Universidad Mariano Gálvez de Guatemala

Facultad de ciencias económicas

Catedrático: Juan Alberto Pérez Mach
Área: Métodos Estadísticos I

MUESTREO

Estudiantes: Carne:
Josselyn Gabriela Lémus Palma 0329-21-22164
Alejandra Isabel Cotto Barrera 0329-21-7699
Olga Magdalena Valdez Galeano 0329-21-2923
Jeizel Yohanna Jiménez Moreno 0329-21-12759
Adela María Mangandid García 0329-21-17591
Jose Miguel Peñate Corado 0329-21-7883
Keren Paola Crispin Rodríguez 0329-21-7844
 Índice
INTRODUCCIÓN ...........................................................................................................................1
MUESTREO ....................................................................................................................................2
INTRODUCCIÓN AL MUESTREO ............................................................................................2
MUESTREO ALEATORIO...........................................................................................................3
Tipos de muestreo aleatorio: ...........................................................................................4
MUESTREO ALEATORIO SIMPLE ......................................................................................4
Pasos para realizar un muestreo aleatorio simple ..........................................4
Tipos de muestreo aleatorio simple .........................................................................5
Ventajas del muestreo aleatorio simple ................................................................5
Desventajas del muestreo aleatorio simple .........................................................5
Fortalezas y debilidades del muestreo simple ...................................................6
Ejemplo de muestreo aleatorio ..................................................................................7
MUESTREO SISTEMATICO ...................................................................................................8
Pasos para la selección de un muestreo sistemático .......................................8
Fortalezas y debilidades del muestreo simple ...................................................9
MUESTREO ESTRATIFICO .................................................................................................10
MUESTREO POR CONGLOMERADOS .............................................................................10
Diferencia entre el muestreo por grupo y el muestreo estratificado ......11
Muestreo conglomerado diferentes tamaños ....................................................11
Aplicaciones del muestreo conglomerados ........................................................11
INTRODUCCIÓN A DISTRIBUCIONES MUESTRALES ....................................................13
DISTRIBUCIONES MUESTRALES .....................................................................................13
DISTRIBUCIÓN MUESTRAL DE LA MEDIA ...................................................................14
DISTRIBUCIONES MUESTRALES .....................................................................................15
Ejemplo del proceso de generación de una distribución muestral de la
media ...................................................................................................................................15
Ejemplo del proceso de generación de una distribución muestral ........16
DISTRIBUCIÓN MUESTRAL DE LA MEDIA PARA MUESTRAS CON UN
TAMAÑO DE DOS ...................................................................................................................17
OPERACIONES CON MUESTREO ..........................................................................................18
CONCLUSIONES .........................................................................................................................20
RECOMENDACIONES ...............................................................................................................21
E-GRAFIA .....................................................................................................................................22
 INTRODUCCIÓN

El propósito de un Estudio Estadístico suele ser, extraer conclusiones acerca de la naturaleza

de una población. Al ser población grande y no poder ser estudiada en su integridad en la
mayoría de los casos, las conclusiones obtenidas deben basarse en el examen de solamente
una parte de esta lo que conlleva, en primer lugar, a la definición de diferentes técnicas de
muestreo.
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 produzca 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 esta.
Los puntos a tratar serán los siguientes. En primer lugar, algunas definiciones y conceptos
previos sobre muestreo, introducción al muestreo, diferentes tipos de muestreo, así misma
la introducción a las distribuciones muestrales, como también operaciones con muestreo,
cabe recalcar que esta investigación es de suma importancia ya que nos dio a conocer el
objetivo de la estadística que es inferir conclusiones validas aplicables a toda la población a
partir de una muestra.

1
 MUESTREO
INTRODUCCIÓN AL MUESTREO

El muestreo es el proceso mediante el cual se selecciona un grupo de

observaciones que pertenecen a una población. Esto, con el fin de realizar
un estudio estadístico, en otras palabras, es el procedimiento mediante el cual se
toman a ciertos individuos que pertenecen a una población que está siendo sujeto
de un análisis. Ya que es necesario por el hecho de que las poblaciones pueden ser
demasiado grandes y no es factible (económica y materialmente hablando) tomar
datos de todos los individuos.
El objetivo es que la muestra sea representativa. Es decir, que sus indicadores
como la media de edad, el ingreso promedio, el porcentaje de hombres y de
mujeres, entre otros, sea el mismo, o muy similar al de la población.

