MUESTREO Y DISTRIBUCIONES DE MUESTREO:

1.- Introduccin:
El principal objetivo e!t"dio!# an$li!i! o &acer acertadas con poblacione! de la! m"e!tra!) Ob!*rve!e acertadas por("e c"$ndo y en ("e m"e!tra! permiten %enerali'acione!) 7) Introd"cci0n) 2) M"e!treo 4leatorio) ;) Di!e5o de M"e!tra!) <) M"e!treo !i!tem$tico) =) M"e!treo E!trati+icado) de la mayor a de lo! inve!ti%acione!# e! %enerali'acione! ba!e en m"e!tra! de ("e !e derivan tale! la palabra no e! +$cil re!ponder condicione! la! tale!

8) M"e!treo por con%lomerado!) ,or ejemplo !i ("eremo! calc"lar la cantidad de dinero >) Di!trib"cione! m"e!trale!) ("e !e %a!ta "na per!ona en vacacione!# -tomar amo! como ?) El error e!t$ndar de la media m"e!tra lo ("e %a!tan lo! viajero! ("e lo &acen en @) El teorema Central del l mite) primera cla!e. e! obvio ("e no# pero !aber a ("e tipo de per!ona! debemo! incl"ir en n"e!tra m"e!tra no e! al%o int"itivo ni evidente) En la mayor parte de lo! m*todo! de m"e!treo ("e e!t"diaremo!# !"pondremo! ("e e!tamo! manejando la! llamada! muestras aleatorias ) /acemo! *n+a!i! en la! m"e!tra aleatoria! por("e !on la! ("e no! van a permitir %enerali'acione! v$lida! o l0%ica!)

2.- Muestreo Aleatorio:

,ara comen'ar# empe'aremo! di!tin%"iendo entre la! do! cla!e! de poblacione! , Poblaciones finitas y poblaciones infinitas. Una poblaci0n e! +inita !i con!ta de "n n1mero +inito o +ijo de elemento!# medida! " ob!ervacione!) ,or ejemplo lo! pe!o! neto! de 2333 lata! de at1n# la! cali+icacione! de todo! lo! e!t"diante! del in!tit"to))) 4 di+erencia de la! poblacione! +inita!# la! poblacione! in+inita! contienen "na in+inidad de elemento!) E!te e! el ca!o de c"ando ob!ervamo! "na variable contin"a y &ay "na in+inidad de re!"ltado! di!tinto!) Tambi*n e! el ca!o del lan'amiento inde+inido de do! dado!#))) ,ara ver la idea de m"e!treo aleatorio en "na poblaci0n +inita de tama5o N# primero veamo! c"anta! m"e!tra! di!tinta! !e p"eden tomar de tama5o n) El n1mero de m"e!tra! di!tinta! e!
N 72 72 9 77 = 88 = 2: n ,or ejemplo !i N672 y n6 2 2 m"e!tra! di!tinta!)

M"e!treo y Di!trib"cione! en el M"e!treo

N Con ba!e en el re!"ltado de ("e &ay n m"e!tra! di!tinta! de tama5o n de "na poblaci0n

+inita de tama5o N# podemo! de+inir como muestra aleatoria o muestra aleatoria simple de "na poblaci0n +inita: Una muestra de tamao n de una poblacin finita de tamao N es una variable aleatoria
N si se selecciona de manera tal que cada una de las n m"e!tra! po!ible! tienen la mi!ma 7 N probabilidad n de !er !eleccionada)

,or ejemplo !i "na poblaci0n con!i!tente en lo N6 = elemento! a,e,i, o, u A("e podr an !er

= = 73 lo! in%re!o! an"ale! de cinco per!ona!# lo! pe!o! de = vaca!#)))))B &ay ; m"e!tra!

po!ible! de tama5o n 6 ; ) e!ta! con!tan de lo! elemento!: aei aeo aeu aio aiu aou eio eiu eou iou !i !eleccionamo! "na de e!a! m"e!tra! de +orma ("e e!ta m"e!tra ten%a probabilidad 7C73 de !er ele%ida# decimo! ("e dic&a m"e!tra e! aleatoria) En la pr$ctica el de!cribir toda! la! po!ible! m"e!tra! !eria complicado !i N y n !on %rande!) ,or ejemplo !i n 6 < y N 6 233 tendr amo! 8<#8?<#@=3 m"e!tra! di!tinta!) ,or !"erte podemo! reali'ar "na m"e!tra aleatoria# !in nece!idad de de!cribirla! toda!) Ba!ta con n"merar lo! N elemento! de la poblaci0n y retirar "na a "na &a!ta completar lo!

