Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                

Portafolio U1

Descargar como docx, pdf o txt
Descargar como docx, pdf o txt
Está en la página 1de 8

INSTITUTO TECNOLÓGICO DE MÉRIDA

INGENIERIA INDUSTRIAL

ESTADÍSTICA INFERENCIAL I

“DISTRIBUCIONES FUNDAMENTALES DE MUESTREO”

ING. LUIS EDUARDO BASTO AGUILAR

Integrantes:

 Díaz Domínguez Jesús Daniel


 Tamayo Cruz Nubia Abril
 Trujeque Olan Alex Armando

3I2

Viernes 18 de septiembre del 2020

Mérida, Yucatán, México


Índice

Introducción

Distribuciones fundamentales de muestreo.

1.1. Introducción a la Estadística Inferencial.

1.2. Tipos de muestreo.

1.3. Teorema de límite central.

1.4. Distribuciones fundamentales de muestreo.

1.4.1. Distribución muestral de medias.

1.4.2. Distribución muestral de medias con σ desconocida.

1.4.3. Distribución muestral de diferencia de medias.

1.4.4. Distribución muestral de proporciones.

1.4.5. Distribución muestral de una varianza.

1.4.6. Distribución muestral de relación de varianzas.

Conclusión

Bibliografía
Distribuciones fundamentales de muestreo.

1.1. Introducción a la Estadística Inferencial.

1.2. Tipos de muestreo.

En ocasiones en que no es posible o conveniente realizar un censo (analizar a


todos los elementos de una población), se selecciona una muestra, entendiendo
por tal una parte representativa de la población.

El muestreo es por lo tanto una herramienta de la investigación científica, cuya


función básica es determinar que parte de una población debe examinarse, con la
finalidad de hacer inferencias sobre dicha población. La muestra debe lograr una
representación adecuada de la población, en la que se reproduzca de la mejor
manera los rasgos esenciales de dicha población que son importantes para la
investigación. Para que una muestra sea representativa, y por lo tanto útil, debe de
reflejar las similitudes y diferencias encontradas en la población, es decir
ejemplificar las características de ésta.

Los errores más comunes que se pueden cometer son:

1.-Hacer conclusiones muy generales a partir de la observación de sólo una parte


de la Población, se denomina error de muestreo.

2.-Hacer conclusiones hacia una Población mucho más grandes de la que


originalmente se tomó la muestra. Error de Inferencia.

En la estadística se úsala palabra población para referirse no sólo a personas si


no a todos los elementos que han sido escogidos para su estudio y el término
muestra se usa para describir una porción escogida de la población.

TIPOS DE MUESTREO
Existen diferentes criterios de clasificación de los diferentes tipos de muestreo,
aunque en general pueden dividirse en dos grandes grupos: métodos de muestreo
probabilísticos y métodos de muestreo no probabilísticos.

