Inferencias estadísticas

Fase 2 muestreo e intervalos de confianza

Presentado

por

Harry ortiz

CC. 1082693791

Grupo:

100403_48

Tutor
DIANA MILENA CALIMAN

Universidad abierta y a distancia UNAD

Ciudad de pasto Nariño
Fecha 11-03-2021
 introducción

Este trabajo del curso de Inferencia Estadística nos permite dar inicio

con la temática planteada para el curso, así como conocer conceptos

generales de la inferencia estadística, llevando a cabo la solución a la

actividad colaborativa y a la actividad individual

 Actividad 2: Tipo de muestreo

Descripción de la actividad: Cada estudiante debe dar respuesta a las siguientes

preguntas:

1. ¿Cuándo se utiliza un muestreo?

2. ¿Cuáles son los diferentes tipos de muestreos? Explique en qué consiste cada uno de
ellos.

3. ¿Cómo se realiza el muestreo sistemático?

4. ¿Cómo se realiza el muestreo aleatorio simple?

 1. ¿Cuándo se utiliza un 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 tomo la muestra. Error de Inferencia. En la estadística se usa la 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.
 2 cuáles son los diferentes tipos de muestreos? Explique en qué
consiste cada uno de ellos.

TIPOS DE MUESTREO

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.

2 - 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.

3.- 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, i+k, 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 los 5 últimos 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.

4 - Muestreo intencional o 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)
5 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.

6 - 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,
3 ¿Cómo se realiza el muestreo sistemático?

En el muestreo aleatorio sistemático, el investigador primero escoge aleatoriamente la

primera pieza o sujeto de la población. A continuación, el investigador seleccionará a cada
enésimo sujeto de la lista.

El procedimiento del muestreo aleatorio sistemático es muy fácil y se puede hacer

manualmente. Los resultados son representativos de la población a menos que se repitan
ciertas características de la población por cada enésimo individuo, lo que es muy poco
probable.

1.intervalo:
El investigador elige otro número entero que servirá como la diferencia constante entre dos
números consecutivos en la progresión.

El número entero se selecciona típicamente de modo que el investigador obtenga el tamaño de la

muestra correcto.

2. número de inicio
El investigador selecciona un número entero que debe ser menor al número total de
individuos en la población. Este número entero corresponderá al primer sujeto.
4 ¿Cómo se realiza el muestreo aleatorio simple?
El muestreo aleatorio simple es una técnica de muestreo en la que todos los elementos que
forman el universo - y que por lo tanto están incluidos en el marco muestral - tienen
idéntica probabilidad de ser seleccionados para la muestra. El proceso de muestreo que
emplea esta técnica es equivalente a hacer un sorteo entre los individuos del universo:
asignamos a cada persona un boleto, introducimos los boletos en una urna y empezamos a
extraer boletos al azar. Todos los individuos que tengan un boleto extraído de la urna
formarían la muestra. Obviamente, en la práctica, estos métodos pueden automatizarse
mediante el uso de programas informáticos.

Dependiendo de si los individuos del universo pueden ser seleccionados más de una vez en
la muestra o no, hablaremos de muestreo aleatorio simple con reposición o sin reposición.
Si usamos reposición, el hecho de que seleccione un individuo al azar para la muestra no
impide que este mismo individuo pueda volver a ser seleccionado. Siguiendo con el símil
de la urna y los boletos, usar reposición equivale a reintroducir los boletos de los individuos
seleccionados para la muestra antes de extraer el siguiente boleto.

Si, por el contrario, no usamos reposición, un individuo seleccionado para la muestra ya no

entraría nuevamente en el sorteo. Un individuo solo puede aparecer una única vez en una
muestra.

La pregunta obvia que puedes plantearte es, ¿qué es mejor, usar reposición o no úsala?
Responderemos esta pregunta un poco más abajo, pero antes, revisemos qué precisión logra
el muestreo aleatorio simple con reposición para un tamaño de muestra dado y,
alternativamente, qué tamaño de muestra necesito para garantizar cierta precisión
5. ¿Qué sucede cuando se realiza un muestreo probabilístico en
muestras pequeñas?

Pongamos un ejemplo. Supongamos que queremos medir la satisfacción de los clientes de

una empresa. Para poder generar un marco muestral, podríamos acceder al sistema
informático de la misma y extraer una lista de todas las personas que han contratado algún
producto o servicio en el último año. Cada una de las personas de esa lista serían unidades
muestrales. Seleccionando un conjunto de estos clientes, obtendríamos una muestra.

La proporción entre el tamaño de la muestra y el tamaño del marco muestral se conoce

como fracción muestral. Ésta, junto con el tamaño del marco muestral, definen la precisión
de los resultados que que obtenemos cuando analizamos la muestra.

