MÉTODOS DE

MUESTREO Y TEOREMA
DE LIMITE CENTRAL
MÉTODOS DE
MUESTREO

2
 ¿QUÉ ES MUESTREO?
El muestreo es una herramienta muy necesaria de la
investigación, y su función básica es determinar que
parte de la población debe examinarse con la finalidad
de hacer inferencias de la población a investigar.

En el muestreo podemos encontrar dos métodos que

son:

 Métodos de muestreo probabilísticos.

 Métodos de muestreo no probabilísticos.

3
 MÉTODO DE
MUESTREO
PROBABILÍSTICOS

4
 MÉTODO DE MUESTREO PROBABILÍSTICOS.
Son los que se basan en el principio de equiprobabilidad, en los
que todos los individuos tienen una misma probabilidad de ser
escogidos para representar la muestra de toda una población para
su estudio o investigación. Este método tiene 4 tipos.

Se puede consideran muestreo probabilísticos cuando:

Todos los elementos de la población tienen una probabilidad

mayor a cero de ser seleccionados en la muestra.

La probabilidad de inclusión de cada elemento en la muestra se

conoce de forma precisa.

5
 MUESTREO ALEATORIO SIMPLE

Se asigna un número a cada individuo de la población

y a través de algún medio mecánico se eligen de
manera aleatoria tantos sujetos como sea necesario
para completar el tamaño de la muestra requerido.
Está técnica funciona mejor con una población
homogénea.

6
MUESTREO ALEATORIO SISTEMÁTICO
Este procedimiento exige, como el anterior, numerar todos
los elementos de la población, pero en lugar de extraer n
números aleatorios sólo se extrae uno.

Se parte de un número escogido al azar y los elementos que

integran la muestra son los que ocupan los lugares.

7
MUESTREO ALEATORIO ESTRATIFICADO
Consiste en considerar categorías típicas diferentes entre sí
que poseen gran homogeneidad respecto a alguna
característica. Este tipo de muestreo pretende asegurarse de
que todos los estratos estarán representados
adecuadamente en la muestra.

La distribución de la muestra consta de 3 estratos que son:

AFIJACIÓN SIMPLE: cada elemento le corresponde igual

número de elementos muéstrales.

AFIJACIÓN PROPORCIONAL: La distribución se hace de

acuerdo con el tamaño de la población.

AFIJACIÓN OPTIMA: se tiene en cuenta los resultados de

cómo se considere la proporción y la desviación típica.

8
MUESTREO ALEATORIO POR CONGLOMERADOS

Es un grupo de elementos de la población que forman una

unidad, a la que llamamos conglomerado. El muestreo por
conglomerados consiste en seleccionar aleatoriamente un
cierto número de conglomerados (el necesario para
alcanzar el tamaño muestral establecido) y en investigar
después todos los elementos pertenecientes a los
conglomerados elegidos.

9
 MÉTODO DE
MUESTREO NO
PROBABILÍSTICOS

10
MÉTODO DE MUESTREO NO PROBABILÍSTICOS
A veces, el muestreo probabilístico resulta excesivamente
costoso y se acude a métodos no probabilísticos, aun siendo
conscientes de que no sirven para realizar generalizaciones,
pues no se tiene certeza de que la muestra extraída sea
representativa.

Se puede considerar muestreo no probabilístico cuando:

Disponer de un marco muestral es algo relativamente poco

habitual en estudios de mercado.

Lograr que todos los individuos de la población tengan una

probabilidad no nula de ser seleccionados es un requisito
igualmente exigente.

11
 MUESTREO POR CUOTAS
Se basa generalmente sobre la base de un buen
conocimiento de los estratos de la población o de los
individuos más representados para la investigación,
manteniendo semejanzas con el muestreo aleatorio
estratificado.

Se fijan unas cuotas que consiste en un grupo de

individuos que reúna las determinadas condiciones.

Una vez determinada la cuota se eligen los primeros

que se encuentren o que cumplan las características
semejantes.

12
MUESTRO INTENCIONAL O CONVENIENCIA
Tiene un esfuerzo deliberado de obtener muestras
representativas, mediante la inclusión de la muestra de
grupos supuestamente típicos.

