Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Distribuciones muestrales
Clase 3 – Unidad 1
Profesora: Daniela Salinas Pimentel.
Muestreo y Distribuciones muestrales
Clase 3 – Unidad 1
Estimación Puntual
Definición y concepto, cuándo utilizarla.
Ejemplos Clarificadores
Bajada tangible de los conceptos aprendidos durante la clase.
Muestreo
Aleatorio
Simple
Muestreo Aleatorio Simple
Unidad 1: Muestreo y Distribuciones Muestrales
El muestreo aleatorio simple es un tipo de muestreo probabilístico en el cual todos los elementos de la
población tienen la misma probabilidad de ser seleccionados.
Este sistema funciona a través de un método de “sorteo” entre un universo de individuos, en el que se le
asigna a cada integrante un número para ser escogido De esta manera se garantiza que todos los
elementos muestrales tengan la misma probabilidad de ser seleccionados para formar parte de la
muestra.
Muestreo Aleatorio Simple
Unidad 1: Muestreo y Distribuciones Muestrales
Fortalezas Debilidades
En comparación con otros procedimientos de En comparación con otros procedimientos de
muestreo probabilístico muestreo probabilístico
Cada combinación posible de muestreo tiene igual No se aprovecha del conocimiento que el investigador
probabilidad de ser seleccionado. podría tener de la población.
Los procedimientos estadísticos necesarios para Si la población está muy dispersa, los costos por
analizar errores de datos y de software de estadísticas recolección de datos pueden ser más altos que los de
son más fáciles. otros diseños de la muestra de probabilidad.
Muestreo Aleatorio Simple
Unidad 1: Muestreo y Distribuciones Muestrales
Ejemplo:
El muestreo aleatorio simple es un método de muestreo al azar que puede tener 2 subtipos: el muestreo
con reemplazo y sin reemplazo.
Muestreo con reemplazo: En este, después de que un elemento ha sido seleccionado de entre el
marco de la muestra, se devuelve y es elegible para ser seleccionado de nuevo.
Muestreo sin reemplazo: En este, después de que un elemento se selecciona del marco de la
muestra, se retira de la población y no regresa a la base del muestreo. Este tipo de muestreo suele
ser más eficiente pues no permite que el mismo elemento de la población entre a la muestra más de
una vez.
Muestreo Aleatorio Simple
Unidad 1: Muestreo y Distribuciones Muestrales
Y en la práctica…
Los muestreos son técnicas que se usan en la estadística y que
permiten determinar cómo se seleccionará a los individuos que
conformarán una muestra, es decir, una parte representativa de una
población que se utilizará para hacer un estudio o un análisis.
Una estimación puntual de un parámetro poblacional es cuando se utiliza un único valor para estimar
ese parámetro, es decir, se usa un punto en concreto de la muestra para estimar el valor deseado.
Cuando estimamos un parámetro de forma puntual, podemos saber con certeza, cual es ese valor.
Por ejemplo, si Uds. fueran mi población de estudio (37 alumnos) y seleccionamos una muestra de 20 para
las que conocemos sus edades. Estimar de forma puntual la media de edad (o edad promedio), sería tan
sencillo como sumar esos 20 datos y dividirlos entre el total de la muestra estadística.
Estimación Puntual
Unidad 1: Muestreo y Distribuciones Muestrales
Eficiente: Un estimador es más eficiente o tiene la capacidad de estimar de forma precisa cuando su
varianza es reducida. Por lo tanto ante 2 estimadores, siempre elegiremos el que tenga una varianza
menor.
Estimación Puntual
Unidad 1: Muestreo y Distribuciones Muestrales
Estimadores Comunes:
Dado los parámetros poblacionales desconocidos:
Entonces tenemos que los estimadores para cada uno de esos parámetros son los siguientes:
Para
Para
Para p =
Qué son los Grados de Libertad
Ejemplo Iluminador:
Supongamos que nos despertamos y nos encontramos con esta noticia:
Estimación Puntual
Unidad 1: Muestreo y Distribuciones Muestrales
Ejemplo Iluminador:
Para validar la información, supongamos que preguntamos en la calle si la gente cree o no en los
extraterrestres. En este caso, las respuestas van a ser “Sí” o “No”, que anotaremos como 1 o 0, donde
adicionalmente sabemos que p = proporción de gente que cree en los extraterrestres y que sabemos que
es 0,61.
Preguntamos a 100 personas y el número de unos en esta encuesta (gente que dijo que creía en los extraterrestres) es
de 58, con lo que la proporción muestral es= 0,58.
Estimación Puntual
Unidad 1: Muestreo y Distribuciones Muestrales
Ejemplo Iluminador:
Si vamos al día siguiente a la misma calle y seleccionamos aleatoriamente otra muestra del mismo
número n = 100 de personas, les preguntamos lo mismo, tendremos otra estimación puntual del número
de gente que cree en los extraterrestres.
El número de unos en esta encuesta (gente que dijo que creía en los extraterrestres) es de 62, con lo que
la proporción muestral es = 0,62.
Estimación Puntual
Unidad 1: Muestreo y Distribuciones Muestrales
Obviamente, estos valores y no coinciden, y no tienen por qué coincidir. En cada caso, hemos
seleccionado 100 personas aleatoriamente. Los datos no van a ser los mismos, y por lo tanto, las
proporciones muestrales tampoco. Cada vez que seleccionemos otra muestra, el estimador de la
proporción muestral da un valor diferente. Esto es porque el Estimador en sí mismo , es una variable
aleatoria.
Estimación Puntual
Unidad 1: Muestreo y Distribuciones Muestrales
Vamos ahora a suponer que realizamos este proceso un número grande de veces; es decir, salimos a la
calle, le preguntamos a 100 personas, calculamos la proporción muestral; al día siguiente volvemos a
hacer lo mismo, y así sucesivamente, hasta repetir el experimento unas 250 veces, por ejemplo.
dsalinas1@miuandes.cl