Muestreo y

Distribuciones muestrales
Clase 3 – Unidad 1
Profesora: Daniela Salinas Pimentel.
Muestreo y Distribuciones muestrales
Clase 3 – Unidad 1

Entender el Concepto de Muestreo Aleatorio Simple y su Clasificación

Qué es, ventajas y desventajas.

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.

Puede tener errores de muestreo más grandes y menos

Más fácil de entender y comunicar a otros. precisión que otros diseños de muestreo probabilístico
con el mismo tamaño de la muestra.

Si subgrupos de la población tienen intereses

Tiende a producir muestras representativas. particulares no pueden ser incluidos con un número
suficiente en la muestra.

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:

Realizar una lista con

Se desea conocer si a los alumnos de ADS les gusta la estadística.
todos los alumnos ADS.
Población: 198 alumnos.
Enumerarlos del 1 al
Si quiero seleccionar una muestra aleatoria simple de 30 alumnos. 198.

¿Cuáles serían los pasos a seguir?

Sortear al azar 30
números.
Muestreo Aleatorio Simple
Unidad 1: Muestreo y Distribuciones Muestrales

Tipos de Muestreo Aleatorio Simple

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.

 Un gobierno desea saber el ingreso promedio de un núcleo familiar.

 Un grupo de investigadores quiere realizar una encuesta sobre el
trabajo de profesores universitarios de la Universidad de los Andes.
 Un equipo de marketing está realizando un estudio sobre las
preferencias de los consumidores.
 Una ONG ambientalista realizará un estudio sobre el conocimiento
que tiene la población de una región sobre el cambio climático.
 Una empresa de telefonía está estudiando la opinión de los clientes
sobre el servicio.
Estimación
Puntual
Estimación Puntual
Unidad 1: Muestreo y Distribuciones Muestrales

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

Propiedades deseables de un Estimador:

 Insesgado: Un estimador es insesgado cuando la esperanza matemática del este es igual al

parámetro que se desea estimar. Por tanto, la diferencia entre el parámetro a estimar y la esperanza de
nuestro estimador tendría que ser 0.
 Consistente: Un estimador consistente es aquel que a medida que la medida que la muestra crece se
aproxima cada vez más al valor real del parámetro. Por lo tanto, cuantos más y valores entran en la
muestra, el parámetro estimado será más preciso.

 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

En matemáticas, los grados de libertad se definen como la dimensión del

dominio de un vector aleatorio.
Veámoslo así:
Supongamos que nos gustan los sombreros y queremos lucir uno diferente
cada día, sin embargo, sólo tenemos 7.

El primer día, podemos usar cualquiera de los 7 sombreros. El segundo día,

podemos elegir entre los 6 sombreros restantes, el tercer día podemos elegir
entre 5 sombreros y así sucesivamente.

Cuando llega al día 6, todavía existe la opción de escoger entre 2 sombreros

que no hemos usado todavía esa semana. Pero después de escoger el
sombrero para el día 6, no queda ninguna opción disponible para el sombrero
que utilizará el día 7. Debe usar el sombrero restante. Tenía 7-1 = 6 días de
libertad de “sombreros” respecto a la variación del sombrero que podía utilizar.
Estimación Puntual
Unidad 1: Muestreo y Distribuciones Muestrales

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

Ejemplo Iluminador (Observación):

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

Ejemplo Iluminador (Observación):

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.

Si lo simulamos en R, obtenemos lo siguiente:

La media de estos 250
valores es 0,6119 que es
muy próxima al verdadero
valor 0,61
¿Por qué utilizar la Estimación Puntual?
 Desafío Personal

Analice una noticia de la actualidad y aplique conceptos

aprendidos en clase.

Los 3 primeros alumnos que me lo envíen al correo tienen

premio:

dsalinas1@miuandes.cl