7 N nD elemento! de la m"e!tra) E!te procedimiento tambi*n da "na probabilidad de n de !er

!eleccionada la m"e!tra por lo! ("e !er a aleatoria) 4&ora bien !i la poblaci0n e! in+inita: diremo! ("e: Una muestra de tamao n de una poblacin infinita es aleatoria si consta de valores de variables aleatorias independientes que tienen la misma distribucin. ,or ejemplo !i lan'amo! "n dado 72 vece! y obtenemo! 2# =# =# ;# ;# ;# =# 7# 8# 7#<# 7) E!to! n1mero! con!tit"yen "na variable aleatoria !i !on valore! aleatoria independiente! ("e tienen la mi!ma di!trib"ci0n de probabilidad +AEB 6 7C8 para E6 7#2#;#<#=#8

3- Diseos de muestras:
Fa 1nica cla!e de m"e!tra! e!t"diada! &a!ta a&ora !on la! aleatoria!# y no &emo! con!iderado !i("iera la nece!idad de ("e en cierta! condicione! p"eda &aber m"e!tra! ("e !ean mejore! Adi%amo! m$! +$cile! de obtener# m$! econ0mica! o ma! +ormativa!B ("e la! ,$%ina n1mero ;

aleatoria!# y no &emo! entrado en detalle! !obre la pre%"nta de c"ando "n m"e!treo aleatorio e! impo!ible) En e!tad !tica "n diseo de una muestra e! "n plan de+initivo# determinado por completo ante! de recopilar c"al("ier dato# para tomar "na m"e!tra de "na poblaci0n de re+erencia) Gamo! a e!t"diar la! ma! com"ne!:

4.- Muestreo Sistemtico:

En al%"no! ca!o! la manera m$! pr$ctica de reali'ar "n m"e!treo con!i!te en !eleccionar# "n primer elemento al a'ar y l"e%o ir co%iendo cada EDt*rmino de "na li!ta# o dejar pa!ar a ED individ"o! y pre%"ntar al ("e !i%"e y a! !"ce!ivamente) 4"n("e "n m"e!treo !i!tem$tico p"ede no !er aleatorio de ac"erdo con la de+inici0n# a men"do! e! ra'onable tratar la! m"e!tra! !i!tem$tica! como !i +"eran aleatoria!) El rie!%o de lo! m"e!treo! !i!tem$tico! e! el de la! periodicidade! oc"lta!) S"pon%amo! ("e ("eremo! te!tar el +"ncionamiento de "na m$("ina# para lo c"$l vamo! a !eleccionar "na de cada 7= pie'a! prod"cida!) Si oc"rriera la de!%racia de ("e j"!tamente 7 de cada 7= pie'a! +"e!e de+ect"o!a y el error de la m$("ina +"era de+ect"o!o peri0dicamente# tendr amo! do! po!ible! re!"ltado! m"e!trale!: D H"e +alla !iempre D H"e no +alla n"nca)

5.- Muestreo Estrati icado:

Si tenemo! in+ormaci0n a cerca de "na poblaci0n Ae! decir de !" compo!ici0nB y e!ta e! importante para n"e!tra inve!ti%aci0n# podemo! mejorar el m"e!treo aleatorio por medio de la estratificacin) E!te e! "n procedimiento ("e con!i!te en e!trati+icar o dividir la poblaci0n en "n n"mero de subpoblaciones o estratos. Y !eleccionamo! de cada e!trato "na m"e!tra aleatoria) E!te procedimiento !e conoce como muestreo aleatorio (simple) estratificado. S"pon%amo! "na poblaci0n de tama5o N ("e !e divide en I e!trato! c"yo! tama5o! !on: N7# N2# )))))#NI AN7 JN2 J)))))JNI 6NB ,ara obtener "na di!trib"ci0n proporcional &emo! de tener en c"enta ("e : de donde !e obtiene ("e donde n6 tama5o de la m"e!tra)
7 2 k

n N

n N

=))))))) =

n N

n N

N 9 N n
i

para y67#2#;#<#)))) I

E!ta !eria "na di!trib"ci0n proporcional# pero &ay otra! +orma! de di!trib"ir porcione! de "na m"e!tra entre lo! di!tinto! e!trato!# ("e !er an: D Di!trib"ci0n 0ptima)

