Muestreo en Poblacion Finita 2

MUESTREO DE UNA
POBLACIÓN FINITA
CONCEPTO:
 Consiste en la selección de una parte de los elementos de una población estadística, con el objetivo
de sacar conclusiones de dicha población.
 Se ha visto a lo largo de la asignatura como la ciencia estadística es una herramienta fundamental en

la investigación económica y empresarial, dado que permite conocer las características de
poblaciones concretas, contrastar hipótesis sobre ellas o realizar predicciones sobre su evolución.
Dentro de este proceso un componente de gran ayuda para el investigador
Es conveniente recordar algunos conceptos básicos:
A) POBLACIÓN. Es el conjunto finito o infinito de elementos con características comunes,

para los cuales serán extensivas las conclusiones de la investigación
B) MUESTRA. Subconjunto de la población o colectivo que se investiga. Debe ser
representativa del conjunto de la población.
C) INDIVIDUOS. Cada uno de los elementos que forman la población
D) VARIABLES CUANTITATIVAS. Caracteres que se observan en los individuos y que son
susceptibles de tener valores numéricos: por ejemplo, edad y gasto mensual del
encuestado.
E) ATRIBUTOS. Son variables cualitativas, que no son susceptibles de tomar valores y se
expresan mediante modalidades: por ejemplo, sexo del encuestado, medio de transporte
al destino, nivel de estudios.
LOS PASOS A SEGUIR DENTRO DE UN PROCESO DE MUESTREO SON:
1.-Definir la información que se necesita.
2.-Determinar la población a muestrear y comprobar si existe un listado.
3.-Definición del método a seguir para tomar la muestra y su tamaño.
4.-Diseño adecuado de la forma de obtener la información (cuestionario).
5.-Uso de la muestra para hacer inferencia.
6.-Obtención de conclusiones acerca de la población.

TIPOS DE ERRORES:
1. Definición incorrecta de la población
2. Respuestas falsas o imprecisas
3. Falta de respuesta posible sesgo incertidumbre (nivel significación, etc.)
4. Sesgo en la selección elementos muestrales.
5. Errores de manipulación, tabulación y cálculo No hay un criterio general para evitarlos

y/o analizarlos minimizarlos.
FÓRMULA PARA CÁLCULO DE LA MUESTRA POBLACIONES FINITAS
2
𝑁∗ ∗𝑝∗𝑞 𝑍𝛼
𝑛= 2 2
𝑒 ∗ 𝑁 − 1 + 𝑍𝛼 ∗ 𝑝 ∗ 𝑞
DONDE:
N = TOTAL DE POBLACIÓN.
𝑍𝛼 = 1.962 (SI LA SEGURIDAD ES DE 95%)
P =PROPORCIÓN ESPERADA (EN ESTE CASO 5% = 0.05)
Q = 1 – P (EN ESTE CASO 1 – 0.05 = 0.95), DESVIACIÓN ESTÁNDAR.
E = ERROR DE ESTIMACIÓN (100%-CONFIABILIDAD%)
 Si el tamaño de la población o el universo es conocido, la elección del tamaño de la
muestra, tiene ciertas especificidades, que veremos a continuación:
 Las diferencias se basan fundamentalmente en el hecho (relativamente probable para el

caso de una población finita, pero imposible para un tamaño infinito) de que podemos
encontrarnos con situaciones en el que la muestra puede llegar a ser una proporción
apreciable de los de la población. Entonces se puede entender que la precisión de la
estimación seria superior, al estar mejor representada el conjunto de la población.
 En concreto, para el caso de poblaciones finitas, puede demostrarse que la varianza del
estimador (de la media, proporción o total) propia de poblaciones infinitas, tal como la
hemos visto anteriormente, a de corregirse por un factor. Este factor de corrección seria:
𝑁 −𝑛
( )
𝑁 −1
Por lo que para el caso de la media su σ² 𝑁− 𝑛
formula de calculo que varia como sigue: 𝜎 2Τ
𝑥 = (
𝑛 𝑁−1
)
Si nos fijamos en el numerador del factor de corrección, comprenderemos que no se puede valorar de forma
absoluta al tamaño de una muestra, sino que hay que confrontarlo con el de la población que se extrae. Si se
observa dos poblaciones, siendo la muestra de la primera mas pequeña que la segunda, puede llegar a dar mas
precisión (menor varianza) si el tamaño de la población de la que procede es proporcionalmente menor. Esto,
dicho así, parece algo complicado cuando resulta obvio: en igualdad de condiciones, una muestra de tamaño 100
nos informa mucho mejor sobre las características de una población de tamaño 200, donde representa la mitad de
sus elementos, que otra de tamaño 200 en una población de 20000 que representa solo el 1% de sus elementos
Por tanto, independientemente del número de elementos que contenga, cuanto mayor sea el tamaño de la muestra
(n) en relación al de la población (N), mayor garantía tendremos en las estimaciones, como se observa en la
formula anterior. En el caso extremo de que N=n la varianza del estimador se hace nula. Estaríamos,
evidentemente, en presencia de una observación exhaustiva de la población, propia de la estadística descriptiva, y
no de un caso de inferencia estadística. Por el contrario, cuando el tamaño de la muestra sea mínimo, de una sola
observación (n = 1), la varianza (precisión) del estimador coincidiría con el caso de una población de tamaño
infinito.
Los muestreos mas utilizados en las poblaciones finitas son:
 El muestreo aleatorio simple