Se denomina muestreo al proceso por el que generamos las muestras. Una muestra
es una parte (un subconjunto) de la población, y se desea que la muestra sea lo
más representativa posible de la población de la que procede. Sin embargo, por
muy cuidadosa que sea la selección de la muestra difícilmente será una
representación exacta de la población. Esto significa que su tendencia central,
variabilidad, etc., aproximarán las de la población, pero habrá cierta diferencia, que
interesa sea lo menor posible. Un concepto clave de muestreo es el
de representatividad: Los procedimientos de muestreo tienen por objeto generar
muestras lo más representativas posible de las poblaciones dados los objetivos de
la investigación y las circunstancias que afectan al muestreo.

Desde un punto de vista aplicado, se denomina muestreo el proceso de selección

de la muestra o muestras a utilizar para la investigación. Esto supone generar una
o pocas muestras. Actualmente es de interés la selección de muestras para la
simulación informática de los procesos de muestreo, particularmente para la
obtención de distribuciones muestrales. En estos casos el número de muestras
generadas puede ser muy grande (10.000, 80.000, o más) y el procedimiento de
muestreo se realiza informáticamente y con procedimientos específicos.

Desde un punto de vista teórico, el concepto de muestreo es fundamental para la

Inferencia Estadística. El hecho de que las muestras no sean exactamente
representativas de las poblaciones significa que las inferencias presentan cierto
margen de incertidumbre. Para cuantificarlo y definir técnicas inferenciales es
necesario conocer cómo se comportan los estadísticos obtenidos en las muestras,
esto es, cómo son las distribuciones muestrales de los estadísticos habitualmente
utilizados para la inferencia.

Las muestras singulares generadas para investigación con sujetos suelen utilizarse
para obtener algunos estadísticos (Media, proporción, cuasi varianza, etc.) con los

2
que se realiza el proceso de inferencia. En cambio, las muestras simuladas por
ordenador suelen ser utilizadas para obtener distribuciones muestrales y realizar
inferencia. Esto es de interés cuando se dan circunstancias especiales que no
aconsejan utilizar los procedimientos habituales. Las distribuciones muestrales son
las distribuciones de estadísticos de muestras que pertenecen a la misma población.
Por ejemplo, la distribución muestral de la Media es la distribución de las Medias de
muestras de un mismo tamaño extraídas de la misma población.

Razones de muestreo
Disminución de costos (tiempo, personal, material)

Al disminuir el número de casos disminuyen también los errores

asociados a la manipulación de los datos.

Puede confiarse en la generalización de los resultados si se ha tenido

cuidado al seleccionar la muestra.

Criterios importantes para la selección de la muestra

Salvo en poblaciones muy pequeñas y accesibles nunca se observan a
todas las unidades de la población.

Se debe diseñar una muestra que constituya una representación a pequeña

escala de la población a la que pertenece.

Cualquier diseño maestral comienza con la búsqueda de la información que

ayude a la identificación de las características de la población bajo estudio

MUESTREO ALEATORIO
El muestreo aleatorio, consiste en el aquel procedimiento de selección de la muestra
en el que todos y cada uno de los elementos de la población tiene una cierta
probabilidad de resultar elegidos. De esta forma, si tenemos una población de N
elementos y estamos interesados en obtener una muestra de “n” elementos
(muestra de tamaño n), cada subconjunto de n elementos de la población
tendrá también una cierta probabilidad de resultar la muestra elegida. Con el

3
muestreo aleatorio, por tanto, lo que hacemos es plantear un método de elección.
Un método que tiene en cuenta diferentes probabilidades. Esto lo diferencia de los
métodos no aleatorios en que es la subjetividad del investigador la que decide la
selección de la muestra

Tipos de muestreo aleatorio:

Muestreo aleatorio simple.
Muestreo estratificado.
Muestreo por conglomerados.
Muestreo sistemático.

MUESTREO ALEATORIO SIMPLE

El muestreo aleatorio simple es un procedimiento de muestreo probabilístico que da

a cada elemento de la población objetivo y a cada posible muestra de un tamaño
determinado, la misma probabilidad de ser seleccionado.

Este método de muestreo no es tan utilizado en investigaciones del consumidor,

sobre todo porque es complicado obtener un marco de muestreo de donde extraer
al azar y no querrás darles a todas las unidades de la muestra una probabilidad
igual de ser elegidas; usualmente para hacer una investigación de este tipo se
requiere a usuarios de tiendas o consumidores de ciertos productos o ciertas áreas
específicas para ser las unidades de muestreo.