M"e!treo y Di!trib"cione! en el M"e!treo

D E!trati+icaci0n cr"'ada) D M"e!treo por c"ota!) Di!trib"ci0n 0ptima: En la Di!trib"ci0n optima# no !0lo !e maneja el tama5o del e!trato# como en la di!trib"ci0n proporcional# !ino ("e tambi*n !e maneja la variabilidad Ao c"al("ier otra caracter !tica pertinenteB del e!trato) Fa idea de la Di!trib"ci0n 0ptima# trata de j"%ar no !0lo con el tama5o del e!trato# !ino ("e tambi*n pretende j"%ar con la variabilidad del mi!mo# de +orma ("e parece l0%ico ("e lo! e!trato! de mayor variabilidad le corre!pondan m"e!tra! mayore!) Si 7# 2# ;# ))))# I !on la! de!viacione! t pica! de lo! IDe!trato! podemo! eEplicar tanto lo! tama5o! de lo! e!trato!# a! como !" variabilidad)

N 9
7

=
7

N 9
2

=
2

N 9
; i

=)))))))) =
;

N 9
k

7k

de donde !e obtienen lo! tama5o! m"e!trale! de la di!trib"ci0n 0ptima o Di!trib"ci0n de Neyman A!" inventorB ("e !e obtienen por la +0rm"la:

n9 N 9 n = N 9 + N 9 +)))))))+ N 9
i i 7 7 2 2 k

para y67#2#))))# I

n6 n7Jn2J)))))))JnI E!trati+icaci0n cr"'ada: Fa e!trati+icaci0n no !e limita a "na variable 1nica de cla!i+icaci0n o "na caracter !tica y la! poblacione! a men"do !e e!trati+ican atendiendo a diver!o! criterio! de ordenaci0n o cla!i+icaci0n) 4! por ejemplo !i ("eremo! reali'ar "n e!t"dio entre lo! al"mno! de di!tinto! centro! de EE) MM) podr amo! e!trati+icar la m"e!tra atendiendo al nivel de e!t"dio!# al !eEo# a la e!pecialidad#)))) 4! parte de la m"e!tra !e dedicar a a lo! al"mno! de !eEo +emenino del 7K de Bac&illerato t*cnico# otra parte a lo! al"mno! de !eEo ma!c"lino de 7K Bac&illerato art !tico# y a! !"ce!ivamente) 4! y &a!ta cierto p"nto "na e!trati+icaci0n de e!te tipo# llamada e!trati+icaci0n cr"'ada# incrementar$ la preci!i0n de la! e!timacione! y otra! %enerali'acione! ("e !e "!an com1nmente en el m"e!treo de opini0n y la! inve!ti%acione! de mercado) M"e!treo por c"ota!: En el m"e!treo e!trati+icado# el co!to de la toma de m"e!tra! aleatoria! de lo! e!trato! individ"ale! e! tan alto# ("e a lo! enc"e!tadore! !0lo !e le! dan c"ota! ("e deben c"brir de lo! di+erente! e!trato!# con al%"na re!triccione! A!i no e! ("e nin%"naB ,or ejemplo !i !e ("iere &acer "n !ondeo !obre la mejora de lo! !ervicio! de !al"d# por ejemplo !e le pide ("e enc"e!te a 73 m"jere! de entre ;= y <= a5o! ("e !ean a!alariada!# 23 &ombre! de entre ;3 y <= a5o! ("e vivan en pi!o! de ; o < &abitacione!# a ; &ombre! de ma! de 83 a5o! ("e e!t*n j"bilado!)))) e!to e! lo ("e !e determina "n m"e!treo por c"ota! y e! relativamente econ0mico# lo 1nico e! ("e la! m"e!tra! re!"ltante! no c"mplen la! caracter !tica! ,$%ina n1mero =

e!enciale! de la! m"e!tra! aleatoria!) ,or tanto e!to! m"e!treo!# por c"ota! en e!encia !on m"e!tra! de opini0n# pero no !on v$lido! para reali'ar "n e!t"dio e!tad !tico +ormal)

