TEORIA DEL

MUESTREO

UNIVERSIDAD PRIVADA DEL VALLE

Docente: Lic. Marlene Mercado

UNIDAD 1 ESTADÍSTICA Y MUESTREO

1. Introducción
2. Definición de estadística
3. Estadística descriptiva e inductiva
4. Población y muestra
DEFINICION DE MUESTREO
La estadística es una ciencia que contribuye también al estudio de
características cuantitativas y cualitativas de la población o
universo, conjunto de elementos, personas o cosas. No estudia
hechos aislados, como ser el ingreso de una familia, precio de un
artículo en un día determinado ó el color de ojos de una persona.
Estudia a los conjuntos, las relaciones entre las variables
(dependientes e independientes), sus comportamientos estacionales
y pronósticos.
Una muestra es un medio utilizado para inferir algo acerca de una
población mediante la selección de una parte de la misma. Ej:
elección de los consumidores….
La población es el grupo completo de individuos u objetos de
estudio.
La muestra es una parte o subgrupo de la población.
 RELACION ENTRE
MUESTREO Y ESTADÍSTICA
Anteriormente se ha estudiado las técnicas empleadas para
describir datos de un suceso ya ocurrido (distribución de
frecuencias, medidas de ubicación, medidas de dispersión,
regresión, etc.)

El muestreo irá a inferir características sobre una población, de

tal manera que utilizará distintos test, estadísticos de pruebas de
hipótesis, pronósticos.
 APLICACIÓN A LAS CIENCIAS
EMPRESARIALES

En muchos casos, el muestreo es la única forma de

determinar algo de la población. Algunas de las principales
razones por las que éste es necesario son:
• La naturaleza destructiva de ciertas pruebas
• La imposibilidad física de revisar todos los integrantes de la
población
• El costo de estudiar a todos los integrantes de una población
• En ocasiones se requeriría de mucho tiempo para
entrevistar a toda la población
 TIPOS DE MUESTREO
Existen 2 métodos para seleccionar muestras de poblaciones:
MUESTREO NO PROBABILÍSTICO:
En este método no todos los integrantes tienen probabilidad de
ser incluidos en la muestra.
Los resultados pueden estar sesgados. Generalmente emplea el
conocimiento y la opinión personal para identificar a los
elementos de la población que deben incluirse en la muestra.
MUESTREO ALEATORIO O DE PROBABILIDAD: Todos
los elementos de la población tienen la oportunidad de ser
escogidos para la muestra.
 De este modo se puede afirmar, que al utilizar estadística
inferencial debemos enfrentarnos con dos problemas:

• Elección de la muestra (muestreo adecuado que arroje

datos representativos).

• Extrapolación de las conclusiones obtenidas sobre la

muestra, al resto de la población (inferencia).
 Estimación de tamaño muestral t
La utilidad consiste en decidir cuál deberá ser el tamaño necesario de una muestra para obtener intervalos
de confianza para una media, con precisión y significación dadas de antemano. Para que esto sea posible
es necesario poseer cierta información previa, que se obtiene a partir de las denominadas muestras piloto.
Intervalo para la media (caso general)
El intervalo de confianza al nivel 1−
La media de una distribución prob..cuando sus parámetros son desconocidos es:

Un intervalo de confianza para la media podemos visualizarlo como el que correspondería a una
distribución normal con el mismo centro que la de la población, pero cuya desviación está reducida en
Ejemplo:
• Se sabe que el peso de los recién nacidos sigue una distribución
normal.
• Si en una muestra aleatoria simple de 30 de ellos se obtiene una
media muestral de 3 kg, y una desviación estándar típica de 0,5
kg, calcular un intervalo de confianza para la media poblacional
que presente una confianza del 95 %.
• Solución:
Para calcular μ usamos el estadístico:

• Que no depende de  (Desvío estándar de la población) que

normalmente es desconocido, si no de su estimación puntual
insesgada:
 CONVENIENCIAS Y LIMITACIONES DEL MUESTREO