No dejando de lado la parte importante del muestreo, el cual consiste en tener el

tamaña de la muestra correcta, para no llegar a un error de muestreo, el cual debe
ser el mínimo posible.

Pasos para realizar un muestreo aleatorio simple

Define la población objetivo.

Identifica un marco de muestreo actual de la población objetivo o desarrolla

uno nuevo.

Evalúa el marco de muestreo para la falta de cobertura, cobertura excesiva,

cobertura múltiple y la agrupación, y haz los ajustes que consideres
necesario.

4
 Asigna un número único a cada elemento de la trama.
Determina el tamaño de la muestra.

Selecciona al azar el número específico de elementos de la población.

Tipos de muestreo aleatorio simple

Muestreo reemplazo: En este, después de que un elemento ha sido
seleccionado de entre el marco de la muestra, se devuelve y es elegible para
ser seleccionado de nuevo.

Muestreo sin reemplazo: En este, después de que un elemento se

selecciona del marco de la muestra, se retira de la población y no regresa a
la base del muestreo. Este tipo de muestreo suele ser más eficiente pues no
permite que el mismo elemento de la población entre a la muestra más de
una vez.

Ventajas del muestreo aleatorio simple

Tiende a producir muestras representativas y permite el uso de la estadística
inferencial en el análisis de datos recogidos.

Cada selección es independiente de otras selecciones; Todas las

combinaciones posibles de unidades de muestreo tienen la misma
oportunidad de ser seleccionadas. En el muestreo sistemático, las
posibilidades de ser seleccionado no son independientes entre sí.

En general, es más fácil que otros procedimientos de muestreo probabilístico

(tales como el muestreo por conglomerados) de comprender y comunicar a
otros.

Los procedimientos estadísticos requeridos para analizar los datos y calcular

los errores son más fáciles que los requeridos en otros procedimientos de
muestreo probabilístico.

Desventajas del muestreo aleatorio simple

Se requiere un marco de muestreo de elementos de la población objetivo.
Un marco de muestreo apropiado puede que no exista para la población
que se dirige, y puede que no sea factible o práctico construir uno. En este

5
 caso el muestreo por conglomerados no requiere de una toma de muestra
de los elementos de la población objetivo.

El muestreo aleatorio simple tiende a tener errores de muestreo más

grandes y menos precisión de muestreo estratificado del mismo tamaño de
la muestra.

Los encuestados pueden estar muy dispersos, por tanto, los costos de
la recolección de datos pueden ser superiores a los de otros diseños de la
muestra de probabilidad, como el muestreo por conglomerados.

El muestreo aleatorio simple puede no producir un número suficiente de

elementos de pequeños subgrupos. Esto no haría de un muestreo aleatorio
simple una buena opción para los estudios que requieren un análisis
comparativo de las categorías pequeñas de una población con categorías
mucho más amplias de la población

Fortalezas y debilidades del muestreo simple

Fortalezas Debilidades
En comparación con otros procedimientos de En comparación con otros procedimientos de
muestreo probabilístico muestreo probabilístico

Cada combinación posible de muestreo tiene No se aprovecha del conocimiento que el

igual probabilidad de ser seleccionado. investigador podría tener de la población.

Puede tener errores de muestreo más grandes y

Más fácil de entender y comunicar a otros. menos precisión que otros diseños de muestreo
probabilístico con el mismo tamaño de la muestra.

Si subgrupos de la población tienen intereses

Tiende a producir muestras representativas. particulares no pueden ser incluidos con un número
suficiente en la muestra.

Los procedimientos estadísticos necesarios Si la población está muy dispersa, los costos por
para analizar errores de datos y de software recolección de datos pueden ser más altos que los
de estadísticas son más fáciles. de otros diseños de la muestra de probabilidad.

6
Ejemplo de muestreo aleatorio
Imaginemos que queremos estudiar la estatura media de ciertos alumnos de una
determinada universidad. Son datos ficticios y utilizaremos un ejemplo sencillo. El
paso previo es crear una tabla en la hoja de cálculo con la población total y sus
alturas.

A la derecha podemos insertar el número aleatorio, como se ve en la

imagen (incluimos la fórmula).
Después, utilizamos la opción ordenar de mayor a menor, que no los
ordena, pero los cambia de forma aleatoria

Dicho esto, entonces elegimos la muestra (en este caso diez) en función del
tamaño calculado para este tipo de muestreo aleatorio

Ventajas del muestreo aleatorio

Sencillo y de fácil comprensión.