!- Muestreo "or #on$lomerados:

,ara il"!trar e!ta cla!e de m"e!treo# !"pon%amo! ("e "na %ran empre!a ("iere e!t"diar lo! patrone! variable! de lo! %a!to! +amiliare! de "na ci"dad como Sevilla) 4l intentar elaborar lo! pro%rama! de %a!to! de "na m"e!tra de 7233 +amilia!# no! encontramo! con la di+ic"ltad de reali'ar "n m"e!treo aleatorio !imple# Ae! complicado tener "na li!ta act"ali'ada de todo! lo! &abitante! de "na ci"dadB) Una manera de tomar "na m"e!tra en e!ta !it"aci0n e! dividir el $rea total ASevilla en e!te ca!oB en $rea! m$! pe("e5a! ("e no !e !olapen A,or ejemplo Di!trito! po!tale!# man'ana! etc))B En e!te ca!o !eleccionar amo! al%"na! $rea! al a'ar y toda! la! +amilia! Ao m"e!tra! de *!ta!B ("e re!iden en e!to! di!trito! po!tale! o man'ana!# con!tit"ir an la m"e!tra de+initiva) En e!te tipo de m"e!treo# llamado muestreo por conglomerados# !e divide la poblaci0n total en "n n1mero determinado de !"bdivi!ione! relativamente pe("e5a! y !e !eleccionan al a'ar al%"na! de e!ta! !"bdivi!ione! o con%lomerado!# para incl"irlo! en la m"e!tra total) Si e!to! con%lomerado! coinciden con $rea! %eo%r$+ica!# e!te m"e!treo !e llama tambi*n muestreo por reas) 4"n("e la! e!timacione! ba!ada! en el m"e!treo por con%lomerado!# por lo %eneral no !on tan +iable! como la! obtenida! por m"e!treo! aleatorio! !imple! del mi!mo tama5o# !on m$! barata!) Golviendo al ejemplo anterior# e! m"c&o m$! econ0mico vi!itar a +amilia! ("e viven en el mi!mo vecindario# ("e ir vi!itando a +amilia! ("e viven en "n $rea m"y eEten!a) En la pr$ctica !e p"eden combinar el "!o de vario! de lo! m*todo! de m"e!treo ("e &emo! anali'ado! para "n mi!mo e!t"dio)

%.- Distri&uciones Muestrales:

Geamo! a&ora el concepto de distribucin muestral de "na e!tad !tica# ("e ("i'$ e! el concepto ma! importante de la in+erencia e!tad !tica) ,ara introd"cir el concepto de di!trib"ci0n m"e!tral# elaboraremo! la de la media de "na m"e!tra aleatoria de tama5o n62 tomada !in rempla'o de la poblaci0n +inita de tama5o N6=# c"yo! elemento! !on: ;#=#>#@#77) Fa media de e!ta poblaci0n e!:
2 2

=
2

; + = + > + @ + 77 => = y !" de!viaci0n t pica e!:

2 2

= = 73 4&ora !i tomamo! "na m"e!tra aleatoria de tama5o n 6 2 de e!ta poblaci0n &ay 2

A; >B + A= >B + A> >B + A@ >B + A77 >B =

po!ibilidade!:

M"e!treo y Di!trib"cione! en el M"e!treo

nK n"e!tra 7 2 ; < = 8 > ? @ 73

M"e!tra! ; ; ; ; = = = > > @ = > @ 77 > @ 77 @ 77 77

< = 8 > 8 > ? ? @ 73

Media < = 8 > ? @ 73

,robabilidad 7C73 7C73 2C73 2C73 2C73 7C73 7C73

Un an$li!i! de e!ta di!trib"ci0n m"e!tral revela cierta in+ormaci0n relacionada con el problema de la e!timaci0n de la media de la poblaci0n de re+erencia con "na m"e!tra aleatoria de tama5o n62) ,or ejemplo para x 6 8#> " ? la probabilidad de ("e la media poblaci0n A >B no di+iera por m$! de 7 de la m"e!tral e! de 8C73) Sin embar%o para x 6 =#8#>#? 3 @ la media de "na m"e!tra no di+iera en ma! de 2 "nidade! e! ?C73) ,or con!i%"iente !i no conoci*ramo! la media de la poblaci0n de re+erencia y ("i!i*ramo! e!timarla con la media de "na m"e!tra aleatoria de tama5o n62# el procedimiento anterior no! da al%"na idea del po!ible tama5o del error) ,$%ina n1mero >

