Muestreo 1 Mia

TÉRMINOS TÉCNICOS
• Definición 1. Un elemento es un objeto en el

cual se toman las mediciones.
• Definición 2. Una población es una colección
de elementos acerca de los cuales deseamos
hacer alguna inferencia.
• Definición 3. Las unidades de muestreo son
colecciones no traslapadas de elementos de la
población que cubren la población completa.
• Definición 4. Un marco es una lista de unidades
de muestreo.
• Definición 5. Una muestra es una colección de
unidades seleccionadas de un marco o de
varios marcos.
MUESTREO ESTADISTCIA APLICADA 1

Como seleccionar la Muestra
Diseño de la encuesta por muestreo
• El objetivo del muestreo es estimar
parámetros de la población: µ, σ,
P, R, total , basado en la
información obtenida en la
muestra.
El experimentador controla la
cantidad de información contenida
en la muestra por medio del
número de unidades muestrales
que incluye en la muestra y por el
método usado para seleccionar los
datos de la muestra.
Como seleccionar la Muestra
Diseño de la encuesta por muestreo
• Si  es el parámetro de interés y ˆ es un
estimador de  , debemos especificar un límite
para el error de estimación.
error de estimación    ˆ  B
P(error de estimación  B)  1  
 
P   ˆ  B  1  
• .usualmente seleccionamos B  2 ˆ
Fuentes de error en las encuestas
1. El error de estimación se debe a que una
muestra no proporciona información completa
sobre una población. Esta clase de error es
llamada error de muestreo.
2. Otro tipo de errores se introduce
imperceptiblemente a la encuesta, los que son
más difíciles de controlar. Estos errores son
llamados errores no de muestreo, y son
debidos principalmente a la no respuesta,
respuestas inexactas y sesgo de selección.

Métodos de recolección de Datos
Los métodos más comúnmente utilizados en
la recolección de datos en las encuestas por
muestreo son las entrevistas personales,
entrevistas por correo, entrevista por
teléfono y las realizadas por internet.
• Entrevista personal. El procedimiento
generalmente requiere que el entrevistador
realice preguntas preparadas y registre las
respuestas del entrevistado.
• Entrevistas por teléfono. Son menos costosas
que las entrevistas personales. El investigador
puede escuchar la entrevista para asegurarse
que se sigue el procedimiento.
Métodos de recolección de Datos
• Encuestas vía Internet. Son realizada a
través del correo electrónico. El
investigador puede seleccionar al
entrevistado o puede decidir que el
entrevistado lo realice libremente.
• Cuestionarios autoaplicados. Método
útil de recolección de datos, el cual es
administrado por el respondiente. No
requiere entrevistadores, por lo que su
uso produce un ahorro en el costo de las
encuestas.
Diseño de un
cuestionario

MUESTREO IRRESTRICTO ALEATORIO
• DEFINICIÓN. Si un tamaño de muestra n
es seleccionado de una población de
tamaño N de tal manera que cada
muestra posible tiene la misma posibilidad
de ser seleccionada, el procedimiento de
muestreo se denomina muestreo
irrestricto aleatorio. A la muestra así
obtenida se le llama muestra irrestricta
aleatoria.

Estimación de una media y un total poblacional
n
y i E( y)  
y i 1
, es un estimador de 
n
2  N n . . . . . . . . . . . (4.1)
V ( y)   
n  N 1 
• Estimador
n de la media poblacional µ:
y i
̂  y  i 1 . . . . . . . . . . . (4.2)
n
• Varianza estimada de y:
 N n
2
s
Vˆ ( y )    . . . . . . . . . . . (4.3)
n N 
• Límite para error de estimación:
 N n . . . . . . . . . . . (4.4)
2
ˆ s
2 V ( y)  2  
n N 
• Ejemplo 1. Una MIA. de n = 9 registros de una
institución bancaria es seleccionada para estimar
la cantidad promedio de la deuda sobre N = 484
cuentas abiertas. Los valores de la muestra para
estos registros se muestran en la tabla. Estime µ,
la cantidad promedio de la deuda, y establezca un
límite para el error de estimación.
• Solución

CANTIDAD DE DINERO ADEUDADO
9
y
y y2
y1 33.50 1122.25
i  368,00
y2 32.00 1024.00
y3 52.00 2704.00 i 1
9
 i  15 332,50
y4 43.00 1849.00
2
y5 40.00 1600.00 y
y6 41.00 1681.00
y7 45.00 2025.00 i 1
y8 42.50 1806.25 9
y9 39.00 1521.00 y i
368,00
TOTAL 368.00 15332.50
y i 1
  $ 40,89
9 9
2
9 9

