TEORIA DEL MUESTREO Uno de los propsitos de la estadstica inferencial es estimar las caractersticas poblacionales desconocidas, examinando la informacin

obtenida de una muestra, de una poblacin. El punto de inters es la muestra, la cual debe ser representativa de la poblacin objeto de estudio. Se seguirn ciertos procedimientos de seleccin para asegurar de que las muestras reflejen observaciones a la poblacin de la que proceden, ya que solo se pueden hacer observaciones probabilsticas sobre una poblacin cuando se usan muestras representativas de la misma. Una poblacin est formada por la totalidad de las observaciones en las cuales se tiene cierto observa. Una muestra es un subconjunto de observaciones seleccionadas de una poblacin. a. Concepto e importancia Es la actividad por la cual se toman ciertas muestras de una poblacin de elementos de los cuales vamos a tomar ciertos criterios de decisin, el muestreo es importante porque a travs de l podemos hacer anlisis de situaciones de una empresa o de algn campo de la sociedad. Muestreo Aleatorio Una muestra se dice que es extrada al azar cuando la manera de seleccin es tal, que cada elemento de la poblacin tiene igual oportunidad de ser seleccionado. Una muestra aleatoria es tambin llamada una muestra probabilstica son generalmente preferidas por los estadsticos porque la seleccin de las muestras es objetiva y el error muestral puede ser medido en trminos de probabilidad bajo la curva normal. Los tipos comunes de muestreo aleatorio son el muestreo aleatorio simple, muestreo sistemtico, muestreo estratificado y muestreo de conglomerados. A. Muestreo aleatorio simple Una muestra aleatoria simple es seleccionada de tal manera que cada muestra posible del mismo tamao tiene igual probabilidad de ser seleccionada de la poblacin. Para obtener una muestra aleatoria simple, cada elemento en la poblacin tenga la misma probabilidad de ser seleccionado, el plan de muestreo puede no conducir a una muestra aleatoria simple. Por conveniencia, este mtodo pude ser reemplazado por una tabla de nmeros aleatorios. Cuando una poblacin es infinita, es obvio que la tarea de numerar cada elemento de la poblacin es infinita, es obvio que la tarea de numerar cada elemento de la poblacin es imposible. Por lo tanto, ciertas modificaciones del muestreo aleatorio simple son necesarias. Los tipos ms comunes de muestreo aleatorio modificado son sistemtico, estratificado y de conglomerados. B. Muestreo sistemtico. Una muestra sistemtica es obtenida cuando los elementos son seleccionados en una manera ordenada. La manera de la seleccin depende del nmero de elementos incluidos en la poblacin y el tamao de la muestra. El nmero de elementos en la poblacin es, primero, dividido por el nmero deseado en la muestra. El cociente indicar si cada dcimo, cada onceavo, o cada centsimo elemento en la poblacin va a ser seleccionado. El primer elemento de la muestra es seleccionado al azar. Por lo tanto, una muestra sistemtica puede dar la misma precisin de estimacin acerca de la poblacin, que una muestra aleatoria simple cuando los elementos en la poblacin estn ordenados al azar. C. Muestreo Estratificado Para obtener una muestra aleatoria estratificada, primero se divide la poblacin en grupos, llamados estratos, que son ms homogneos que la poblacin como un todo. Los elementos de la muestra son entonces seleccionados al azar o por un mtodo sistemtico de cada estrato. Las estimaciones de la poblacin, basadas en la muestra estratificada, usualmente tienen mayor precisin (o menor error muestral) que si la poblacin entera muestreada mediante muestreo aleatorio simple. El nmero de elementos seleccionado de cada estrato puede ser proporcional o desproporcional al tamao del estrato en relacin con la poblacin. D. Muestreo de conglomerados. Para obtener una muestra de conglomerados, primero dividir la poblacin en grupos que son convenientes para el muestreo. En seguida, seleccionar una porcin de los grupos al azar o por un mtodo sistemtico. Finalmente, tomar todos los elementos o parte de ellos al azar o por un mtodo sistemtico de los grupos seleccionados para obtener una muestra. Bajo este mtodo, aunque no todos los grupos son muestreados, cada grupo tiene una igual probabilidad de ser seleccionado. Por lo tanto la muestra es aleatoria. Una muestra de conglomerados, usualmente produce un mayor error muestral (por lo tanto, da menor precisin de las estimaciones acerca de la poblacin) que una muestra aleatoria simple del mismo tamao. Los elementos individuales dentro de cada "conglomerado" tienden usualmente a ser iguales. Por ejemplo la gente rica puede vivir en el mismo barrio, mientras que la gente pobre puede vivir en otra rea. No todas las reas son muestreadas en un muestreo de reas. La variacin entre los elementos obtenidos de las reas seleccionadas es,