Si calc"lamo! la media y la de!viaci0n t pica de la di!trib"ci0n de la! media! obtenemo! ("e: y E 6 ; # l"e%o la media E coincide con la media de la poblaci0n y la E 6 > de!viaci0n t pica &a di!min"ido) Evidentemente e!te proce!o reali'ado con "na m"e!tra pe("e5a no e! lo !"+icientemente eEplicativo) !i tom$!emo! para n673 y N6733 !er a nece!ario "na li!ta de m$! de 7> billone! de m"e!tra!)) ,or lo ("e para reali'ar el proce!o !er a nece!ario &acer "na !im"laci0n por comp"tadora)

'.- El error Estndar de la media:

En la mayor a de la! !it"acione! reale!# no podremo! n"merar toda! la! m"e!tra! po!ible!# o !im"lar "na di!trib"ci0n del m"e!treo para determinar c"$nto p"ede aproEimar!e la media a la media de la poblaci0n de la m"e!tra) No ob!tante normalmente podemo! obtener la in+ormaci0n ("e nece!itamo! a partir de do! teorema! ("e eEpre!an &ec&o! e!enciale! !obre la! di!trib"cione! en el m"e!treo de la media: El primero no! eEpre!a +ormalmente lo ("e de!c"brimo! en el ejemplo anterior ) Fa media de la di!trib"ci0n del m"e!treo e! i%"al a la media de la poblaci0n y la de!viaci0n t pica de la di!trib"ci0n del m"e!treo e! menor ("e la de!viaci0n t pica de la poblaci0n) E!to !e p"ede eEpre!ar de la !i%"iente +orma: En el ca!o de variable! aleatoria! de tama5o n tomada! de "na poblaci0n con la media y de!viaci0n t pica la di!trib"ci0n del m"e!treo de x tiene la media:
x

Media de la di!trib"ci0n m"e!tral

=

de

Error e!t$ndar de la media Ade!viaci0n t pica de la m"e!traB dependiendo de ("e la poblaci0n de in+inita o de tama5o N E! com1n re+erir!e a E como el error estndar de la media donde !e "tili'a e!t$ndar en el !entido de de!viaci0n t pica de la di!trib"ci0n m"e!tral) S" +"nci0n e! +"ndamental en la e!tad !tica p"e! mide el %rado en el ("e !e p"ede e!perar ("e +l"ct1en o var en la! media! de "na m"e!tra como con!ec"encia del a'ar) !i E e! baja# &ay b"ena! po!ibilidade! de ("e la media de "na m"e!tra !e aproEime a la media de la poblaci0n !i E alta# e! m$! probable ("e obten%amo! "na m"e!tra ("e di+iera con!iderablemente de la media de la poblaci0n) 4 partir de la! do! +0rm"la anteriore! !e p"ede apreciar lo ("e determina el tama5o de E ) 4mba! +0rm"la! dem"e!tran Apara poblacione! +inita! e in+inita!B x !e incrementa con+orme

N n N 7

M"e!treo y Di!trib"cione! en el M"e!treo

a"menta la variabilidad de la poblaci0n y ("e !e red"ce con+orme el tama5o de la m"e!tra e! mayor) De &ec&o e! directamente proporcional a e inver!amente proporcional a n A en la! poblacione! +inita! !e red"ce a1n m$! r$pido ya ("e aparece el +actor
N n N 7 de la !e%"nda +0rm"la de N n N 7 B

El +actor E !e conoce como factor de correccin de la poblacin finita. En la pr$ctica# e!te !e omite a meno! de ("e la m"e!tra con!tit"ya al meno! "n =L de la poblaci0n# p"e! en otro ca!o !e aproEima tanto a 7 ("e e! de!preciable Ae! decir !i la m"e!tra no lle%a al =L del tama5o de la poblaci0n# no e! nece!ario "!ar el +actor de correcci0nB

