UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN

FACULTAD DE CONTADURÍA PÚBLICA Y ADMINISTRACIÓN

División de Estudios de Posgrado

TEMA:

MÉTODOS DE MUESTREO Y
TEOREMA CENTRAL DEL LÍMITE
Error de muestreo, teorema del limite central

GRUPO # 2: INTEGRANTES
•ING. MARÍA FERNANDA GUEVARA
•ECO. MIRIAM JARA
•ING. LETICIA CELI
MÉTODOS
DETERMINAR ALGO SOBRE

DE
A PARTIR DE

MUESTREO
Razones para muestrear:
1. Establecer contacto con toda la población requeriría mucho tiempo.
2. El costo de estudiar todos los elementos de una población
resultaría prohibitivo.
3. Es imposible verificar de manera física todos los elementos de la
población (infinitas).
4. Algunas pruebas son de naturaleza destructiva (ej.: placas-cables y
productos similares de acero).
5. Los resultados de la muestra son adecuados.
 Muestreo aleatorio SIMPLE
Cada elemento o individuo seleccionado de la población tenga las
mismas posibilidades de que se le incluya; o sea, se elimina la influencia
o sesgo del proceso de selección.
 Ej.: Una población consta de 845 empleados, de la cual se va a elegir una
muestra de 52 empleados.
• Se escribe el nombre de cada empleado en un papel y se van seleccionando uno
a uno sin ver el contenido.
• A través de una máquina o computadora se seleccionan los empleados.
3ra columna
4to conjunto de #

Parte de una tabla de números aleatorios. Suponga que el reloj marca las 3:04
 Muestreo aleatorio SISTEMÁTICO
• Se selecciona un punto aleatorio de inicio y posteriormente se elige
cada k-ésimo miembro de la población.

K = tamaño de la población / tamaño de la muestra

• Debe observar con cuidado el orden físico de la población, ya que no

se aplica cuando se relaciona con la característica de la población (ej.:
recibos archivados en orden creciente de ventas)
Ejemplo:
La división de ventas confirmó que el mes pasado se registraron 2000
ventas y se almacenaron en cajones de archivo. Se necesita calcular
rápidamente el ingreso medio en dólares por venta del mes pasado y se
decidió seleccionar 100 recibos para calcularlo.

•Evitar el proceso de numeración. Se debe redondear el resultado.

K = 2000 / 100 = 20
•Emplear muestreo aleatorio simple seleccionando entre 1 y k (o sea 20)
•Suponga que el número aleatorio resultó ser 18. Entonces, a partir del
recibo 18, se seleccionará cada vigésimo recibo (18, 38, 58, etc.) como
muestra.
18+20=38 ; 38+20=58 ; ……
 Muestreo aleatorio ESTRATIFICADO
• Una población se divide en subgrupos, denominados estratos, y se
selecciona al azar una muestra de cada estrato.
• Garantizar que cada grupo se encuentre representado en la muestra.
• A los grupos también se les denomina estratos.
• Refleja con mayor fidelidad las características de la población.
Ejemplo:
Los estudiantes universitarios se pueden agrupar en estudiantes de
tiempo completo o de medio tiempo, por sexo (masculino o femenino),
tradicionales o no tradicionales, etc.

•Definir los estratos o grupos.

•Aplicar el muestreo aleatorio simple en cada estrato con el fin de
formar la muestra.
De los gastos en publicidad de las 352 empresas más grandes de EEUU,
determinar si las empresas con altos rendimientos sobre el capital (una
medida de rentabilidad) gastan en publicidad la mayor parte del dinero
ganado que las empresas con un registro de bajo rendimiento o déficit.
El siguiente cuadro las agrupa de acuerdo con su rendimiento
porcentual sobre el capital:
• El muestreo aleatorio estratificado garantiza que por lo menos una
empresa de cada estrato aparezca en la muestra.
• Considere una selección de 50 compañías.
• Muestra: (0,02x50= 1) ; (0,10x50= 5) ; (0,54x50= 27) ….
• Número de empresas en cada estrato es proporcional a la frecuencia
relativa del estrato en la población.
 Muestreo por CONGLOMERADOS

• Reduce el costo de muestrear una población dispersa en cierta área

geográfica.
• La población se divide en conglomerados a partir de los límites
naturales geográficos o de otra clase.
• Se seleccionan los conglomerados al azar y se toma una muestra de
forma aleatoria con elementos de cada grupo.
Ejemplo:
Determinar la opinión de los residentes de algún estado con referencia a las
políticas federales y estatales de protección ambiental.
•Subdividir el estado en pequeñas unidades primarias (condados o regiones).
•Suponga que dividió en 12 unidades primarias, seleccionó al azar cuatro
regiones y concentró su atención en estas unidades primarias.
•Usted puede tomar una muestra aleatoria de los residentes de cada una de
estas regiones y entrevistarse con ellos
•Combina muestreo por conglomerados y muestreo aleatorio simple.
ERROR DE MUESTREO
 ERROR DE MUESTREO
Las muestras se emplean para determinar las características de la
población, es decir es una muestra representativa de la población, por
lo que es poco probable que su media o desviación estándar sea
exactamente igual a media y desviación poblacional. Esta diferencia
recibe el nombre de error de muestreo.