Cálculo rápido de medias y varianzas.

Se basa en la teoría estadística, y por tanto existen paquetes informáticos

para analizar los datos.

Desventajas del muestreo aleatorio

Requiere que se posea de antemano un listado completo de toda la
población.

7
 Cuando se trabaja con muestras pequeñas es posible que no represente a
la población adecuadamente.

MUESTREO SISTEMATICO

El muestreo sistemático es un tipo de muestreo probabilístico donde se hace una

selección aleatoria del primer elemento para la muestra, y luego se seleccionan los
elementos posteriores utilizando intervalos fijos o sistemáticos hasta alcanzar
el tamaño de la muestra deseado.

Pasos para la selección de un muestreo sistemático

Definer la población objetivo.

Determinar el tamaño deseado de la muestra (n).

Identificar el marco muestreo existente o desarrollar un marco de muestreo

de la población objetivo.

Evaluar el marco muestral por falta de cobertura, cobertura excesiva, múltiple

cobertura, agrupación, periodicidad, y hacer los ajustes cuando sea
necesario. Idealmente, la lista estará en un orden aleatorio con respecto al
estudio variable o, mejor aún, ordenados en función de la variable de interés
o su correlación, creando así estratificación implícita.

Determinar el número de elementos en el marco de la muestra (N).

Calcular el intervalo de muestreo (i) dividiendo el número de elementos en el

marco de muestreo (N) por el tamaño de la muestra específica (n). Uno
debería ignorar el resto y redondear o terminar en el número entero más
próximo. El redondeo hacia abajo y truncando puede hacer que el tamaño de
la muestra sea más grande de lo deseado. Si es así, se puede eliminar de
forma aleatoria las selecciones adicionales. Si no se conoce el tamaño
exacto, o es poco práctico determinar, se puede fijar una fracción de
muestreo.

Seleccionar al azar un número, r, de “1” mediante i.

Selecciona para la muestra, r, r + i, r + 2i, r ,+3i, y así sucesivamente, hasta

agotar el marco.

8
A nivel técnico, el muestreo sistemático no crea una muestra verdaderamente
aleatoria. Sólo la selección del primer elemento de muestreo sistemático es una
selección de probabilidad. Una vez que el primer elemento es seleccionado, algunos
de los elementos tendrán una probabilidad cero de selección.

Además, cierta combinación de elementos, como los elementos que son

adyacentes entre sí en el marco de muestreo, pueden no ser seleccionados.
Muestreos sistemáticos repetidos pueden utilizarse para abordar este problema.

Fortalezas y debilidades del muestreo simple

Al resaltar los puntos fuertes y débiles del muestreo sistemático, podemos

compararlo con el muestreo aleatorio simple. El muestreo sistemático se utiliza a
menudo cuando es imposible o poco práctico utilizar un muestreo aleatorio simple.

Fortalezas Debilidades
A diferencia de un muestreo A diferencia de un muestreo aleatorio simple:
aleatorio simple:
Si el proceso de selección es manual, Si el intervalo de muestreo se relaciona con el
el muestreo sistemático es más fácil, orden periódico de los elementos en el marco de
más simple, menos tiempo, y más muestreo, puede resultar una mayor variabilidad.
económico.
La población objetivo no tiene porque Elementos combinados tienen diferentes
ser numerada y se compila un marco probabilidades de ser seleccionados.
si hay representación física.
Si el orden de los elementos en el Técnicamente, sólo la selección del primer
muestreo se asignó al azar, el elemento es una selección de probabilidad ya
muestreo sistemático puede producir que, para las selecciones posteriores, habrá
resultados similares al muestreo elementos de la población objetivo que tendrán
aleatorio simple. cero probabilidades de ser seleccionados.
El muestreo sistemático elimina la La estimación de las variaciones es más compleja
posibilidad de autocorrelación. que en el muestreo aleatorio simple.
El muestreo sistemático asegura que
la muestra es extendida a toda la
población.

Como se lleve a cabo el muestreo, será determinante para los resultados que vas a
obtener. En conclusión, considera la elección de un muestreo sistemático si:

Es difícil identificar elementos utilizando un método de muestreo aleatorio

simple.

