1.

TEORIA DEL MUESTREO

Concepto:
La teora del muestreo es el estudio de las relaciones existente
entre una poblacin y muestras extradas de la misma. Tiene gran
inters en muchos aspectos de la estadstica. Por ejemplo
permite estimar cantidades desconocidas de la poblacin (tales
como la media poblacional, la varianza, etc.), frecuentemente
llamada parmetros poblacionales o brevemente parmetros, a
partir del conocimiento, de las correspondientes cantidades
muestrales (tales como la media muestral, la varianza, etc.), a,
menudo llamadas estadsticos muestrales o brevemente
estadsticos. La teora de muestreo es tambin til para
determinar si la diferencias que se puedan observar entre dos
muestras son debidas a la aleatoriedad de las mismas o si por el
contrario son solamente significativas. Tales preguntas surgen
por ejemplo, al ensayar un nuevo suero para el tratamiento de
una enfermedad, o al decir si un proceso de produccin es mejor
que otro. Estas decisiones envuelven a los llamados ensayos e
hiptesis de significacin, que son de gran importancia en la
teora de la decisin. En general, un estudio de inferencias,
realizados sobre una poblacin mediante muestras extradas de la
misma, junto con las indicaciones de la exactitud de tales
inferencias aplicadas a la teora de la probabilidad, se le
conoce como inferencia estadstica.


MUESTREO ALEATORIO
Simple:
Es el procedimiento probabilstico de seleccin de muestras ms
sencillo y conocido, no obstante, en la prctica es difcil de
realizar debido a que requiere de un marco muestral y en muchos
casos no es posible obtenerlo. Puede ser til cuando las
poblaciones son pequeas y por lo tanto, se cuenta con listados.
Cuando las poblaciones son grandes, se prefiere el muestreo en
etapas. Se utiliza ampliamente en los estudios experimentales,
adems, de ser un procedimiento bsico como componente de
mtodos ms complejos (muestreo estratificado y en etapas). Se
caracteriza por que otorga la misma probabilidad de ser elegidos
a todos los elementos de la poblacin. Para l calculo muestral,
se requiere de: El tamao poblacional, si sta es finita, del
error admisible y de la estimacin de la varianza.

Sistemtico:
Es una tcnica de muestreo que requiere de una seleccin
aleatoria inicial de observaciones seguida de otra seleccin de
observaciones obtenida usando algn sistema o regla. En
un muestreo aleatorio sistemtico se elige un individuo al azar
y a partir de l, a intervalos constantes, se eligen los dems
hasta completar la muestra. Ejemplo: Para obtener una muestra de
suscriptores telefnicos en una ciudad grande, puede obtenerse
primero una muestra aleatoria de los nmeros de las pginas del
directorio telefnico; al elegir el vigsimo nombre de cada
pgina obtendramos un muestreo sistemtico, tambin podemos
escoger un nombre de la primera pgina del directorio y despus
seleccionar cada nombre del lugar nmero cien a partir del ya
seleccionado. Por ejemplo, podramos seleccionar un nmero al
azar entre los primeros 100; supongamos que el elegido es el 40,
entonces seleccionamos los nombres del directorio que
corresponden a los nmeros 40, 140, 240, 340 y as
sucesivamente.

Estratificado:
Una muestra es estratificada cuando los elementos de la muestra
son proporcionales a su presencia en la poblacin. La presencia
de un elemento en un estrato excluye su presencia en otro. Para
este tipo de muestreo, se divide a la poblacin en varios grupos
o estratos con el fin de dar representatividad a los distintos
factores que integran el universo de estudio. Para la seleccin
de los elementos o unidades representantes, se utiliza el mtodo
de muestreo aleatorio. En sntesis, requiere de separar a la
poblacin segn grupos llamados estratos, y de elegir despus
una muestra aleatoria simple en cada estrato. La informacin de
las muestras aleatorias simples de cada estrato constituira
entonces una muestra global. Ejemplo: Supongamos que nos
interesa obtener una muestra de las opiniones de los profesores
de una gran universidad. Puede ser difcil obtener una muestra
con todos los profesores, as que supongamos que elegimos una
muestra aleatoria de cada colegio, o departamento acadmico; los
estratos vendran a ser los colegios, o departamentos
acadmicos.

De conglomerados:
Requiere de elegir una muestra aleatoria simple de unidades
heterogneas entre s de la poblacin
llamadas conglomerados. Cada elemento de la poblacin pertenece
exactamente a un conglomerado, y los elementos dentro de cada
conglomerado son usualmente heterogneos o dismiles. Ejemplo:
Supongamos que una compaa de servicio de televisin por cable
est pensando en abrir una sucursal en una ciudad grande; la
compaa planea realizar un estudio para determinar el
porcentaje de familias que utilizaran sus servicios, como no es
prctico preguntar en cada casa, la empresa decide seleccionar
una parte de la ciudad al azar, la cual forma un conglomerado.
En el muestreo por conglomerados, stos se forman para
representar, tan fielmente como sea posible, a toda la
poblacin; entonces se usa una muestra aleatoria simple de
conglomerados para estudiarla. Los estudios
de instituciones sociales como iglesias, hospitales, escuelas y
prisiones se realizan, generalmente, con base en el muestreo por
conglomerados.


