores no lo hayan hecho.
 ERROR ALEATORIO

Cuando se mide el estadístico en diferentes muestras

tomadas aleatoriamente los resultados son variables.
Esta variabilidad del estadístico se denomina error
aleatorio y es causada por el azar.

s1 s2

s4
s3
 GRADO DE ERROR
(IMPRECISION) DE LA INFERENCIA

Para un mismo nivel de confianza puede medirse el error

aleatorio por encima y por debajo de la estimación.

El error aleatorio configura límites de confianza dentro de los

cuales se presume estará el valor real del parámetro para el
nivel de confianza elegido por el analista.

El intervalo de confianza de la inferencia será más amplio

(impreciso) mientras más altas sean la confiabilidad exigida y la
desviación estándar.
 GRADO DE ERROR
(IMPRECISION) DE LA INFERENCIA

Mientras más grande sea la muestra, más

pequeño (preciso) será el intervalo.

Los límites de confianza superior e inferior, se

calculan con base en la siguiente fórmula que
depende de la desviación estándar del
estimador muestral (s), del valor de Z elegido
y del tamaño muestral (n):
(IC 95%) = x  1.96. s .
n
 MUESTREO PROBABILISTICO

Para que la inferencia estadística sea válida el

muestreo debe ser aleatorio o probabilístico.

Aleatoriedad de la selección: esta condición se refiere a

que cada elemento del universo debe tener la misma
probabilidad de ser elegido en la muestra y que dicha
probabilidad puede ser medida.
TIPOS DE MUESTREO PROBABILISTICO

1. Muestreo aleatorio simple

2. Muestreo aleatorio Sistemático

3. Muestreo aleatorio Estratificado

4. Muestreo aleatorio por Conglomerados

5. Muestreo aleatorio Polietápico

 1. MUESTREO ALEATORIO SIMPLE

Escoge al azar los miembros del universo hasta

completar el tamaño muestral previsto

En teoría se enumeran previamente todos los

elementos y de acuerdo con una tabla de números
aleatorios se van escogiendo

El procedimiento puede darse con o sin reemplazos y

esta condición afectará posteriormente el análisis
2. MUESTREO ALEATORIO SISTEMATICO

En el universo (N) se elige el primer elemento al azar

Luego los demás se escogen cada cierto intervalo (k),

hasta completar el tamaño muestral (n).

El tamaño del intervalo (k) se calcula así: k = N/n

 3. MUESTREO ESTRATIFICADO

Considera que al interior del universo existen

estratos (subgrupos internamente homogéneos
pero cualitativa y cuantitativamente diferentes
entre sí), y que no se cumple la condición de
selección aleatoria pues los miembros del grupo
mayoritario tienen una mayor probabilidad de ser
seleccionados en la muestra.
ESTRATOS Homogéneos en su interior;
diferentes entre sí en propiedades y
tamaño

Comuna B

Comuna A

Comuna C

Comuna D

Los estratos más grandes

Tienen mayor probabilidad de ser representados
 Cómo grantizar la aleatoriedad
en universos estratificados... ?

Puede usarse alguna de las siguientes técnicas:

1. Muestreo Estratificado Proporcional

2. Muestreo Estratificado No Proporcional

3. Alocación óptima de los

estratos.
Muestreo Estratificado Proporcional

Establece la distribución proporcional del universo

y aplica esta distribución a su tamaño muestral
para conformar estratos en la muestra.

Luego elige aleatoriamente los elementos al

interior de cada estrato muestral hasta ajustar su
tamaño.

Es mejor que el Muestreo Aleatorio Simple

pues disminuye el error estándar de la medición
muestral.
Muestreo Estratificado NO Proporcional (Fracción
variable de muestreo):

Ajusta convencionalmente los tamaños de

los stratos muestrales para aumentar la
eficiencia de la selección de los grupos más
pequeños.