•ERROR DE MESTREO: Es la diferencia entre el estadístico de una

muestra y el parámetro de la población correspondiente.
• Ejemplo: Jane y Joe Millar administran una pensión donde dan
alojamiento y desayuno, localizada en Tryon, Carolina del Norte. La
población se refiere a cada una de las habitaciones rentadas cada uno
de los 30 días de junio del 2011. Determine la media de la población.
La media de las muestras y compárela con la media poblacional.
¿Cual es el error de muestreo en cada caso? No. de habitaciones = 94

= X = 0+2+3+……………………+3
N 30

 = 94 = 3,13
30
 Muestreo 1 Muestreo 2 Muestreo 3
4 3 0
7 3 0
4 2 3
3 3 3
1 6 3
Totales 19 17 9
Media muestra 3,8 3,4 1,8
• Cada una de estas diferencias 0,67, 0,27, y -1,33, representa el error
de muestreo cometido al calcular la población. A veces estos errores
son positivos, lo cual indica que la media muestral excedió la media
poblacional: otras veces son valores negativos, lo cual indica que la
media muestral resultó inferior a la media poblacional.

• Con una población de 30 valores y muestras de 5 valores, existe una

gran cantidad de muestras posibles. Cada muestra puede tener una
media muestral diferente y por consiguiente un error de muestreo
distinto.

• Los errores de muestreo son aleatorios y se presentan al azar. Si

determinara la suma de estos errores de muestreo en una gran
cantidad de muestras, el resultado se aproximaría a cero.
 DISTRIBUCIÓN MUESTRAL DE LA
MEDIA
Las medias muestrales del ejemplo anterior varían de una muestra a la
siguiente. La media de la primera muestra de 5 días fue de 3.80
habitaciones, y la media de la segunda muestra fue de 3.40
habitaciones. La media poblacional fue de 3.13 habitaciones.

Si se organizan las medias de todas las muestras posibles de 5 días en

una distribución de probabilidad, el resultado recibe el nombre de
distribución muestral de la media.

•DISTRIBUCIÓN MUESTRAL DE LA MEDIA: Distribución de probabilidad

de todas las posibles medias de las muestras de un determinado
tamaño muestral de la población.
• La industria AB cuenta con siete empleados de producción (a quienes
se le considera la población). Se presenta la siguiente tabla:

1. Cuál es la media de la población?

2. Cuál es la distribución muestral de la media de muestras de tamaño 2?
3. Cuál es la media de la distribución muestral de la media?
4. Qué observaciones es posible hacer sobre la población y la distribución muestral de la media?
1. La media de la población es de $ 7,71 que se determina de la
siguiente manera:
= X = 7+ 7+8+8+7+8+9 = $ 7,71
N 7

2. Para obtener la distribución muestral de la media se seleccionó, sin

reemplazos de la población, todas las muestras posibles de tamaño
2 y se calcularon las medias de cada muestra. Hay 21 muestras
posibles, las cuales se calcularon con la siguiente fórmula:

C
N n = N! = 7! = 21
n!(N-n)! 2!(7-2)!
• Donde N=7 es el número de elementos de la población y n=2, el
número de elementos de la muestra.

En la siguiente tabla se muestran las 21 medias muestrales de todas las

muestras posibles de tamaño 2 que pueden tomarse de la población.
Estas 21 muestras posibles se utilizan para construir una distribución
de probabilidad, que es la distribución muestral de la media.
Medidas muestrales de todas las muestras posibles de 2 empleados:
Distribución muestral de la media con n=2

La media de la distribución muestral de la media se obtiene al sumar

las medias muestrales y dividir la suma entre el número de
muestras.
DISTRIBUCIÓN DE LOS VALORES DE
POBLACIÓN Y DISTRIBUCIÓN
MUESTRAL DE LA MEDIA
Este ejemplo ilustra las importantes relaciones entre la distribución
poblacional y la distribución muestral de la media:

1.La media de las medias de las muestras es exactamente igual a la

media de la población.

2.La dispersión de la distribución muestral de la media es más estrecha

que la distribución poblacional.

3.3. La distribución muestral de la media suele tener forma de

campana y se aproxima a la distribución de probabilidad normal.
TEOREMA DEL LIMITE CENTRAL
Introducción
• Hasta este momento hemos visto los distintos tipo de distribución
de probabilidad que puede tomar una población y hemos obtenido
su media y desviación estándar.
• Si conocemos la forma de la distribución de la población, su media y
su varianza podemos describir con precisión las probabilidades
asociadas con la variable aleatoria en estudio.
• En la practica podemos tener el valor esperado de la variable y su
desviación estándar pero no tenemos información respecto de su
distribución de probabilidades, lo que imposibilita establecer con
claridad las probabilidades asociadas a la variable aleatoria.
• Existen instrumentos como el teorema del limite central que nos
ayudan a resolver este problema.
Definición y aplicación

Si se obtiene la media aritmética de todas las posibles muestras aleatorias de una

población, la forma de la distribución muestral de la media se aproxima a la
distribución de probabilidad normal, independientemente de la forma de
distribución que tenga la población de la que vienen las muestras.