(- El )eorema #entral del *+mite:

4nte! de introd"cir e!te teorema# !in d"da de lo! ma! importante! dentro de la e!tad !tica moderna# vamo! a e!t"diar "n teorema previo) El Teorema de C&eby!&ev) El )eorema de #,e&-s,e.. ,ara c"al("ier conj"nto de dato! Ade "na poblaci0n o "na m"e!traB y c"al("ier con!tante I mayor ("e 7# el porcentaje de lo! dato! ("e debe caer dentro de IDvece! la de!viaci0n t pica de c"al("ier lado de la media e! de por lo meno!:

7 k

El teorema de C&eby!&ev !e aplica a c"al("ier tipo de dato!# pero !0lo no! indica Mpor lo meno! ("e porcentajeN debe caer entre cierto! l mite!) ,ero para ca!i todo! lo! dato!# el porcentaje real de dato! ("e cae entre e!o! limite! e! ba!tante mayor ("e el ("e e!peci+ica el teorema de C&eby!&ev) ,ara la! di!trib"cione! ("e tienen +orma de campana p"ede &acer!e "na a!everaci0n m$! +"erte: A7B alrededor del 8?L de lo! valore! caer$n dentro de "na de!viaci0n t pica de la media e!to e!: entre X # X + O A2B aproEimadamente el @=L de lo! valore! caer$n dentro de do! de!viacione! t pica! de la media# e!to e! : X 2# X + 2 O A;B aproEimadamente el @@#>L de lo! valore! caer$n dentro de do! de!viacione! t pica! de la media# e!to e! : X ;# X + ; O Ba!$ndono! en el teorema de C&eby!&ev con I62 -H"* podemo! decir del tama5o de n"e!tro error# !i vamo! a "!ar la media de "na m"e!tra aleatoria de tama5o n68< para e!timar la media de "na poblaci0n in+inita con 623.

,$%ina n1mero @

S"!tit"yendo n68< y 623 en la +0rm"la apropiada para el error e!t$ndar de la media# obtenemo! ("e : como m nimo 7 D 7C22 6 3#>= ("e el error !er$ menor ("e IPE 6 2P2#=6 =) E! decir ("e tenemo! "na %arant a de ("e en el >=L de lo! ca!o! la media de la poblaci0n e!tar$ entre la media calc"lada = ) ,ero e!to no e! !"+iciente# c"ando la probabilidad real de e!te ca!o p"ede e!tar entre 3#@? y el 3#@@@

23 = 2#= 8< y por el teorema de C&eby!&ev podemo! a+irmar ("e

)eorema #entral del *+mite. ,ara m"e!tra! %rande!# !e p"ede obtener "na aproEimaci0n cercana de la di!trib"ci0n m"e!tral de la media con "na di!trib"ci0n normal) Teniendo en c"enta ("e ya !abemo! la media y de!viaci0n t pica de la di!trib"ci0n m"e!tral# podemo! decir ("e:

6y para m"e!tra! aleatoria! in+inita! con media y de!viaci0n t pica y n %rande# entonce!:

C n

e! "n valor de "na variable NA3#7B

E!te teorema e! m"y importante# p"e!to ("e j"!ti+ica el "!o de lo! m*todo! de la c"rva normal en "na %ran cantidad de problema!) !e "tili'a para poblacione! in+inita! y para poblacione! +inita! c"ando n a pe!ar de !er %rande repre!enta "na porci0n m"y pe("e5a de la poblaci0n) E! di+ cil !e5alar con preci!i0n ("* tan %rande debe !er n de modo ("e podamo! aplicar el Teorema Central del l mite# pero a no !er ("e la di!trib"ci0n !ea m"y In"!"al# por lo %eneral !e con!idera ("e n 6;3 e! lo !"+icientemente alto) Geamo! el mi!mo ejemplo anterior aplicando el Teorema Central del F mite)