9

 ( yi  y )2 
i 1
yi
2
 


i 1
yi  /9
 1 (368) 2 
s2  i 1
  15 332,50    35.67
n 1 8 8 9 
 N n 35,67  484  9 

2
s
B  2 Vˆ ( y )  2    2    3,94
n N  9  484 
Generalmente en la encuestas por muestreo son
realizadas para obtener información acerca de un
total poblacional. Sabemos que Nµ = 
Estimador del total poblacional :
n
N  yi . . . . . . . . . . . (4.5)
ˆ  Ny  i 1
n
Varianza estimada de ˆ :
 s 2
 N  n  . . . . . . . . . . . (4.6)
Vˆ (ˆ)  V ( Ny )  N  
2

 n  N 
Límite para el error de estimación:
 s 2
 N  n 
B  2 Vˆ ( Ny )  2 N 2    . . . . . . . . . . . (4.7)
 n  N 
• Ejemplo 2. Una empresa industrial está interesada
en el tiempo por semana que los científicos
emplean para ciertas tareas triviales. Las hojas de
control del tiempo de una muestra irrestricta
aleatoria de n = 50 empleados muestran que la
cantidad promedio de tiempo empleado en estas
tareas es de 10.31 horas, con una varianza
muestral de s2 = 2.25. La compañía emplea N =
750 científicos. Estime el número total de horas
hombre que se pierden por semana en las tareas
insignificantes y establezca un límite para el error
de estimación.
• Solución
Sabemos que: N =750; n = 50 hojas de control del tiempo.
La cantidad promedio de tiempo fue:
y  10,31 horas por semana
Luego la estimación de es: ˆ  Ny  750(10,31)  7732,5 horas
El límite para el error de estimación es:
 2,25  750  50 
2 V (ˆ)  2 (750) 2     307.4 horas
 50  750 
Por lo tanto la estimación del tiempo total perdido
es de 7732,5 horas y confiamos que el error de
estimación es menor de 307.4 horas
Selección del tamaño de muestra para la
estimación de medias y totales poblacionales
• El número de observaciones necesarias para
estimar la media poblacional µ con un límite para
el error de estimación de magnitud B se encuentra
al establecer dos desviaciones estándar del
estimador, y , igual a B y resolviendo esta
expresión para n.
2 V ( y)  B . . . . . . . . . . . (4.8)
 N n
2
ˆ s
V ( y)    . . . . . . . . . . . (4.9)
n N 
2  N n
V ( y)    . . . . . . . . . . . (4.10)
n  N 1 
• La ecuación (4.10) conocida como varianza
de y multiplicada por el factor (N-n)/(N-1).
• El tamaño de muestra requerido ahora puede
encontrarse despejando n de la siguiente
ecuación:
  N n
2
. . . . . . . . . . . (4.11)
2 V ( y)  2  B
n  N 1 

• Tamaño de muestra requerido para estimar µ
con un límite para el error de estimación B:
N 2
n . . . . . . . . . . . (4.12)
( N  1) D   2
2
B
D
4
• Recordemos que la ecuación (4.10) es conocida
como varianza de la media muestral multiplicada
por el factor (N-n)/(N-1).

• Ejemplo 3. La cantidad promedio de
dinero µ para las cuentas por cobrar debe
ser estimada. Aunque no se cuenta con
datos anteriores para estimar la varianza
poblacional σ2, se sabe que la mayoría de
las cuentas caen dentro de una amplitud
de variación de $ 100. Existen N = 1000
cuentas abiertas. Encuentre el tamaño de
muestra necesario para estimar µ con un
límite para el error de estimación de B = $
3.
• Solución.
Necesitamos un estimador de la varianza poblacional.
Se sabe que el rango (R ) o amplitud de la variación es
aproximadamente igual a 4σ.
R 100
 
4 4
 25  2
 ( 25 ) 2
 625
Al usar la ecuación (4.12) obtenemos se tiene el
valor para n.
B 2 32
N 2
1000(625) D   2,25
n   217,56 4 4
( N  1) D   2
999(2,25)  625