Esta condición se deberá tener en cuenta al

hacer inferencias (corregir las inferencias).
 MUESTREO
POR ALOCACIÓN OPTIMA DE LOS ESTRATOS

Selecciona el tamaño de los estratos en

función de la desviación estándar de cada
uno de ellos, de tal manera que los
estratos más heterogéneos (mayores
varianzas) aporten más casos a la muestra
total.
 CONGLOMERADOS

Grupo 1A

Grupo 5C

Grupo 2A
Grupo 3B

Heterogéneos en su interior; diferentes entre sí en

propiedades y tamaño
 DECISIONES DE M U E S T R E O
No. 1: ¿Debo tomar una muestra ?

Se quiere saber cómo se

comporta una cierta
característica en un
Las obsrvaciones
Universo particular
pueden
Hacer atribuírse a los
un Censo miembros del
Sí Universo

Aquí se inserta tú caso

El Universo Sí Es posible
está bien observar todo el NO
definido Universo ? Las obsrvaciones
? Tomar solo pueden
una Muestra atribuírse a la
NO No representativa muestra, NO a
NO
los miembros del
Se quiere Universo
Definir Observar inferir la medición
El una Muestra al Universo
Universo ?

Las obsrvaciones
Sí Tomar pueden
una Muestra
Representativa
atribuírse a los
miembros del
Universo
 MUESTREO
ALEATORIO POR CONGLOMERADOS

Los miembros del grupo mayoritario tienen una mayor

probabilidad de ser seleccionados en la muestra

No se cumple la aleatoridad

En Las Unidades de observación se eligen aleatoriamente al

interior de los conglomerados
El error de la medición (error muestral) no se de al interior del
conglomerado sino entre los conglomerados

Antes de hacer inferencias, el analista deberá examinar la

variabilidad interna de cada conglomerado y la variabilidad
entre ellos, pues es posible que algunos de los conglomerados
no sean representativos del universo.
 Muestreo
Aleatorio por Conglomerados
Requisitos Del Procedimiento :

Los conglomerados deben estar muy bien definidos

de modo que cada elemento pertenezca a uno y solo
a un conglomerado.

El tamaño de cada conglomerado debe ser bien

conocido (por lo menos bien estimado)

El número de conglomerados debe ser pequeño.

 Muestreo Aleatorio Multi Etápico
(Poli Etápico)

Selecciona los individuos por etapas,

configurando sucesivamente grupos
(estratos o conglomerados) y subgrupos
denominados Unidades de Muestreo
primarias, secundarias, terciarias...etc..
 DECISIONES
DE MUESTREO

No hay Error
Hacer Observar todos y
cada uno de los
Aleatorio Las obsrvaciones
pueden
un Censo elementos del Puede haber atribuírse a los
universo Error miembros del
Sistemático Universo

Tomar una Siempre hay Error Las obsrvaciones

Observar sujetos Aleatorio solo pueden
Muestra No elegidos por atribuírse a la
conveniencia Siempre hay Error muestra, NO a
Representativa Sistemático los miembros del
Universo

Tomar una Siempre hay Las obsrvaciones

Observar sujetos Error Aleatorio pueden
Muestra elegidos por atribuírse a los
Representativa conveniencia Puede haber miembros del
Error Universo
Sistemático
Tú trabajo se inserta aquí, agregado por Daniel Ruiz
Decisiones de M u e s t r e o
No. 2: Selección de una Muestra No Representativa

Se quiere medir La observación de este

una variable en UNIVERSO ARTIFICIAL
una Muestra No solo es PREDICABLE a
Representativa sus integrantes

Sí El procedimiento Lsos sujetos que cumplan

Se quiere
los criterios de inlcusion
inferir la medición está contraindicado.
son rpresentativos de un
al Universo Revise su UNIVERSO ARTIFICIAL
? planteamiento

N
O

Precise los Exprese estos atributos Defina por

atributos como CRITERIOS DE CONVENIENCIA
esenciales que INCLUSION en la los criterios de
CARACTERIZAN muestra SELECCIÓN
al subgrupo

La utilidad de las Muestras No Representativas depende de su

representatividad cualitativa y no de su tamaño
 DECISIONES DE M U E S T R E O

No. 3: Selección de una Muestra Representativa

Se quiere estimar un
Parámetro del Universo
partiendo de una Muestra
Representativa

Variable Variable
Cualitativa De qué naturaleza
es el Parámetro a Continua
estimar?