9
 Es importante utilizar un procedimiento de muestreo de probabilidad que
pueda ser fácilmente implementado.

MUESTREO ESTRATIFICO
es una forma de representación estadística que muestra cómo se comporta una característica
o variable en una población a través de hacer evidente el cambio de dicha variable en
subpoblaciones o estratos en los que se ha dividido. Consiste en la división previa de la
población de estudio en grupos o clases que se suponen homogéneos respecto a característica
a estudiar y que no se solapen.
Según la cantidad de elementos de la muestra que se han de elegir de cada uno de los estratos,
existen dos técnicas de muestreo estratificado:

Asignación proporcional: el tamaño de cada estrato en la muestra es proporcional a su

tamaño en la población.
Asignación óptima: la muestra recogerá más individuos de aquellos estratos que tengan
más variabilidad. Para ello es necesario un conocimiento previo de la población.

Ejemplo
Por ejemplo, para un estudio de opinión, puede resultar interesante estudiar por separado las
opiniones de hombres y mujeres pues se estima que, dentro de cada uno de estos grupos,
puede haber cierta homogeneidad. Así, si la población está compuesta de un 55% de mujeres
y un 45% de hombres, se tomaría una muestra que contenga también esa misma proporción.

MUESTREO POR CONGLOMERADOS

es una técnica de muestreo utilizada cuando hay agrupamientos «naturales» relativamente

homogéneos en una población estadística. A menudo se utiliza en la investigación de
mercados. En esta técnica, la población total se divide en estos grupos (o clusters) y
una muestra aleatoria simple se selecciona de los grupos. A continuación, la información
requerida se obtiene de una muestra aleatoria simple de los elementos dentro de cada grupo
seleccionado y una submuestra de elementos se puede seleccionar dentro de cada uno de
estos grupos. Una motivación común para el muestreo por conglomerados es reducir el número
total de entrevistas, y sus costes, dada la precisión deseada. Suponiendo un tamaño de muestra

10
fijo, la técnica ofrece resultados más precisos cuando la mayoría de la variación en la población
es dentro de los grupos y no entre ellos.

Diferencia entre el muestreo por grupo y el muestreo

estratificado

es que en el muestreo por conglomerados el grupo se trata como la unidad de

muestreo, de modo que el muestreo se realiza en una población de racimos (al
menos en la primera etapa). En el muestreo estratificado, el muestreo se realiza en
elementos dentro de cada estrato. En el muestreo estratificado, se toma una
muestra aleatoria de cada uno de los estratos, mientras que en el muestreo por
conglomerados sólo se toman muestras de los grupos seleccionados. Una
motivación común del muestreo por conglomerados es reducir los costos
aumentando la eficiencia del muestreo. Esto contrasta con el muestreo estratificado
en el que la motivación es aumentar la precisión.
También hay muestreo de grupos de etapas múltiples, donde al menos dos etapas
se toman en la selección de elementos de los grupos.

Muestreo conglomerado diferentes tamaños

Sin modificar el parámetro estimado, el muestreo de conglomerados es insesgado

cuando los conglomerados son aproximadamente del mismo tamaño. En este caso,
el parámetro se calcula combinando todos los clústeres seleccionados. Cuando los
grupos son de diferentes tamaños, se utiliza probabilidad proporcional al tamaño de
muestreo. En este plan de muestreo, la probabilidad de seleccionar un grupo es
proporcional a su tamaño, de modo que un gran
grupo tiene una mayor probabilidad de selección
que un pequeño grupo. Sin embargo, cuando se
seleccionan grupos con una probabilidad
proporcional al tamaño, se debe llevar a cabo el
mismo número de entrevistas en cada grupo
muestreado para que cada unidad muestreada
tenga la misma probabilidad de selección.

Aplicaciones del muestreo conglomerados

Un ejemplo de muestreo por conglomerados es el muestreo por área o el muestreo

geográfico por grupos. Cada grupo es un área geográfica. Debido a que una
población geográficamente dispersa puede ser costosa de estudiar, se puede lograr
una mayor economía que el muestreo aleatorio simple agrupando varios
encuestados dentro de un área local en un grupo. Por lo general, es necesario

11
aumentar el tamaño total de la muestra para lograr una precisión equivalente en
los estimadores, pero el ahorro en los costos puede hacer posible un aumento en el
tamaño de la muestra.
El muestreo por conglomerados se usa para estimar mortalidades altas en casos
como guerras, hambrunas y desastres naturales.

Ejemplos
Un grupo de investigadores quiere estudiar las características de las maquinarias que se
utilizan en distintas fábricas. Para realizar la muestra, se siguen los pasos del muestreo por
conglomerados:

Se seleccionan todas las máquinas de las fábricas de una ciudad como población
objetivo. Cada fábrica será un conglomerado.

