Este documento presenta una introducción a la teoría de muestreo. Explica conceptos clave como población, muestra, estimador y diferentes tipos de muestreo como probabilístico, no probabilístico, aleatorio simple, sistemático y estratificado. También describe las ventajas del uso de muestras y las distribuciones muestrales de medias, proporciones y varianzas.
0 calificaciones0% encontró este documento útil (0 votos)
73 vistas12 páginas
Este documento presenta una introducción a la teoría de muestreo. Explica conceptos clave como población, muestra, estimador y diferentes tipos de muestreo como probabilístico, no probabilístico, aleatorio simple, sistemático y estratificado. También describe las ventajas del uso de muestras y las distribuciones muestrales de medias, proporciones y varianzas.
Este documento presenta una introducción a la teoría de muestreo. Explica conceptos clave como población, muestra, estimador y diferentes tipos de muestreo como probabilístico, no probabilístico, aleatorio simple, sistemático y estratificado. También describe las ventajas del uso de muestras y las distribuciones muestrales de medias, proporciones y varianzas.
Este documento presenta una introducción a la teoría de muestreo. Explica conceptos clave como población, muestra, estimador y diferentes tipos de muestreo como probabilístico, no probabilístico, aleatorio simple, sistemático y estratificado. También describe las ventajas del uso de muestras y las distribuciones muestrales de medias, proporciones y varianzas.
Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
Descargar como docx, pdf o txt
Está en la página 1de 12
Universidad Tcnica de Manab
Facultad de Ciencias Informticas
Tarea de Estadstica Tema: Teora muestral Nombre del grupo: Los discpulos de Jess Nomina: Intriago Diego Rodrguez David Bermdez Diego Zambrano Jess
Nivel: 6 semestre C
TEORA ELEMENTAL DE MUESTREO La teora de muestreo se refiere al estudio de las relaciones que existen entre un colectivo o poblacin y las muestras que se extraen de las mismas. El estudio de las muestras permite hacer estimaciones de caractersticas desconocidas de la poblacin (tales como media, desviacin tpica, proporciones, etc). Estas estimaciones se hacen a partir del conocimiento de las caractersticas de las muestras (media, desviacin tpica, proporcin, etc). Las caractersticas o medidas obtenidas de una muestra se llaman estadsticos; y las medidas correspondientes a la poblacin parmetros. Cuando una medida muestral o estadstico es utilizada como representante de una caracterstica poblacional o parmetro se denomina estimador. Ventajas de la utilizacin de las muestras 1) El costo es menor y se puede obtener un mejor rendimiento del dinero invertido. 2) Se obtiene una disminucin notable del tiempo necesario para alcanzar la informacin Cuando una muestra posee 30 o ms datos se denominan grandes muestras y si la muestra tiene menos de 30 observaciones se denomina pequeas muestras. Al procedimiento utilizado para elegir una muestra se denomina Muestreo. Necesidad del Muestreo. 1. Poblacin Infinita 2. Poblacin uniforme 3. Proceso de investigacin destructiva 4. Economa de costos 5. Calidad Muestreo con o sin reemplazamiento: Con reemplazamiento cuando un elemento de la poblacin puede ser escogido varias veces para formar parte de la muestra. Sin reemplazamiento cuando un elemento de la poblacin solo puede ser seleccionado una sola vez para formar parte de la muestra.
Poblacin: es una coleccin de todos los elementos que estamos estudiando y acerca de los cuales se intenta extraer conclusiones. Puede ser infinita o finita.
Muestra: Una parte de la poblacin o un subconjunto del conjunto de unidades obtenidas con el objeto de investigar las propiedades de la poblacin.
Muestreo estadstico: Es un enfoque sistemtico para seleccionar unos cuantos elementos (una muestra) de un grupo de datos (poblacin) a fin de hacer algunas inferencias sobre el grupo total. Desde el punto de vista matemtico, podemos describir las muestras y las poblaciones mediante medidas como la media, la moda, la desviacin estndar, etc. No es ms que el procedimiento a travs del cual se obtienen las muestras.
Tipos de muestreo
Muestreo de juicio o no probabilstico. (opintico). Se basa en el conocimiento de la poblacin por parte de alguien, quien hace a la muestra representativa, dependiendo de su intencin, por lo tanto es subjetiva.
Probabilstico (Errtico): Todos los elementos de la poblacin tienen la posibilidad de pertenecer a la muestra.
Muestreo de juicio: A travs del conocimiento y la opinin personal, basada en la experiencia del investigador, se identifican los elementos de la poblacin que van a formar parte de la muestra. Una muestra seleccionada por muestreo de juicio se basa en el conocimiento de la poblacin por parte de alguien. Por ejemplo, un guardabosque tomar una muestra de juicio si decide con antelacin que parte de una gran zona reforestada deber recorrer para estimar el total de metros de madera que pueden cortarse. En ocasiones el muestreo de juicio sirve de muestra piloto para decidir cmo seleccionar despus una muestra aleatoria.