• De manera semejante, podemos determinar el número de
observaciones necesarias para estimar un total  , con un
límite para el error de estimación de magnitud B.
2 V ( Ny)  2N V ( y)  B
. . . . . . . . . . . (4.13)
• Tamaño de muestra requerido para estimar 

con un límite para el error B:
N 2 . . . . . . . . . . . (4.14)
n
( N  1) D   2
B2
D
4N 2
• Ejemplo 4. Un investigador está interesado en
estimar la ganancia en peso total en 4 semanas de N
= 1000 pollos alimentados con una nuevo tipo de
alimento. Obviamente, pesar cada ave sería muy
tedioso. Por lo tanto, determine el número de pollos
que serán seleccionados en este estudio para
estimar  con un límite para el error de estimación
igual a 1000 gramos. Estudios similares se han
realizado en el pasado, usando esos datos, el
investigador encontró que σ2 = 36,00 gramos.
Determine el tamaño de la muestra requerido.
• Solución. B2 10002
D 2
 2
 0,25
4N 4(1000)
N 2 1000(36,00)
n   125,98
( N  1) D   2
999(0,25)  36,00
• El investigador necesita pesar n = 126 pollos
para estimar el peso total de los 1000 pollos, con
un límite para el error de estimación de 1000
gramos.

Estimación proporción poblacional
• En la siguiente explicación denotamos la
proporción poblacional y su estimador por los
símbolos P y p respectivamente. Las
propiedades de p en muestreo irrestricto
aleatorio son equiparables a la de la media
muestral, si las mediciones de la respuesta
es como sigue:
Sea yi = 0 si el elemento seleccionado no
pose la característica de interés, sea yi = 1 si
la posee.

• Entonces, el número de elementos en una muestra
de tamaño n que posee la característica específica
n
es:  y la proporción muestral p es la fracción de
i
i 1
elementos en la muestra que poseen la
característica de interés. N
n
 yi y i
P i 1

p i 1
y N
n
• Estimador de la proporción poblacional P:
n
y . . . . . . . . . . . (4.15)
py
i
1

• Varianza estimada de p:
pq  N  n 
Vˆ ( p)   
n 1  N  . . . . . . . . . . . (4.16)
• Límite para el error de estimación:
pq  N  n  . . . . . . . . . . . (4.17)
2 Vˆ ( p )  2  
n 1  N 
• Ejemplo 5. Una MIA de n = 100 estudiantes del último
año de estudios de un colegio fue seleccionada para
estimar: (1) la fracción de N = 300 estudiantes del año
que asistirán a una universidad, y (2) la fracción que
han tenido trabajos de tiempo parcial durante su
estancia en el colegio. Sean yi y xi (i=1,2, . . . , 100)
las respuestas.
• Sea yi = 0 si no planea ir una universidad.
• Sea yi = 1 si planea ir a una universidad.
• Sea xi = 0 si no tenido trabajo a tiempo
parcial.
• Sea xi = 1 si lo ha tenido
Usando los datos de la tabla adjunta estime
P1 la proporción de estudiantes que planea
asistir a una universidad y P2 la proporción de
estudiantes que ha tenido trabajo a tiempo
parcial.
y X
1 1 0
2 0 1
3 0 1
4 1 1
5 0 0
6 0 0
7 0 1
. . .
. . .
. . .
96 0 1
97 1 0
98 0 1
99 0 1
100 1 1
Totales 15 65
Solución
n
y n
p1  i 1
i

15
 0,15 x i
65
n 100 p2  i 1
  0,65
n 100

p q  N n (0,15)(0,85)  300  100 
B  2 Vˆ ( p1 )  2 1 1    2    0,059
n 1  N  99  300 
p q  N n (0,65)(0,35)  300  100 

B  2 Vˆ ( p2 )  2 2 2    2    0,078
n 1  N  99  300 
• Estimamos que 15% de los estudiantes planean

asistir a una universidad, así mismo se tiene que
este porcentaje puede variar en ± o 5,9%.
• Estimamos que 65% de los estudiantes han
tenido un trabajo a tiempo parcial. Pero este
porcentaje puede aumentar o disminuir en 7,8%

• Tamaño de muestra requerido para
estimar P con un límite para el error de
estimación B:
recordamos que el tamaño de muestra
para estimar µ está dado por
N 2
B 2
. . . . . . . . . . . (4.18)
n ; D
( N  1) D   2
4
NPQ B2
n ; D . . . . . . . . . . . (4.19)
( N  1) D  PQ 4

• Ejemplo 6. Los dirigentes del consejo
estudiantil desean realizar una encuesta
para determinar la proporción de
estudiantes que están a favor de una
propuesta ambiental. Se conoce que N =
2000 estudiantes, determine el tamaño de
muestra necesario para estimar P con un
límite para el error de estimación de
magnitud B = 0,05. no se tiene información
previa disponible para estimar P.