Muestreo probabilístico

1. Todos los elementos de la población tienen una probabilidad mayor a cero de ser
seleccionados en la muestra.

2. La probabilidad de inclusión de cada elemento en la muestra se conoce de forma precisa. 

El cumplimiento de ambos criterios es el que hace posible obtener resultados no sesgados

cuando se estudia la muestra y determinar el grado de incertidumbre que añade el proceso
de muestreo. En ocasiones, estos resultados no sesgados requieren usar técnicas de
ponderación, pero esta ponderación es posible precisamente porque se conoce la
probabilidad de que cada individuo sea seleccionado en la muestra. Las muestras generadas
en estas condiciones se conocen también como muestras probabilísticas.

La definición anterior nos lleva a concluir que sólo podemos hacer muestreo probabilístico
si se dispone de un marco muestral. El censo de un país, el conjunto de direcciones de
hogares en una población o la lista de clientes de una empresa, son ejemplos de marcos
muestrales que hacen posible un muestreo probabilístico. En cada uno de estos casos, el
universo a estudiar es diferente: habitantes de un país, hogares de una población y clientes
de una empresa, respectivamente.

Una tenemos un marco muestral, la forma exacta en que se utiliza para seleccionar la
muestra define las diferentes técnicas de muestreo probabilístico: muestreo aleatorio
simple, muestreo sistemático, muestreo estratificado, muestreo por conglomerados...

 
Qué es un intervalo de confianza

Un intervalo de confianza es un rango de valores, derivado de los estadísticos de

la muestra, que posiblemente incluya el valor de un parámetro de población

desconocido. Debido a su naturaleza aleatoria, es poco probable que dos

muestras de una población en particular produzcan intervalos de confianza

idénticos. Sin embargo, si usted repitiera muchas veces su muestra, un

determinado porcentaje de los intervalos de confianza resultantes incluiría el

parámetro de población desconocido.

A qué se le llama error de estimación

mide la desviación en una muestra valor poblacional. Es decir, el error estándar de

estimación mide las posibles variaciones de la media muestral con respecto al verdadero
valor de la media poblacional.

Por ejemplo, si se desea conocer la edad promedio de la población de un país (media

poblacional) se toma un pequeño grupo de habitantes, a los que llamaremos “muestra”. De
ella se extrae la edad promedio (media muestral) y se asume que la población tiene esa edad
promedio con un error estándar de estimación que varía más o menos.
Qué representan los límites de confianza obtenidos en un intervalo
de confianza

Cuando precisamos conocer el valor de una variable en la población, debemos estimarla a

partir de los datos obtenidos de muestras extraídas de esa población. Los intervalos de
confianza nos permiten aproximar, una vez calculado el valor de la variable en la muestra,
entre qué rango de valores se encuentra el valor real inaccesible de la variable en la
población, con un grado de incertidumbre que podemos determinar.
Además, los intervalos de confianza aportan información añadida que se pierde cuando
únicamente se valora la probabilidad de significación estadística, ya que nos permiten
estudiar la precisión de la estimación del estudio y la relevancia de los resultados desde el
punto de vista clínico.

Cómo se calculan los intervalos de confianza para la media

Un intervalo de confianza (o nivel de confianza) es un indicador de la precisión de una

medición que hiciste. También es un indicador de cuán estable es tu valor estimado, el cual
es la medida de lo cerca que estará la medición hecha con respecto al valor estimado
original si repitieras tu experimento. Sigue los pasos a continuación para calcular el
intervalo de confianza para tus datos.

Cómo se calculan los intervalos de confianza para la proporción

Escoge un dato estadístico de tu muestra (por ejemplo, el promedio o la desviación
estándar) que quieras usar para estimar el parámetro de tu población escogida. Un
parámetro de población es un valor que representa una característica particular de la
población. Así es cómo puedes encontrar el promedio y la desviación estándar de tu
muestra:

Para calcular el promedio (o media) de los datos de la muestra, solo suma todos los pesos
de los 1000 hombres que elegiste y divide el resultado entre 1000, es decir, el número de
hombres. Esto debe darte un valor del peso promedio de 84,4 kg (186 lb).

Para calcular la desviación estándar de la muestra, tendrás que encontrar el promedio o la

media de los datos. Luego, tendrás que encontrar la varianza de los datos o el promedio al
cuadrado de las diferencias con respecto al valor medio. Una vez que encuentres este
número, solo calcula su raíz cuadrada. Supongamos que la desviación en este caso es de 14
kg (30 lb) (ten en cuenta que esta información algunas veces podría estar disponible para ti
al resolver un problema de estadística).