Se calcula que de 87 fábricas se necesitarán 5 conglomerados para elaborar la

muestra.

Se realiza una lista de todas las fábricas.

Se seleccionan 5 fábricas utilizando un método de sorteo y se analizarán todas las

maquinarias que se encuentren en esas fábricas.

Un grupo de investigadores quiere conocer las características de las personas que trabajan
en el sector empresarial. Para realizar la muestra representativa, se siguen los pasos del
muestreo por conglomerados:

Se selecciona a todos los empleados de empresas de un mismo país como

población objetivo. Cada empresa será un conglomerado.

Se calcula que de las 2457 empresas que hay en el país se necesitarán 62

conglomerados para elaborar la muestra.

Se realiza una lista de las empresas.

Se seleccionan 62 empresas al azar y con un muestreo aleatorio simple se escoge

a 30 empleados de cada una

12
 INTRODUCCIÓN A DISTRIBUCIONES MUESTRALES

De manera que su objetivo es efectuar una generalización de los resultados de la muestra

a la población, así como también inferir o suponer el comportamiento de la población a
partir del conocimiento de una muestra, por lo cual es necesario conocer las distribuciones
de probabilidad de ciertas funciones de las muestras, mismas que constituyen variables
aleatorias asociadas al experimento aleatorio, selección de una muestra al azar de una
población. Dichas variables aleatorias son denominadas estadísticos muestrales, dado que
se basan en el comportamiento de las muestras, ha lo cual asignan a cada muestra del
espacio muestral, constituido por todas las muestras posibles, un número real que es un
resumen estadístico de la muestra.

Ejemplo
Media de la muestra.

Dada una población formada por un número “N” grande de elementos, donde se puede
observar la variable "X”, se extrae al azar una muestra de tamaño N, así mismo tanto en la
población como en la muestra podemos resumir los valores de dicha variable X observada.
Ya que los valores resumen y se denominan parámetros en la población y estadísticos en
las muestras. Teniendo en cuenta que “U” es la variable aleatoria muestral.

DISTRIBUCIONES MUESTRALES
(para fines ilustrativos)
Población formada por todas las
Población “X” muestras posibles de tamaño N “U”
Variable Aleatoria Estadísticos de la muestra:
Resúmenes de los valores de X en
las muestras
Muestra

Resumen de “X” en la
muestra: Estadísticos:
Resumen de los estadísticos
media, varianza…
Resumen de “x” en la muestrales: media, varianza…
población: Parámetros:
media, varianza…
13
 DISTRIBUCIÓN MUESTRAL DE LA MEDIA
(para fines ilustrativos)

Población formada por todas las

muestras tamaño N “U” variable
Población “x” Variable Aleatoria
Aleatoria (Valores de los estadísticos
medias de las muestras)
Naturalmente, las muestras
diferirán, en general, de una
muestra a otra

Distribución de X en la población

La variabilidad de las medidas

viene reflejada en su distribución
de probabilidad

14
DISTRIBUCIONES MUESTRALES
A lo cual, dada una población y el experimento aleatorio consiste en seleccionar una
muestra de dicha población, se define la variable aleatoria “U (Estadístico muestral)”
como una aplicación que asigna a cada muestra, “m”, un resumen estadístico
determinado U(m). Esta mueva variable aleatoria “U” tiene una distribución de
probabilidad la cual se denomina distribución muestral de U.

Su comportamiento dependerá del que tenga X en la población y del tamaño de

las muestras.
En cuanto a su comportamiento probabilístico, nos permitirá hacer inferencias
acerca del comportamiento de la población, conociendo así su Varianza.

Ejemplo del proceso de generación de una distribución

muestral de la media
Se sabe que los pesos de los paquetes de cierto artículo en una cadena de
producción se distribuyen normalmente con media 500 gr y desviación típica 10 gr
Se seleccionan muestras de 10, 50 y 100 paquetes de la producción. Determina la
desviación típica de la media muestral para cada uno de estos 3 casos.

15
Ejemplo del proceso de generación de una distribución
muestral

Donde la población es de 5 pelotas donde el parámetro que los interesa es la

media de la población
Proceso: M= 1+2+3 = 2
3
En donde queremos tomar muestra de tres pelotas, cada vez que tomamos una
pelota anotamos su número y la devolvemos a la población, de manera que cada
pelota que tomamos la consideramos como una elección independiente, ahora bien,
se utilizara la muestra de tres pelotas para estimar la media de la población.