Muestreo aleatorio: Cuando se conoce la probabilidad de que un elemento de la poblacin figure o no en la muestra, puede ser:
Muestreo Aleatorio Simple (Irrestrictamente Aleatorio): Un muestreo es aleatorio cuando cada elemento de la poblacin tiene la misma probabilidad de ser escogido para formar parte de la muestra. Este tipo de muestreo evita que la muestra sea sesgada evitando por lo tanto que se realice una mala inferencia estadstica. Por ejemplo, supngase que un investigador quiera estimar el mdulo de ruptura promedio de un material determinado formado por una poblacin de tamao N = 500; por ser ensayos destructivos este quiere seleccionar una muestra de tamao n = 10 que le permita realizar la inferencia, ahora bien el criterio que us el investigador para seleccionar dicha muestra fue el de tomar 10 materiales que estaban ms prximos a l; evidentemente esta muestra no es representativa de la poblacin, se dice que esta sesgada, por lo que la inferencia estadstica que se realice ser errnea. Por lo tanto, una muestra se dice que esta sesgada cuando los elementos seleccionados tenan mayor probabilidad de pertenecer a la misma.
Cmo hacer el muestreo aleatorio La forma ms fcil de realizarlo es usando nmeros aleatorios, para esto se puede recurrir a una tabla o a un generador de nmeros aleatorios. Actualmente, se recurre a computadora.
Muestreo Sistemtico o Secuencial. Los elementos se seleccionan de la poblacin con un intervalo uniforme en el tiempo, en el orden o en el espacio. Por ejemplo, supongamos que se quiere estudiar una determinada caracterstica de un producto fabricado en serie y se decide seleccionar a cada veinte producto hasta formar la muestra, para esto se escoge un punto aleatorio de arranque en los primeros veinte productos y luego se escoge cada vigsimo producto hasta completar la muestra. Una de las ventajas de este muestreo es cuando los elementos presentan un patrn secuencial, tal vez requiera menos tiempo y algunas veces cuesta menos que el mtodo de muestreo aleatorio.
INFERENCIA ESTADISTICA
Muestreo Estratificado. Para aplicar el muestreo estratificado, se divide la poblacin en grupos homogneos, llamados estratos, los cuales son heterogneos entre s. Despus se recurre a uno de dos mtodos posibles:
a) Se selecciona al azar en cada estrato un nmero especificado de elementos correspondientes a la proporcin del estrato de la poblacin total
b) Se extrae al azar un nmero igual de elementos de cada estrato y damos un peso a los resultados de acuerdo a la proporcin del estrato en la poblacin total.
El muestreo estratificado es adecuado cuando la poblacin ya est dividida en grupos de diferentes tamaos y queremos reconocer este hecho. La ventaja de las muestras estratificadas, es que cuando se disean bien, reflejan ms exactamente las caractersticas de la poblacin de donde se extrajeron que otras clases de muestreo.
Muestreo por Conglomerado. En el muestreo por conglomerados, se divide la poblacin en grupos o conglomerados de elementos heterogneos, pero homogneos con respecto a los grupos entre s. Un procedimiento bien diseado, de muestreo por conglomerados, puede producir una muestra ms precisa a un costo mucho menor que el de un simple muestreo aleatorio. Se usa el muestreo estratificado cuando cada grupo presenta una pequea variacin en su interior, pero existe una amplia variacin entre ellos. Se usa el muestreo por conglomerado en el caso contrario, cuando hay considerable variacin dentro de cada grupo pero los grupos son esencialmente semejantes entre s.
DISTRIBUCIONES MUESTRALES 1 DISTRIBUCIN MUESTRAL DE MEDIAS 2 DISTRIBUCIN MUESTRAL PARA DIFERENCIAS DE MEDIAS 3 DISTRIBUCIN MUESTRAL DE PROPORCIONES Y DIFERENCIAS 4 DISTRIBUCIN MUESTRAL DE VARIANZAS Se define la distribucin muestral de un estadstico (distribucin de muestreo) en una poblacin, como la distribucin de probabilidad de todos los posibles valores que un estadstico puede asumir para cierto tamao de la muestra. Especficamente, se trabajar con las distribuciones mustrales para: medias, proporciones y varianzas. Una distribucin muestral es una distribucin de probabilidad de un estadstico muestral calculado a partir de todas las muestras posibles de tamao n, elegidas al azar en una poblacin determinada. Si la poblacin es infinita, tenemos que concebir la distribucin muestral como una distribucin muestral terica, ya que es imposible sacar todas las muestras aleatorias posibles de tamao n de una poblacin infinita. Si la poblacin es finita y moderada se puede construir una distribucin muestral experimental, sacando todas las muestras posibles de un tamao dado, calculando para cada muestra el valor del estadstico que nos interesa. Ejemplo, supongamos que se tiene una poblacin de tamao N = 10 y queremos extraer con reemplazamiento todas las muestras posibles de tamao n = 5, para esto se utiliza la relacin Nn, es decir, 105 = 100000 muestras de tamao n = 5. En cambio, si el muestreo es sin reemplazamiento, el nmero de muestras de tamao N = 5 viene dado por la combinatoria:
Por lo que considerando este caso, la distribucin muestral para un estadstico determinado, por ejemplo, la media viene dado por:
Esto es, o sea, la distribucin muestral de medias. Se puede hacer una aproximacin experimental de distribuciones muestrales basadas en poblaciones infinitas o finitas grandes, sacando un nmero de muestras aleatorias y siguiendo el mismo procedimiento anterior.