Al definir una muestra se deberá cuidar de NO SESGAR

ciertos conjuntos de elementos, de manera que se
incorporen aleatoriamente a los elementos mas
representativos. Ej: encuestas sobre la aceptación de una
ley que beneficia a madres que gozarían de salarios y
tolerancia de trabajo durante el primer año de su bebe.
DISTRIBUCIÓN DE PROBABILIDAD
BINOMIAL
MEDIA Y VARIANZA DE LA DISTRIBUCIÓN
PROBABILÍSTICA BINOMIAL
DISTRIBUCIÓN DE PROBABILIDAD DE POISSON
La distribución de probabilidad de Poisson describe el número de veces que se
presenta un evento durante un intervalo específico. El intervalo puede ser de tiempo,
distancia, área o volumen.
La distribución se basa en dos supuestos. El primero consiste en que la probabilidad es
proporcional a la longitud del intervalo. El segundo supuesto consiste en que los
intervalos son independientes. En otras palabras, cuanto más grande sea el intervalo,
mayor será la probabilidad; además, el número de veces que se presenta un evento en
un intervalo no influye en los demás intervalos. La distribución también constituye una
forma restrictiva de la distribución binomial cuando la probabilidad de un éxito es muy
pequeña y n es grande. A ésta se le conoce por lo general con el nombre de ley de
eventos improbables, lo cual significa que la probabilidad, de que ocurra un evento en
particular es muy pequeña. La distribución de Poisson es una distribución de
probabilidad discreta porque se genera contando.
UNIDAD 2: TEORÍA ELEMENTAL DEL MUESTREO

PRUEBA DE LA MEDIA POBLACIONAL CUANDO LA DESVIACIÓN ESTÁNDAR DE

LA POBLACIÓN DESCONOCIDA: DISTRIBUCIÓN t STUDENT.
En el ejemplo anterior se conocía , la desviación estándar de la población. No obstante,
en la mayoría de los casos, la desviación estándar de la población es desconocida. Por
consiguiente, debe basarse en estudios previos o calcularse por medio de la desviación
estándar de la muestra, s. La desviación estándar poblacional en el siguiente ejemplo
no se conoce, por lo que se emplea la desviación estándar muestral para estimar . Para
determinar el valor del estadístico de la prueba utilice la distribución t y modifique la
anterior fórmula de la siguiente manera:
Para repasar las principales características de la
distribución t:
• Es una distribución continua.
• Tiene forma de campana y es simétrica.
• Existe una familia de distribuciones t; cada vez
que se cambia de grados de libertad, se crea una
nueva distribución.
• Conforme se incrementa el número de grados
de libertad, la forma de la distribución t se
aproxima a la de la distribución normal estándar.
• La distribución t es plana, o más dispersa, que
la distribución normal estándar. El siguiente
ejemplo muestra los detalles.
Paso 3: Se identifica el estadístico de la prueba. En este caso, el estadístico de la
prueba es la distribución t.
Pruebas de hipótesis de dos
muestras: muestras independientes

Es necesario, una vez más, suponer que una distribución de las

medias de muestras seguirá una distribución normal. Es posible
demostrar en forma matemática que la distribución de las
diferencias entre medias muestrales de dos distribuciones
• Las dos poblaciones siguen distribuciones normales.
• Las dos muestras no deben estar relacionadas, es decir, deben
ser independientes.
• Debe conocerse la desviación estándar de las dos poblaciones.
En el ejemplo siguiente se muestran los detalles de la prueba de
hipótesis de dos medias poblacionales.
Valor p en la prueba de hipótesis
Prueba de proporciones de dos muestras
Comparación de medias poblacionales con desviaciones estándares
desconocidas
En el caso de la segunda, la cantidad de absorción varía de 6 ml a 12 ml. Es decir,
existe más variación en la cantidad de absorción de la 1ra. marca que de la 2da.

El nivel de significancia es 0.10, y el estadístico de prueba sigue la distribución t. Como

no se desea suponer desviaciones estándares de las poblaciones iguales, se ajustan los
grados de libertad con la fórmula (11-8). Para hacer ello se necesita determinar las
desviaciones estándares de las muestras. Los tamaños muestrales respectivos son n1=
9 y n2=12, y las desviaciones estándares respectivas, 3.32 ml y 1.621 ml.
 ANÁLISIS DE LA VARIANZA
La distribución F debe su nombre a sir Ronald Fisher, uno de los pioneros del análisis MUESTRAL Se pone a
prueba si dos muestras provienen de poblaciones que tienen varianzas iguales, y también se aplica cuando se
desea comparar varias medias poblacionales en forma simultánea. La comparación simultánea de varias medias
poblacionales se denomina análisis de la varianza (ANOVA). En las dos situaciones, las poblaciones deben seguir
una distribución normal, y los datos deben ser al menos de escala de intervalos.
• La distribución F es continua. Esto significa que se supone un número infinito de
valores entre cero y el infinito positivo.
• La distribución F no puede ser negativa. El menor valor que F puede tomar es 0.
• Tiene sesgo positivo. La cola larga de la distribución es hacia el lado derecho.
• Cuando el número de grados de libertad aumenta, tanto en el numerador como en el
denominador, la distribución se aproxima a ser normal.
• Es asintótica. Cuando los valores de X aumentan, la curva F se aproxima al eje X
pero nunca lo toca. Este caso es similar al comportamiento de la distribución de
probabilidad normal.