• solución.
B 2 (0,05) 2
D   0,000625
4 4
NPQ (2000)(0,5)(0,5)
n   333,56
( N  1) D  PQ (1999)(0,000625)  (0,5)(0,5)
• Esto es 334 estudiantes deben ser

entrevistados para estimar la proporción
de estudiantes que esta a favor de la
propuesta ambiental, para que se pueda
cumplir con B = 0,05

Muestreo con probabilidades
proporcionales al tamaño
• Mostraremos que variando las probabilidades con
que las diversas unidades de muestreo son
seleccionadas, algunas veces resulta ventajoso. Un
método para lograr este muestreo se denomina
muestreo con probabilidades proporcionales al
tamaño o muestreo ppt.
Para una muestra y1, y2, . . . , yn de una población
de tamaño N.
sea πi = la probabilidad de que yi aparezca en la
muestra.
Los estimadores de insesgados del total () y µ
junto con sus varianzas estimadas y límites sobre el
error de estimación, son como sigue:

• Estimador del total poblacional :
1 n  yi 
ˆ ppt     . . . . . . . . . . . (4.20)
n i 1   i 
Varianza del total poblacional de ˆ ppt :
2
1 n
 yi 
Vˆ (ˆ ppt )     ˆ ppt 
n(n  1) i 1   i
. . . . . . . . . . . (4.21)

Límite para el error de estimación:
2
   1 n
 yi  . . . . . . . . (4.22)
2 V ( ppt )  2 V ( Ny )  2  

n(n  1) i 1   i
 ˆ ppt 


• Estimador de la media poblacional µ:
1 1 n  yi 
ˆ ppt  ˆ ppt 
n
  
Nn i 1   i 
. . . . . . . . . . . (4.23)
• Varianza estimada de ˆ ppt :

y 
2
1
Vˆ ( ˆ )     ˆ 
n
i
. . . . . . . . . . . (4.24)
N n(n  1)   
ppt 2 ppt
i 1
i
• Límite para el error de estimación:

y 
2
1
2 Vˆ ( ˆ )  2    ˆ 
n
i
. . . . . . . . . . . (4.25)
N n(n  1)   
ppt 2 ppt
i 1
i

yi
i 

1 n yi 1 n yi 1 n 1
ˆ ppt        (n )  
n i   i n i  yi /  n i  n
2
1 n
 yi 
Vˆ (ˆ ppt )     ˆ ppt   0
n(n  1) i    i 
Lo que muestra que tenemos un estimador preciso

• Para ilustrar como trabaja el
muestreo ppt, analicemos una E ( y )  2,5
población de N = 4 elementos, {1 ,2, 5
V ( y )   0,417
12
3, 4}, para n = 2.
• Supóngase que decidimos seleccionar n = 2
elementos con probabilidades diferentes y
seleccionar π1 = 0,1; π2 = 0,1; π3 = π4 = 0,4. para
realizar este muestreo, podemos seleccionar un
dígito aleatorio de la tabla de números aleatorios y
tomar como muestro primer elemento muestreado.

1 si el dígito aleatorio es 0
2 si el dígito aleatorio es 1
3 si el dígito aleatorio es 2, 3, 4, o 5
4 si el dígito aleatorio es 6, 7, 8, 0 9
Luego el proceso se repite para el 2do elemento
muestreado. Esta selección de π1, π2, π3, y π4
confiere a los valores más pequeños en la
población (1,2), la probabilidad más pequeña de
ser incluidos en la muestra, y los valores más
grandes, (3,4) tienen una probabilidad mayor de
ser incluidos.

MUESTREO CON PROBABILIDADES DIFERENTES
(muestra de tamaño n = 2 de {1,2,3,4}, Con π1 = π2 = 0,1, π3 = π4 = 0,4)
Muestra
Probabilidad de
Obtener una muestra ˆ ppt
(1, 2) 0,02 15
(1, 3) 0,08 35/4
(1, 4) 0,08 10
(2, 3) 0,08 55/4
(2, 4) 0,08 15
(3, 4) 0,32 35/4
(1, 1) 0,01 10
(2, 2) 0,01 20
(3, 3) 0,16 15/2
(4 4) 0,16 10
1 n yi 1  1 2 
ˆ ppt        15
n i   i 2  0,1 0,1 

1 n yi 1  1 3  1  70  35
ˆ ppt        
n i   i 2  0,1 0,4  2  4  4
• El valor esperado de este total es:

35
E (ˆ ppt )  15(0,02)  (0,08)  ...  10(0,16)  10
4
V (ˆppt )  (15 10)2 (0,02)  ...  (10 10)2 (0,16)  6,25
• Si usamos muestreo irrestricto aleatorio con n = 2,
el estimador del total tendrá una varianza de:
  