11 2 X = 1.5
3 1 1
X=2

2
1
3

Fuente: Elaboración propia, Estudiante: Josselyn Gabriela Lémus Palma,

11/10/2022

Tomando en cuenta todas las muestras posibles obtener y determinar cuales son
sus medias muestrales:

Números que salen X

1,1 1
1,2 1.5
1,3 2
2,1 1.5
2,2 2
2,3 2.5
3,1 2
3,2 2.5
3,3 3

16
Ahora se puede graficar la frecuencia con la que parecen las medias muestrales
(números que salen) y la gráfica es en base a la distribución de las medias
muestrales X, por lo cual, para dicha resolución notemos cuantas veces se repiten
las variables de X y eso lo colocamos dentro de la cantidad de variables que se
encontraron.

DISTRIBUCIÓN MUESTRAL DE LA MEDIA PARA MUESTRAS

CON UN TAMAÑO DE DOS

1/9
2/9

3/9

2/9

1/9

1 1.5 2 2.5 3
X posibles

No obstante, su importancia radica en que, mediante la aplicación de sus métodos,

es posible obtener conclusiones significativas acerca de toda una población con
base en la información que proporcionan los datos de una sola muestra o un
experimento. Por lo tanto, su aplicación en estadística, es lo que resulta de
considerar todas las muestras posibles que pueden ser tomadas de una población.
Ya que su estudio permite calcular la probabilidad que se tiene, dada una sola
muestra, de acercarse al parámetro de la población.

Ya que como bien lo indica su definición es una distribución de probabilidades

para los valores posibles del estadístico, los cuales resultan cuando se extraen
repetidamente de la población las muestras aleatorias de tamaño N.

17
 OPERACIONES CON MUESTREO
A las muestras aleatorias se les denomina también muestras probabilísticas o
muestras científicas. Son cuatro los
principales métodos de muestreo
aleatorio: aleatorio simple, sistemático,
estratificado y por conglomerados. Una
muestra aleatoria simple es aquélla en la
que los elementos se escogen en forma
individual y al azar de la totalidad de la
población. Esta selección al azar es
similar a la que se realiza en la extracción
aleatoria de números en una lotería.

Sin embargo, en el muestreo estadístico, por lo general se utiliza un programa

computarizado de tabla de números aleatorios o un generador de números
aleatorios para identificar los elementos numerados de la población que se eligen
para la muestra.

EJEMPLO
El apéndice 1 muestra una tabla abreviada de número» aleatorios. Suponga que se
desea tomar una muestra aleatoria simple de 10 cuentas por cobrar de una
población de 90 dé esas cuentas, las cuales se numeran del 1 al 90. Se empezarla
en la tabla de números aleatorios "a ciegas", literalmente cerrando los ojos y
señalando una posición inicial. Después, se leerían grupos de números, de dos en
dos, en cualquier dirección, para determinar las cuentas que han de formar parte de
la muestra. Suponga que se comienza leyendo pares de números, comenzando con
el que está en la primera columna del renglón 6. Los 10 números de las cuentas
para la muestra serian 66, 06, 59, 94, 78, 70, 08, 67,12 y 65. Sin embargo, como
sólo hay 90 cuentas, no puede incluirse el número 94. Por ello, se incluye en la
muestra el número siguiente, el 11. Si se repite cualquiera de los números
seleccionados, sólo se le incluye una vez en la muestra.

Una muestra sistemática es una muestra aleatoria en la cual se eligen lo elementos

de la población a intervalos uniformes, a partir de un listado ordenado, tal como
elegir cada décima cuenta por cobrar para la muestra. La primera de las cuentas de
la muestra se elegirla al azar (quizá utilizando una tabla de números aleatorios). Un
problema específico del muestreo sistemático es la existencia de cualquier factor
periódico o cíclico en la lista dé la población que pudiera conducir a un error
sistemático en los resultados muéstrales.

18
EJEMPLO
Si en una comunidad en la que se estudia lo apropiado de la iluminación pública
cada doceava casa se encuentra en una esquina, una muestra sistemática tendría
un sesgo sistemático si se incluye en la investigación cada decimosegunda casa.
En este caso, o todas o ninguna de las casas investigadas se encontrarían en
esquina.