• Se aplica a la distribución muestral de medias a través de la

construcción de intervalos de confianza alrededor de la media.
• Útil para llevar a cabo pruebas de hipótesis.
Caracteríticas
• Esta estimación mejora cuando las muestras son grandes.
• Si la población de la que se obtienen las muestras es normal entonces
para cualquier tamaño de muestra la distribución muestral de la media
será normal.
• Si la población de la que se obtienen las muestras es simétrica pero no
normal, la distribución muestral de la media tenderá a la normalidad
desde muestras tan pequeñas como de 10 elementos.
• Cuando la población de la que se extrae la muestra tiene sesgos
considerables entonces se requieren tamaños mayores a 30 para que la
distribución muestral de la media tienda a la normalidad.
¿Desconoce la forma de distribución de la población?
Los expertos consideran que una muestra con más de 30 elementos es suficiente para que
funcione el Teorema del Límite Central.
Ilustración grafica de poblaciones y
distribuciones muestrales
 Ejemplo:
Ed Spence fundó su negocio hace 20 años. El negocio creció a lo largo del tiempo y ahora
cuenta con 40 empleados. Spensce Inc encara algunas decisiones importantes
relacionadas con la atención médica de su personal. Antes de tomar una decisión
definitiva sobre el programa de atención médica que va a comprar, Ed decide formar un
comité de cinco empleados. Se pedirá al comité que estudie el tema del cuidado de la
salud y haga alguna recomendación sobre el plan que mejor convenga a los empleados. Ed
cree que el punto de vista de los empleados más recientes en relación con el cuidado de la
salud difiere de los empleados con más experiencia. Si Ed selecciona al azar este comité,
¿qué puede esperar en términos del promedio de años que llevan con Spence Sprockets
los miembros del comité?
•¿Cuál es la forma de la distribución de los años de experiencia de todos los empleados (la
población) en comparación con la forma de la distribución muestral de la media?
 ejemplo
• Los Años de experiencia de los 40 empleados se encuentran en la
siguiente tabla

Recuerde:
Paso 1. Ordenar los datos
Paso 2. Construir una tabla de distribución de frecuencias, en este caso se prefirió hacerlo sin intervalos.
Paso 3. Realice una gráfica de la distribución de frecuencia de los datos.
La población tiene una distribución sesgada positivamente (a la derecha)
Supuesto:
se tomó una muestra de 5 empleados y se obtuvo:
1, 9, 0, 19 y 14 años de experiencia.
• ¿Cuál es la media aritmética de la muestra?
• 8,6 años de experiencia
• ¿Cuál es la media aritmética de la población?
• 4.88 años de experiencia
• ¿Qué significa la diferencia?
• La diferencia entre las dos medias (poblacional y muestral) se conoce como error de muestreo y se
debe a los elementos que formaron parte de la muestra. Si se tomara una nueva muestra
seguramente los elementos serían distintos y por tanto su media también.
¿Cuántas muestras de 5 elementos se pueden
tomar de una población de 40 elementos?
Entre más grande sea el tamaño de las muestras
seleccionadas, la distribución muestral de las medias
tenderá a la normalidad.

¿Cuál es la diferencia entre la gráfica de las medias muestrales

y el de la población?: El sesgo y el rango (dispersión) que
mejoran conforme aumenta el tamaño de la muestra
Entre más grande sea el tamaño de las muestras
seleccionadas, la distribución muestral de las medias
tenderá a la normalidad
¿Qué sucede si calculo la media aritmética de
todas las medias muestrales obtenidas?
En conclusión …
Gracias al teorema del límite central se puede decir:
•La media de la población es igual al a media de la distribución
muestral de la media (es decir a la media de las medias aritméticas de
cada muestra).

•La desviación estándar de la distribución muestral de la media es

menor a la desviación estándar de la población.
USO DE LA DISTRIBUCIÓN MUESTRAL DE LA MEDIA
Recordemos

Si se reemplazan los términos del valor de z por los de la media muestral y la desviación estándar muestral
entonces tenemos:
 Uso de la distribución muestral de la
media
Cuando hemos obtenido una muestra y su media aritmética así como
su desviación estándar seguramente nos quedarán las siguientes
inquietudes:

• ¿es el error de muestreo razonable?

• ¿Es razonable el valor de la media que obtuve de la muestra?

• ¿Cuál es la probabilidad de que la media de la muestra tome x valor?

ejemplo
ejemplo

Error muestral

Error estándar de la
distribución de la
media
ejemplo
¿Cuál es la probabilidad de obtener un valor mayor a 1,80?. Es decir
cual es la probabilidad de que la media de la muestra de 31.38 haya
venido de una población con media 31,2 onz y desvación estándar de
0,4 onz?
Respuesta
• Es poco probable (3,59%) que una muestra con media de 31.38 haya
venido de una población con media 31,2 onz y desvación estándar
de 0,4 onz, por tanto la compañía está poniendo demasiado liquido
en sus botellas.
GRACIAS