M"e!treo y Di!trib"cione! en el M"e!treo

Fa probabilidad !e obtiene por medio del $rea marcada de la 'ona %ri!# e!pec +icamente por medio del $rea de la NA3#7B entre:
z= = = 2 23 C 8< z= = 23 C 8< =2

lo ("e con!"ltando en la! tabla! da "na probabilidad de 3#@=<<) 4! !"!tit"imo! la a+irmaci0n de ("e la probabilidad e! Mcomo m nimo 3#>=N por "na a!everaci0n m$! +irme de ("e la probabilidad e! aproEimadamente de 3#@= A de ("e la m"e!tra aleatoria de tama5o n68< de la poblaci0n de re+erencia di+iera de la de la poblaci0n meno! de = "nidade!B Tambi*n !e p"ede "!ar el teorema Central del l mite para poblacione! +inita!# pero "na de!cripci0n preci!a de la! !it"acione! en ("e !e p"ede &acer e!to# !er a m$! bien complicada) El "!o apropiado m$! com1n e! en el ca!o en ("e n e! %rande y nCN e! pe("e5a) E!te e! el ca!o de la mayor a de la! enc"e!ta! pol tica!) Geamo! a contin"aci0n "n ejemplo de la importancia de la !elecci0n adec"ada de la m"e!tra) ,ara ello vamo! a !"poner "na poblaci0n de tama5o 83 elemento! en el ("e !e &a medido "na determinada caracter !tica) De e!ta poblaci0n vamo! a reali'ar 2= m"e!tra! aleatoria! y vamo! a comprobar la! di+erencia! eEi!tente! entre lo! valore! e!timado! y lo! valore! poblacionale!)
111 406 279 295 244 335 539 257 393 402 116 707 Media Desviacin Tpica 216 290 450 183 127 266 298,87 139,42 78 128 213 92 310 348 91 462 325 241 257 418 703 283 306 302 257 232 380 413 184 319 302 400 618 237 168 193 315 166 79 193 310 281 353 451 588 177 266 313 128 315 199

,$%ina n1mero 77

4 contin"aci0n ob!ervemo!# la! m"e!tra! obtenida!:

Nmero de m es!ras"
1 3 3 4 5 6 7 8 9 10 Medi a Des v Tpi" 1 402 177 707 295 290 193 588 184 451 116 340, 3 184, 3 2 380 257 257 92 266 166 295 313 183 413 262, 2 92,1 1 3 266 462 128 281 402 380 183 295 266 257 292 94,9 9 4 451 116 127 450 315 193 319 310 116 315 271, 2 121, 2 5 588 290 306 92 183 257 177 306 177 166 254, 2 130, 1 6 128 128 283 91 393 193 79 283 183 232 199, 3 94,4 8 7 193 310 335 462 127 193 406 128 295 257 270, 6 107 8 306 310 319 266 310 295 335 128 306 539 311, 4 94,0 4 9 400 302 279 92 283 335 281 315 279 184 275 79,6 6 10 237 281 266 707 313 281 400 295 183 266 322, 9 138, 3 11 335 335 588 116 244 184 213 116 257 380 276, 8 134, 2 12 402 241 244 116 166 462 232 290 400 418 297, 1 111, 2 13 302 91 266 193 588 335 279 451 295 588 338, 8 152, 2 14 283 111 707 618 707 232 257 413 462 315 410, 5 198 15 216 315 79 127 184 92 319 116 237 539 222, 4 133, 4 16 306 400 257 618 315 418 232 306 450 283 358, 5 109, 7 17 79 91 335 283 257 281 618 400 257 450 305, 1 152, 1 18 237 91 406 232 257 79 310 402 168 325 250, 7 108, 8 19 406 184 380 232 353 302 79 184 325 237 268, 2 97,6 3 20 257 310 462 325 400 237 588 319 290 348 353, 6 99,8 8 21 313 283 393 91 199 279 241 193 402 283 267, 7 88,6 7 22 310 348 380 79 166 244 400 393 168 418 290, 6 113, 1 23 241 302 111 193 91 216 91 462 128 335 217 115, 4 24 128 302 281 325 400 335 313 393 241 306 302, 4 73,5 4 25 406 283 402 177 393 283 335 402 302 348 333, 1 69,9 8

Media de !odas #as m es!ras

291, 7

Como !e p"ede ob!ervar la! di+erencia! con re!pecto a lo! valore! poblacionale! !on importante!)