 El muestreo aleatorio estratificado
MUESTREO ALEATORIO SIMPLE (POBLACIÓN FINITA)
Una muestra aleatoria simple de tamaño n de una población N es una muestra

seleccionada de manera que cada posible muestra de tamaño n tenga la misma
posibilidad de ser seleccionadas.
• Un procedimiento para seleccionar una muestra aleatorio simple de una población

finita es elegir los elementos para la muestra de uno en uno, de manera que, en
cada paso, cada uno de los elementos que quedan en la población tengan la misma
probabilidad de ser seleccionados.
• Al seleccionar n elementos de esta manera, será satisfecha la definición de
muestra aleatoria simple seleccionada de una población finita
 En casi toda investigación de encuesta, el muestreo es conducido sin reemplazo de

poblaciones que son de un tamaño finito N.
 En estos casos cuando el tamaño de n no es pequeño comparando con el tamaño
𝑛
de la población N( se muestrea mas del 5% de la población), de manera que >
𝑁
0.05 debe usarse un factor de corrección de la población finita en la formula de la
media como del error estándar de la proporción
N = tamaño de la población
n = tamaño de la muestra
𝑁 −𝑛
Pcf =
𝑁 −1
 En el caso de la media su
formula de calculo quedaría
como sigue:
2 σ² 𝑁− 𝑛
𝜎 𝑥ҧ = (
𝑛 𝑁−1
)
EJERCICIO:
En el estudio sobre el gasto total en la zona por los turistas se acepto un error máximo en el gasto total de 6
millones de euros. Suponiendo que la desviación estándar poblacional es de 200 euros y un nivel de confianza de
95%, obtenga el tamaño muestral adecuado. Si de la muestra obtenida se obtuviese un gasto medio de 450 euros con
una desviación estándar de 320 euros, diga cuál es el intervalo para el gasto total.
 Solución:
 Evidentemente, el resultado para n va a ser el mismo que para el caso de la media. Lo mismo que hemos de
hacer es pasar del error del total al error dela media:
𝑁𝑍 2 𝜎 2
n= =170,59 ≈ 171
𝑁−1 𝜀 2 +𝑍 2 𝜎 2
El intervalo de confianza no vale la pena volver a calcularlo, pue sya sabemos que es el mismo
de la media, pero multiplicado por N:
(80.576.000 ≤ N𝜇 ≤99.924.000)
Es decir, el gasto total seria algo mas de 80 millones y algo menos de 100 millones de euros,
con una confianza de 95%.
MUESTREO ALEATORIO ESTRATIFICADO
(POBLACION FINITA)
Para cada uno de los parámetros con los que venimos trabajando y a la obtención de los intervalos de confianza,
vamos a proponer el uso de la siguiente nomenclatura:
 Población dividida en k estratos: N1 + N2 + …. + Nk = N

 Tamaños muestrales de los estratos: n1 + n2 + …… + nk = n
 Medias poblacionales en los estratos: μ1 μ2 …… μk
 Medias muestrales en los estratos: x1 x2 ….. k𝑥
 Proporciones muestrales en los estratos: p1 p2 ….. pk
Ejemplo 1:
¿A cuántas personas tendría que estudiar de una población de 15.000 habitantes para conocer
la Prevalencia de diabetes? Seguridad = 95%; Precisión = 3% (recuerde, en su investigación use
5%, en este ejemplo usaremos 3%); proporción esperada = asumamos que puede ser próxima
al 5% (0.05); si no tuviese ninguna idea de dicha proporción utilizaríamos el valor p = 0.5 (50%)
que maximiza el tamaño maestral.
15000 ∗ 1.962 ∗ 0.05 ∗ 0.95