por lo tanto, frecuentemente mayor que la obtenida si la poblacin entera es muestreada mediante muestreo aleatorio simple. Esta debilidad puede reducida cuando se incrementa el tamao de la muestra de rea. El incremento del tamao de la muestra puede fcilmente ser hecho en muestra muestra de rea. Los entrevistadores no tienen que caminar demasiado lejos en una pequea rea para entrevistar ms familias. Por lo tanto, una muestra grande de rea puede ser obtenida dentro de un corto perodo de tiempo y a bajo costo. Por otra parte, una muestra de conglomerados puede producir la misma precisin en la estimacin que una muestra aleatoria simple, si la variacin de los elementos individuales dentro de cada conglomerado es tan grande como la de la poblacin. En probabilidad y estadstica, la distribucin-t o distribucin t de Student es una distribucin de probabilidad que surge del problema de estimar la media de una poblacin normalmente distribuida cuando el tamao de la muestra es pequeo. sta es la base del popular test de la t de Student para la determinacin de las diferencias entre dos medias muestrales y para la construccin del intervalo de confianza para la diferencia entre las medias de dos poblaciones. La distribucin t surge, en la mayora de los estudios estadsticos prcticos, cuando la desviacin tpica de una poblacin se desconoce y debe ser estimada a partir de los datos de una muestra. Aparicin y especificaciones de la distribucin t de Student [editar] Supongamos que X1,..., Xn son variables aleatorias independientes distribuidas normalmente, con media y varianza 2. Sea

la media muestral y

la varianza muestral. Entonces, est demostrado que

tiende a la distribucin normal de media 0 y varianza 1 cuando n tiende a infinito. Gosset estudi una expresin relacionada,

y mostr que T tiene la siguiente funcin de densidad:

Con igual a n 1. La distribucin de T se llama ahora la distribucin-t. El parmetro se llama convencionalmente el nmero de grados de libertad. La distribucin depende de , pero no de o ; la independencia de y es lo que hace a la distribucin t tan importante en la teora y en la prctica. es la funcin gamma. Grados De Libertad (gl): Nmero de observaciones que se utilizaron para calcular la desviacin estndar muestral menos 1, es decir (n-1).

Intervalos de confianza derivados de la distribucin t de Student [editar] El procedimiento para el clculo del intervalo de confianza basado en la t de Student consiste en estimar la desviacin tpica de los datos S y calcular el error estndar de la media= S/(raz cuadrada de n), siendo entonces el intervalo de confianza para la media = x media +- t (alfa/2) multiplicado por (S/(raz cuadradada de n)). fuente: www.seh-lelha.org/stat1.htm Es este resultado el que se utiliza en el test de Student: puesto que la diferencia de las medias de muestras de dos distribuciones normales se distribuye tambin normalmente, la distribucin t puede usarse para examinar si esa diferencia puede razonablemente suponerse igual a cero. para efectos prcticos el valor esperado y la varianza son : E(t(n))= 0 y Var (t(n)) = n/(n-2) para n > 2

Tabla distribucin t de Student x\n 0,00 0,05 0,10 0,15 0,20 0,25 1 2 4 5 6 7 8 9 10 15 20 25 30 40 50

0,500 0,500 0,500 0,500 0,500 0,500 0,500 0,500 0,500 0,500 0,500 0,500 0,500 0,500 0,500 0,516 0,518 0,519 0,519 0,519 0,519 0,519 0,519 0,519 0,520 0,520 0,520 0,520 0,520 0,520 0,532 0,535 0,537 0,538 0,538 0,538 0,539 0,539 0,539 0,539 0,539 0,539 0,539 0,540 0,540 0,547 0,553 0,556 0,557 0,557 0,558 0,558 0,558 0,558 0,559 0,559 0,559 0,559 0,559 0,559 0,563 0,570 0,574 0,575 0,576 0,576 0,577 0,577 0,577 0,578 0,578 0,578 0,579 0,579 0,579 0,578 0,587 0,593 0,594 0,595 0,595 0,596 0,596 0,596 0,597 0,597 0,598 0,598 0,598 0,598

ejemplo. Cual es la probabilidad acumulada de una Distribucin t de Student de 9 grados de libertad, de que x < 0,25. esto es: buscando en la tabla en la columna del 9, y la fila de 0,25 tenemos que: DITRIBUCIN DE F Usada en teora de probabilidad y estadstica, la distribucin F es una distribucin de probabilidad continua, no puede ser negativa, tiene un sesgo positivo. Tambin se la conoce como distribucin F de Snedecor o como distribucin F de Fisher-Snedecor.

Caractersticas de la distribucin F Existe una "familia" de distribuciones F. Un miembro especfico de la familia se determina por dos parmetros: los grados de libertad en el numerador y en el denominador . Existe una distribucin F para la combinacin de 29 grados de libertad en el numerador y 28 grados en el denominador. Existe otra distribucin F para 19 grados en el numerador y 6 en el denominador. A medida que aumentan los valores, la curva se aproxima al eje x, pero nunca lo toca

Una variable aleatoria de distribucin F se construye como el siguiente cociente: donde U1 y U2 siguen una distribucin ji-cuadrada con d1 y d2 grados de libertad respectivamente, y U1 y U2 son estadsticamente independientes.

La distribucin F aparece frecuentemente como la distribucin nula de una prueba estadstica, especialmente en el anlisis de varianza.. La funcin de densidad de una F(d1, d2) viene dada por

para todo nmero real x 0, donde d1 y d2 son enteros positivos, y B es la distribucin beta. La funcin de distribucin es

donde I es la funcin beta incompleta regularizada.