V ( )  V ( Ny )  N 2V ( y )  (4) 2 (0,416)  6,672
• La cual es mayor que la varianza con muestreo
ppt.
• Ejemplo 7. un investigador desea estimar el
número promedio de defectos por tablero que
contienen componentes electrónicos, fabricados
para la instalación en computadoras. Los tableros
contienen un número diferente de componentes, y
el investigador considera que el número de
defectos debe estar positivamente correlacionado
con el número de componentes en un tablero. Por
lo tanto, se utilizará un muestreo ppt, siendo la
probabilidad de seleccionar cualquier tablero para
la muestra, proporcional al número de componentes
en el tablero. Una muestra de n = 4 tableros será
seleccionada de N = 10 tableros de la producción
de un día.
• El número de componentes en los 10
tableros son respectivamente.
10, 12, 22, 8, 16, 24, 9, 10, 8, 31.
Muestre como seleccionar n = 4 tableros
con probabilidades proporcionales al
tamaño. El número de defectos
encontrados en los tableros 2, 3, 5 y 7
fueron, respectivamente, 1, 3, 2, y 1.
estime el número promedio de defectos
por tablero, y establezca un límite para el
error de estimación.
• Solución. Tablero Número de
componentes
Intervalo
acumulado
πi
• Hay 150 componentes 1

2
10
12
1 – 10
11 – 22
10/150
12/150
3 22 23 – 44 22/150
en la población 4
5
8
16
45 – 52
53 – 68
8/150
16/150
6 24 69 – 92 24/150
• El tablero 1 tiene los 10 7
8
9
10
93 – 101
102 – 111
9/150
10/150
9 8 112 – 119 8/150
primeros componentes, 10 31 120 – 150 31/150
el tablero número 2
tiene los componentes
del 11 al 22 y así
sucesivamente.

i n  yi 
• La media µ es estimada por ˆ ppt    
Nn i 1   i 
• N = 10, n = 4. y1 =1, y2 = 3, y3 = 2, y4 = 1
12 22 16 9
1  , 2  , 3  , 4 
150 150 150 150
1   150   150   150   150 
ˆ ppt  1   3   2   1   1,71
10(4)   12   22   16   9 
2
1  yi n

V ( ˆ ppt )  2
ˆ    ˆ ppt 
N n(n  1) i 1   i 
1 
 150 
2
 3(150) 
2
 2(150) 
2
 150 
2


Vˆ ( ˆ ppt )    17,10     17,10     17,10     17,10    0,0295
(10) 2 (4)(3) 
 12   22   16   9   
2 Vˆ (ˆ ppt )  0,34


Muestreo 1 Mia

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Muestreo 1 Mia

Cargado por

Copyright:

Formatos disponibles

TÉRMINOS TÉCNICOS

• Definición 1. Un elemento es un objeto en el

MUESTREO ESTADISTCIA APLICADA 1

MUESTREO ESTADISTCIA APLICADA 4

MUESTREO ESTADISTCIA APLICADA 7

MUESTREO ESTADISTCIA APLICADA 8

MUESTREO ESTADISTCIA APLICADA 10

 N n 35,67  484  9 

MUESTREO ESTADISTCIA APLICADA 16

MUESTREO ESTADISTCIA APLICADA 17

MUESTREO ESTADISTCIA APLICADA 19

• Tamaño de muestra requerido para estimar 

MUESTREO ESTADISTCIA APLICADA 22

MUESTREO ESTADISTCIA APLICADA 23

MUESTREO ESTADISTCIA APLICADA 24

MUESTREO ESTADISTCIA APLICADA 27

p q  N n (0,65)(0,35)  300  100 

• Estimamos que 15% de los estudiantes planean

MUESTREO ESTADISTCIA APLICADA 28

MUESTREO ESTADISTCIA APLICADA 29

MUESTREO ESTADISTCIA APLICADA 30

• Esto es 334 estudiantes deben ser

MUESTREO ESTADISTCIA APLICADA 31

MUESTREO ESTADISTCIA APLICADA 32

MUESTREO ESTADISTCIA APLICADA 33

• Varianza estimada de ˆ ppt :

• Límite para el error de estimación:

MUESTREO ESTADISTCIA APLICADA 34

MUESTREO ESTADISTCIA APLICADA 35

MUESTREO ESTADISTCIA APLICADA 36

MUESTREO ESTADISTCIA APLICADA 37

MUESTREO ESTADISTCIA APLICADA 38

• El valor esperado de este total es:

• Hay 150 componentes 1

MUESTREO ESTADISTCIA APLICADA 42

2 Vˆ (ˆ ppt )  0,34

También podría gustarte