1) DISTRIBUCIN MUESTRAL DE MEDIAS: Es la distribucin de probabilidad de todas las medias posibles de las muestras, para un tamao n determinado. Ver ejemplo, anterior. Esta distribucin de probabilidad tiene asociados (parmetros) tales como la media y desviacin estndar . Para calcular, estos parmetros de la distribucin muestral de medias se utilizan las siguientes relaciones:
La expresin es la desviacin estndar de la distribucin muestral de medias, se le llama error tpico o estndar de la media y nos indica la diferencia promedio entre los diversos valores de
Como se observa, a medida que el tamao de la muestra aumenta este error dismunuye, las diversas medias muestrales se hacen ms uniforme en su valor, y en consecuencia, cualquier media muestral es una buena estimacin de la media poblacional . Distribuciones Mustrales Construccin De una poblacin discreta, finita, de tamao N, extraer todas las muestras posibles de tamao n Calcular el valor del estadstico de inters de cada muestra Hacer una tabla con dos columnas: en la primera los posibles valores diferentes del estadstico y en la segunda, la frecuencia de ocurrencia. Distribucin Muestral de la Media
Una poblacin consiste de 10 vendedores de una compaa. La variable de inters, X, es la antigedad.
X = {1, 2, 3, 4, 5, 6, 7, 8, 9,10} Podemos calcular los siguientes:
Distribucin Muestral de la Media
1. Extraemos todas las posibles muestras. Supongamos n=2 (100 muestras). 2. Calculamos la media para cada una de esas muestra x 3. Listar los valores diferentes del estadstico y sus frecuencias.
Distribuciones Mustrales Cuando el muestreo se extrae de una poblacin distribuida normalmente, la distribucin muestral de la media muestral tiene las siguientes propiedades: 1. La distribucin de la media es normal, independientemente del tamao de la muestra. 2. La Media de la distribucin de las medias es igual a la media de la poblacin. 3. La varianza de la distribucin de las medias es igual a la varianza de la poblacin, dividida entre n. Teorema del Lmite Central Dada una poblacin con media y varianza finita 2 , con cualquier distribucin, la distribucin muestral de la media, calculada de muestras aleatorias de tamao n, est distribuida normalmente con media y varianza finita 2 /n, cuando n es grande. La regla de oro dice que n30.
Ejemplo La vida promedia de cierta herramienta es de 41.5 horas, con una desviacin estndar de 2.5 horas. Cul es la probabilidad de que una muestra aleatoria de tamao 50 extrada de esta poblacin tenga una media entre 40.5 y 42 horas? P(40,5 x 42) = P(-2,86 z 1,43) = P(0 z 2,86) + P(0 z 1,43) = 0,9215 DISTRIBUCIN MUESTRAL PARA LA DIFERENCIA DE MEDIAS (X1 - X2).- A veces interesa hacer inferencias sobre la diferencia poblacional de medias 1 - 2, o saber si es razonable concluir que dos medias poblacionales no son iguales, considerando que se tienen sendas muestras para las poblaciones 1 y 2, respectivamente, donde:
Entonces, la diferencia de las medias mustrales , estima a 1 - 2. La forma funcional de la distribucin muestral de depende de la forma funcional de las poblaciones donde se extraen las muestras tomando en cuenta: - Si ambas poblaciones son normales la distribucin muestral de la diferencia de medias es normal. - Si una o ambas de las poblaciones no es normal, la distribucin muestral de las diferencias de medias 1 2 X - X es normal si n1 + n2 2 >30 (grandes muestras), este resultado se deduce del teorema del lmite central En estos casos, los parmetros que definen esta distribucin muestral de las diferencias de medias vienen dados por:
El cual se aplica para dos casos especficos dependiendo de la muestra:
a) Para grandes muestras, cuando v = n1+n2 - 2 30, se trabaja con la distribucin normal. En estos casos, estandarizando la diferencia de medias mustrales, se tiene:
b) Para pequeas muestras, Cuando v = n1 + n2 2 30, se trabaja con la Distribucin t de Student. Por lo tanto, el valor viene dado por:
Ejemplo
Dos compaas fabrican lubricantes de alta temperatura, para el mismo mercado. La compaa A anuncia que en promedio, su lubricante deja de ser efectivo a 505 F, con una desv. est. de 10 F. La compaa B anuncia que su producto tiene una media de 475 F, con una desv. est. de 7 F. Suponga que una muestra de tamao 20 para la primera compaa y otra independiente de tamao 25 para la segunda son extradas aleatoriamente. Cul es la probabilidad de que la diferencia en temperatura promedio de falla para las dos muestras est entre 25 y 35 F?
Informe cuantitativo Todos trabajamos equitativamente, nos reunimos el da viernes para organizarnos y dividir el trabajo, no hubo ningn inconveniente ya q todos trabajamos por igual y todos colaboran de alguna u otra forma con lo cual esperamos haber realizado un buen trabajo.