I. Muestreo probabilístico
Los métodos de muestreo probabilísticos son aquellos que se basan en
el principio de equiprobabilidad. Es decir, aquellos en los que todos los
individuos tienen la misma probabilidad de ser elegidos para formar
parte de una muestra y, consiguientemente, todas las posibles muestras
de tamaño n tienen la misma probabilidad de ser seleccionadas. Sólo
estos métodos de muestreo probabilísticos nos aseguran la
representatividad de la muestra extraída y son, por tanto, los más
recomendables. Dentro de los métodos de muestreo probabilísticos
encontramos los siguientes tipos:
1.-Muestreo aleatorio simple: El procedimiento empleado es el siguiente:
1) se asigna un número a cada individuo de la población y 2) a través de
algún medio mecánico (bolas dentro de una bolsa, tablas de números
aleatorios, números aleatorios generados con una calculadora u
ordenador, etc.) se eligen tantos sujetos como sea necesario para
completar el tamaño de muestra requerido.
Este procedimiento, atractivo por su simpleza, tiene poca o nula utilidad
práctica cuando la población que estamos manejando es muy grande
2.-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 ese
número aleatorio i, que es un número elegido al azar, y los elementos
que integran la muestra son los que ocupa los lugares i, ku, i+2k, i+3k,
i+(n-1) k, es decir se toman los individuos de k en k, siendo k el
resultado de dividir el tamaño de la población entre el tamaño de la
muestra: k= N/n. El número i que empleamos como punto de partida
será un número al azar entre 1 y k.
El riesgo este tipo de muestreo está en los casos en que se dan
periodicidades en la población ya que al elegir a los miembros de la
muestra con una periodicidad constante (k) podemos introducir una
homogeneidad que no se da en la población. Imaginemos que estamos
seleccionando una muestra sobre listas de 10 individuos en los que los
5 primeros son varones y las 5 últimas mujeres, si empleamos un
muestreo aleatorio sistemático con k=10 siempre seleccionaríamos o
sólo hombres o sólo mujeres, no podría haber una representación de los
dos sexos.
3.-Muestreo aleatorio estratificado: Trata de obviar las dificultades que
presentan los anteriores ya que simplifican los procesos y suelen reducir
el error muestral para un tamaño dado de la muestra. Consiste en
considerar categorías típicas diferentes entre sí (estratos) que poseen
gran homogeneidad respecto a alguna característica (se puede
estratificar, por ejemplo, según la profesión, el municipio de residencia,
el sexo, el estado civil, etc.). Lo que se pretende con este tipo de
muestreo es asegurarse de que todos los estratos de interés estarán
representados adecuadamente en la muestra. Cada estrato funciona
independientemente, pudiendo aplicarse dentro de ellos el muestreo
aleatorio simple o el estratificado para elegir los elementos concretos
que formarán parte de la muestra. En ocasiones las dificultades que
plantean son demasiado grandes, pues exige un conocimiento detallado
de la población. (Tamaño geográfico, sexos, edades,).
La distribución de la muestra en función de los diferentes estratos se
denomina afijación, y puede ser de diferentes tipos:
Afijación Simple: A cada estrato le corresponde igual número de
elementos muéstrales.
Afijación Proporcional: La distribución se hace de acuerdo con el peso
(tamaño) de la población en cada estrato.
Afijación Optima: Se tiene en cuenta la previsible dispersión de los
resultados, de modo que se considera la proporción y la desviación
típica. Tiene poca aplicación ya que no se suele conocer la desviación.
4.-Muestreo aleatorio por conglomerados: Los métodos presentados
hasta ahora están pensados para seleccionar directamente los
elementos de la población, es decir, que las unidades muéstrales son
los elementos de la población.
En el muestreo por conglomerados la unidad muestral es un grupo de
elementos de la población que forman una unidad, a la que llamamos
conglomerado. Las unidades hospitalarias,
los departamentos universitarios, una caja de determinado producto,
etc., son conglomerados naturales. En otras ocasiones se pueden
utilizar conglomerados no naturales como, por ejemplo, las urnas
electorales. Cuando los conglomerados son áreas geográficas suele
hablarse de "muestreo por áreas".
El muestreo por conglomerados consiste en seleccionar aleatoriamente
incierto número de conglomerados (el necesario para alcanzar el
tamaño muestral establecido) y en investigar después todos los
elementos pertenecientes a los conglomerados elegidos.
II. Métodos de muestreo no probabilísticos
A veces, para estudios exploratorios, el muestreo probabilístico resulta
excesivamente costoso y se acude a métodos no probabilísticos, aun
siendo conscientes de que no sirven para realizar generalizaciones
(estimaciones inferenciales sobre la población), pues no se tiene certeza
de que la muestra extraída sea representativa, ya que no todos los
sujetos de la población tienen la misma probabilidad de ser
elegidos. En general se seleccionan a los sujetos siguiendo
determinados criterios procurando, en la medida de lo posible, que la
muestra sea representativa.
En algunas circunstancias los métodos estadísticos y epidemiológicos
permiten resolver los problemas de representatividad aun en situaciones
de muestreo no probabilístico, por ejemplo, los estudios de caso-control,
donde los casos no son seleccionados aleatoriamente de la población.
Entre los métodos de muestreo no probabilísticos más utilizados en
investigación encontramos:
1.-Muestreo por cuotas: También denominado en ocasiones
"accidental". Se asienta generalmente sobre la base de un buen
conocimiento de los estratos de la población y/o de los individuos más
"representativos" o "adecuados" para los fines de la investigación.
Mantiene, por tanto, semejanzas con el muestreo aleatorio estratificado,
pero no tiene el carácter de aleatoriedad de aquél.
En este tipo de muestreo se fijan unas "cuotas" que consisten en un
número de individuos que reúnen unas determinadas condiciones, por
ejemplo: 20 individuos de 25 a 40 años, de sexo femenino y residentes
en Gijón. Una vez determinada la cuota se eligen los primeros que se
encuentren que cumplan esas características. Este método se utiliza
mucho en las encuestas de opinión.
2.-Muestreo intencional de conveniencia: Este tipo de muestreo se
caracteriza por un esfuerzo deliberado de obtener muestras
"representativas” mediante la inclusión en la muestra de grupos
supuestamente típicos. Es muy frecuente su utilización en sondeos
preelectorales de zonas que en anteriores votaciones han marcado
tendencias de voto.
También puede ser que el investigador seleccione directa e
intencionadamente los individuos de la población. El caso más frecuente
de este procedimiento el utilizar como muestra los individuos a los que
se tiene fácil acceso (los profesores de universidad emplean con mucha
frecuencia a sus propios alumnos).
3.-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, etc.
4.-Muestreo Discrecional· A criterio del investigador los elementos son
elegidos sobre lo que él cree que pueden aportar al estudio.

1.3. Teorema de límite central.

1.4. Distribuciones fundamentales de muestreo.

1.4.1. Distribución muestral de medias.

1.4.2. Distribución muestral de medias con σ desconocida.

1.4.3. Distribución muestral de diferencia de medias.

1.4.4. Distribución muestral de proporciones.

1.4.5. Distribución muestral de una varianza.

1.4.6. Distribución muestral de relación de varianzas.

También podría gustarte