𝑛= = 200
0.032 15000 − 1 + 1.962 ∗ 0.05 ∗ 0.95
EJEMPLO 2:
Se desea estimar el ingreso promedio de las familias que viven en el municipio de amarilis, para ello
se definen los siguientes criterios:
Nivel de confianza= 97.5%

Desviación estándar: 908.07 (𝜎)
Error máximo tolerante: 200 (e)
Total de población: 50000 (N)
50000 ∗ 2.242 ∗ 908.072

𝑛= = 103.225 ≅ 103.23
2002 ∗ 50000 − 1 + 2.242 ∗ 908.072
EJEMPLO 3:
Huánuco posee una población entre usuarios internos y externos de 75000 personas, para este caso se
utilizará un 90% de nivel de confiabilidad y un 5% de error de muestreo, y una desviación estándar de 20.5
¿Cuál sería el tamaño de la muestra para esta población?
75000 ∗ 1.6452 ∗ 20.52

𝑛= 2 = 45.46 ≅ 45
5 ∗ 75000 − 1 + 1.6452 ∗ 20.52
EJEMPLO 4:
Se desea estimar la calificación promedio de los estudiantes de la udh, para ello se define los
siguientes criterios:
Nivel de confianza= 95%

Desviación estándar: 16.44 (𝜎)
Error máximo tolerante: 5 (e)
Total de población: 5000 (N)
5000 ∗ 1.962 ∗ 16.442

𝑛= 2 = 41.19 ≅ 42
5 5000 − 1 + 1.962 ∗ 16.442
Ejemplo 5
Se desea estimar la porción de estudiantes de la UDH, con un nivel de aprendizaje de excelencia, para ello se define
los siguientes criterios:
 Nivel de confianza= 97.5%
 Desviación estándar: 70 (σ)
 Error máximo tolerante: 5 (e)
 Total de población: 15000 (N)
15000 ∗ 2.242 ∗ 702

𝑛= 2 = 922.99 ≅ 923
5 ∗ 15000 − 1 + 2.242 ∗ 702

Muestreo en Poblacion Finita 2

Cargado por

Copyright:

Formatos disponibles

Muestreo en Poblacion Finita 2

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Muestreo en Poblacion Finita 2

Cargado por

Copyright:

Formatos disponibles

MUESTREO DE UNA

 Se ha visto a lo largo de la asignatura como la ciencia estadística es una herramienta fundamental en

A) POBLACIÓN. Es el conjunto finito o infinito de elementos con características comunes,

1.-Definir la información que se necesita.

2.-Determinar la población a muestrear y comprobar si existe un listado.

3.-Definición del método a seguir para tomar la muestra y su tamaño.

4.-Diseño adecuado de la forma de obtener la información (cuestionario).

5.-Uso de la muestra para hacer inferencia.

6.-Obtención de conclusiones acerca de la población.

1. Definición incorrecta de la población

2. Respuestas falsas o imprecisas

3. Falta de respuesta posible sesgo incertidumbre (nivel significación, etc.)

4. Sesgo en la selección elementos muestrales.

5. Errores de manipulación, tabulación y cálculo No hay un criterio general para evitarlos

 Las diferencias se basan fundamentalmente en el hecho (relativamente probable para el

 El muestreo aleatorio simple

Una muestra aleatoria simple de tamaño n de una población N es una muestra

• Un procedimiento para seleccionar una muestra aleatorio simple de una población

 En casi toda investigación de encuesta, el muestreo es conducido sin reemplazo de

 Población dividida en k estratos: N1 + N2 + …. + Nk = N

15000 ∗ 1.962 ∗ 0.05 ∗ 0.95

Nivel de confianza= 97.5%

50000 ∗ 2.242 ∗ 908.072

75000 ∗ 1.6452 ∗ 20.52

Nivel de confianza= 95%

5000 ∗ 1.962 ∗ 16.442

15000 ∗ 2.242 ∗ 702

También podría gustarte