Muestreo Muestreo
Representativo Representativo
para estimar una para estimar una
Proporción Media
 Definición del Tamaño Muestral
La definición del tamaño muestral depende de los siguientes
factores

1 . Los objetivos del estudio

Los conocimientos previos sobre el comportamiento de la

2.
característica en la población.

3 . Los recursos técnicos y financieros para obtener la información

4 . El error máximo que se permitirá el analista

5 . La confiabilidad de la inferencia esperada por el analista

 DECISIONES DE M U E S T R E O
No. 4: Definicion Del Tamaño Muestral Definición de
tamaño muestral
para una
La Variable de Proporción
muestreo es conocida
CUALITATIVA Definición de
tamaño muestral
para una
Intención de Proporción
describir la variable desconocida
(Estudios
descriptivos) Definición de
tamaño muestral
para una varianza
conocida
Se ha decidido La Variable de
tomar una muestreo es
CONTINUA Definición de
muestra tamaño muestral
representativa para una Varianza
del Universo desconocida

Definición de
Estudio de
tamaño muestral
Seguimiento
Intención de para un RR y un
relacionar la poder definidos
variable con otras
(Estudios Definición de
analíticos) Estudio de Casos tamaño muestral
para una OR y un
poder definidos
 No. 5: Definición del tamaño muestral n para una Variable
Cualitativa cuyo comportamiento se conoce (P se conoce)

Se quiere medir una

variable CUALITATIVA
(proporción p) en una
Muestra Representativa
Definir el máximo
Definir la error aleatorio
confiabilidad de la adminisble (Error
medición (nivel alfa) Estándar ES)

pq
n = Z2
ES2
 No. 6: Definición del tamaño muestral n para una Variable
Cualitativa cuyo comportamiento se DESconoce (P
desconocida)

Se quiere medir una variable

CUALITATIVA (proporción p)
en
una Muestra Representativa

Definir la confiabilidad Definir el máximo error

de la medición (nivel aleatorio adminisble
alfa) (Error Muestral EM)

n = Z2 PQ
EM2

Se asumen los valores máximos de P y Q: P=0.5 Q=0.5

 No. 7: Definición del tamaño muestral n para una Variable
CONTINUA cuya variación se conoce

Se quiere medir una variable

CONTINUA (MEDIA X) en
una Muestra Representativa

Definir la Definir Definir

la Confiabilidad Z La Desviación Estándar el Error Estándar (ES)
Esperada (S) Conocida Esperado

s2
n = Z2
ES2
 No. 8: Definición del tamaño muestral n para una
Variable CONTINUA cuya variación se DESconoce

Se quiere medir una variable

CONTINUA (MEDIA X) en
una Muestra Representativa

Definir la Estimar o suponer Definir

la Confiabilidad Z La Desviación Estándar el Error Estándar (ES)
Esperada (S) Esperada Esperado

s2
n = Z2
ES2
 No. 8: Definición del tamaño muestral n para un estudio
de SEGUIMIENTO

Se quiere medir un RR en
una Muestra Representativa

Definir la Definir el Poder

la Confiabilidad Z Definir el RR mínimo (Mínimo error Beta)
Esperada esperado Esperado

Los valores están

tabulados
 No. 9: Definición del tamaño muestral n para un estudio
de CASOS Y CONTROLES

Se quiere medir una OR

en una Muestra
Representativa

Definir la Definir el Poder

Definir la OR (Mínimo error Beta)
la Confiabilidad Z
Esperada Esperado
Esperada

Los valores están

tabulados