También puede ser que el investigador seleccione directa e

intencionadamente los individuos de la población.

13
 MUESTREO BOLA DE NIEVE

Se localiza a algunos individuos, los cuales conducen a

otros, y estos a otros, y así hasta conseguir una
muestra suficiente.

Este tipo se emplea muy frecuentemente cuando se

hacen estudios con poblaciones "marginales",
delincuentes, sectas, determinados tipos de enfermos.

14
 MUESTREO DISCRECIONAL

A criterio del investigador los elementos son elegidos sobre

lo que él cree que pueden aportar al estudio.

15
 TEOREMA DE
LÍMITE CENTRAL

16
 El teorema del límite central es un teorema
fundamental de probabilidad y estadística.

 Describe la distribución de la media de una

muestra aleatoria proveniente de una población
con varianza finita. Cuando el tamaño de la
muestra es lo suficientemente grande, la
distribución de las medias sigue aproximadamente
una distribución normal.

 Se aplica independientemente de la forma de la

distribución de la población.

 Permite aplicar estos procedimientos útiles a

poblaciones que son considerablemente no
normales.

17
 MUESTRAS DE UNA POBLACIÓN UNIFORME: Una
población que sigue una distribución uniforme es
simétrica, pero marcadamente no normal.

 MUESTRAS DE UNA POBLACIÓN EXPONENCIAL: Una

población que sigue una distribución exponencial es
asimétrica y no normal.

18
PROPIEDADES DEL TEOREMA CENTRAL DEL LÍMITE

El teorema central del límite tiene una serie de

propiedades. Las principales son:

 Si el tamaño de la muestra es suficientemente grande,

la distribución de las medias muestrales seguirá
aproximadamente una distribución normal.

 La media poblacional y la media muestral serán iguales.

 La varianza de la distribución de las medias muestrales

será σ²/n. Que es la varianza de la población dividido
entre el tamaño de la muestra.

19
EJEMPLO
Se lanza una moneda al aire 100 veces, si sale cara le damos el valor 1 y si sale cruz el valor 0. Calcular la
probabilidad de que en estos 100 lanzamientos salgan más de 60 caras.
E(X)=0,5
Var(X)=0,25
La variable suma de estas 100 variables independientes se distribuye, por tanto, según una distribución normal.
Media = 100 * 0,5 = 50
Varianza = 100 * 0,25 = 25
Para ver la probabilidad de que salgan más de 60 caras calculamos la variable normal tipificada equivalente:
Por lo tanto:

P (X > 60) = P (Y > 2,0) = 1- P (Y < 2,0) = 1 - 0,9772 = 0,0228

la probabilidad de que al tirar 100 veces la moneda salgan más de 60 caras es tan sólo del 2,28%.

Agregar un pie de página 20

20
Ejercicio 1.
La renta media de los habitantes de un país se distribuye uniformemente entre 4,0 millones ptas. y 10,0 millones ptas. Calcular la
probabilidad de que al seleccionar al azar a 100 personas la suma de sus rentas supere los 725 millones ptas.

Cada renta personal es una variable independiente que se distribuye según una función uniforme. Por ello, a la suma de las
rentas de 100 personas se le puede aplicar el Teorema Central del Límite.

La media y varianza de cada variable individual es:

m = (4 + 10 ) / 2 = 7
s 2 = (10 - 4)^2 / 12 = 3

Por tanto, la suma de las 100 variables se distribuye según una normal cuya media y varianza son:

Media: n * m = 100 * 7 = 700

Varianza: n * s2 = 100 * 3 = 300

Para calcular la probabilidad de que la suma de las rentas sea superior a 725 millones ptas, comenzamos por calcular el valor
equivalente de la variable normal tipificada:

Luego:
P (X > 725) = P (Y > 1,44) = 1 - P (Y < 1,44) = 1 - 0,9251 = 0,0749

Es decir, la probabilidad de que la suma de las rentas de 100 personas seleccionadas al azar supere los 725 millones de
pesetasAgregar
es tan sólo
un pie del 7,49%
de página 21
21
 INTEGRANTES:
PAULA CABRERA
EVELYN QUIZPHE
DANIELA CALDERÓN
PAOLA FLORES
DAYANNA SUCONOTA

22