En el muestreo estratificado, lo primero que hace el investigador es clasificar los

elementos de la población en subgrupos separados de acuerdo con una o más
características importantes. Después, se obtiene por separado una muestra
aleatoria simple o sistemática de cada estrato. Puede utilizarse este tipo de
muestreo para asegurar una representación proporcional de diversos subgrupos en
la muestra. Además, es común que el tamaño de la muestra que se requiere para
lograr determinado nivel de precisión en el muestreo estratificado sea menor que
con muestreo aleatorio simple, con la consiguiente reducción en los costos del
muestreo.

EJEMPLO
En un estudio de las actitudes de estudiantes con respecto a las políticas de
hospedaje en las instalaciones escolares, es razonable pensar que pueden existir
diferencias importantes entre los estudiantes de licenciatura y los de posgrado, y
entre hombres y mujeres. Por lo tanto, debe considerarse un esquema de muestreo
estratificado, escogiendo una muestra diferente en cada uno de los cuatro estratos:
hombres que estudian la licenciatura, mujeres estudiantes de licenciatura, hombres
graduados en posgrado y mujeres graduadas en posgrado.

El muestreo por conglomerados es un tipo de muestreo aleatorio en el que los

elementos de la población se dividen en forma natural en subgrupos. Así, se eligen
al azar los subgrupos que forman la muestra.

EJEMPLO
Si un analista de la Secretaría del Trabajo necesita estudiar los salarios diarios que
se pagan en un área metropolitana, sería difícil obtener una lista de todos los
asalariados de la población objetivo. Sin embargo, podría obtenerse fácilmente una
lista de las empresas de la región. Con esta lista, el analista puede tomar una
muestra aleatoria de las empresas identificadas, que representan conglomerados
de trabajadores, y obtener los salarios que estas empresas les pagan.

19
 CONCLUSIONES

1. El muestreo aleatorio simple puede no producir un número suficiente de

elementos de pequeños subgrupos. Esto no haría de un muestreo aleatorio
simple una buena opción para los estudios que requieren un análisis
comparativo de las categorías pequeñas de una población con categorías
mucho más amplias de la población.

2. Es necesario conocer sobre la importancia de cada tema que nos da el

Muestreo ya que la muestra puede ser un subgrupo de la población con el fin
de realizar un estudio estadístico para ser sujeto de análisis, como elegir qué
tipo de muestreo se requiere dependiendo del enfoque y alcances de la
investigación, los objetos del estudio y el diseño. Ya que es una herramienta
que permite el análisis de tiempos y métodos para obtener los datos de
manera más rápida y fácil, este trabajo de investigación adquiere importancia
dado que es necesario conocer los diferentes métodos de muestreo porque
de ese modo se asegura la representatividad de la muestra extraída y la
confiabilidad de los resultados obtenidos. Ya que el objetivo de la estadística
es inferir conclusiones validas aplicables a toda la población a partir de una
muestra, es decir, la generalización de los resultados que estarán
relacionados con la representatividad del Muestreo.

20
 RECOMENDACIONES

1. Por tanto, de esta forma, al usar muestreo aleatorio simple nos aseguramos
la obtención de muestras representativas, de manera que la única fuente de
error que va a afectar a mis resultados va a ser el azar. Y lo que es más
importante, este error debido al azar puede calcularse de forma precisa, a lo
cual la misma se aplicaría a muestras de N de categorías menore, para así
obtener la mayor eficiencia al momento de los cálculos.

2. Debemos tener en cuenta que todos los datos para el muestreo deben estar
procesados de tal manera que se necesita aplicar un muestreo probabilístico
en la investigación: Si se quiere reducir el sesgo del muestreo, cuando el
tamaño de la población es grande y tiene cierta diversidad. De tal manera
tener el muestreo nos ayude a localizar ese dato o dicho de otra manera,
ese resultado que necesitamos.

21
 E-GRAFIA

https://economipedia.com/definiciones/muestreo-aleatorio.html
https://www.chospab.es/calidad/archivos/Metodos/Muestreo.pdf
https://www.questionpro.com/blog/es/muestreo-sistematico/
https://www.questionpro.com/blog/es/muestreo-aleatorio-simple/
https://www.ejemplos.co/muestreo-por-conglomerados/#ixzz7hSufsGLI
https://es.wikipedia.org/
https://es.slideshare.net/EnriqueMorosini/introduccin-al-muestreo

https://www.uv.es/webgid/Inferencial/21_introduccin.html
https://es.slideshare.net/EnriqueMorosini/introduccin-al-muestreo

https://economipedia.com/definiciones/muestreo.html

Estadística aplicada a la administración y la economía (Schaum)

22