MUESTREO NO ALEATORIO
Las muestras no aleatorias (o "no probabilsticas") {son
seleccionadas por cualquier procedimiento que no da todos casos
en la poblacin las oportunidades iguales de caer en la muestra.
A veces el contexto del estudio permite o facilita un cierto
mtodo de muestreo, a veces el investigador tiene la posibilidad
de escoger el mtodo. Varios tales procedimientos sern
discutidos abajo. Cualquier es el procedimiento, es siempre
posible que favorecer ciertos tipos de casos en la poblacin
ms que los otros, es decir producir una muestra sesgada. En
estudios descriptivos la presencia de sesgo es una desventaja
grave que usted encontrar ms adelante en su proyecto, en
cundo valorar el muestreo y en cundo escribir el captulo
final de su informe. Por lo tanto puede ser prudente pensar de
l por adelantado, cundo escoger el mtodo de muestreo. Al
valorar una muestra no-aleatorio que usted debe preguntar usted
mismo: Sern los resultados de la muestra el mismo que usted
conseguira de la poblacin? Es cierto que el criterio que
usted ha utilizado en seleccionar la muestra (e.g. la buena
voluntad de la gente de participar) no tiene ninguna correlacin
con esas variables que usted desee registrar de la muestra? Si
hay correlacin, su muestra est sesgada y usted debe considerar
el construir de una muestra nueva con menos correlacin. Como
contraste, muestras no aleatorias se pueden utilizar en
proyectos de investigacin y del desarrollo, a condicin de que
el sesgo sistemtico posible sea compensado ms adelante. Por
ejemplo, es comn usar al muestreo de conveniencia cundo
escoger clientes potenciales a un grupo de trabajo para
desarrollar un concepto del producto preliminar. La seleccin de
personas ser probablemente sesgada, tan bien como las
propuestas del grupo de trabajo, pero las propuestas sern
rectificadas ulteriormente cuando son evaluadas de nuevo por un
otro grupo de gente ms grande.

TEOREMA DEL LMITE CENTRAL
El teorema central del lmite es uno de los resultados
fundamentales de la estadstica. Este teorema nos dice que si
una muestra es lo bastante grande (generalmente cuando el tamao
muestral (n) supera los 30), sea cual sea la distribucin de la
media muestral, seguir aproximadamente una distribucin
normal. Es decir, dada cualquier variable aleatoria, si
extraemos muestras de tamao n (n>30) y calculamos los promedios
muestrales, dichos promedios seguirn una distribucin normal.
Adems, la media ser la misma que la de la variable de inters,
y la desviacin estndar de la media muestral ser
aproximadamente el error estndar. Existen diferentes versiones
del teorema, en funcin de las condiciones utilizadas para
asegurar la convergencia. Una de las ms simples establece que
es suficiente que las variables que se suman sean
independientes, idnticamente distribuidas, con valor esperado y
varianza finitas.


2. TEORIA DE LA ESTIMACION ESTADISTICA
La teora de estimacin estadstica estudia como obtener
informacin sobre una poblacin, mediante muestras extradas de
ella. Es un conjunto de tcnicas que permiten dar un valor
aproximado de un parmetro de una poblacin a partir de los
datos proporcionados por una muestra.



Estimacin de punto e intervalo:
La estima de un parmetro dada por un nmero se llama estima de
punto del parmetro. Consiste en la estimacin del valor del
parmetro mediante un slo valor, obtenido de una frmula
determinada. Por ejemplo, si se pretende estimar la talla media
de un determinado grupo de individuos, puede extraerse una
muestra y ofrecer como estimacin puntual la talla media de los
individuos. Lo ms importante de un estimador, es que sea un
estimador eficiente. Es decir, que sea insesgado (ausencia de
sesgos) y estable en el muestreo o eficiente (varianza mnima)

La media de la poblacin se puede estimar puntualmente mediante
la media de la muestra:

La proporcin de la poblacin se puede estimar puntualmente
mediante la proporcin de la muestra:

La desviacin tpica de la poblacin se puede estimar
puntualmente mediante la desviacin tpica de la muestra, aunque
hay mejores estimadores:



La estima de un parmetro poblacional dada por dos nmeros entre
los cuales se considera que se encuentra dicho parmetro se
llama estima de intervalo. Consiste en la obtencin de un
intervalo dentro del cual estar el valor del parmetro estimado
con una cierta probabilidad. En la estimacin por intervalos se
usan los siguientes conceptos:

Intervalo de confianza: El intervalo de confianza se le llama
una expresin del tipo [1, 2] 1 2, donde es el
parmetro a estimar. Este intervalo contiene al parmetro
estimado con una determinada certeza o nivel de confianza. Pero
a veces puede cambiar este intervalo cuando la muestra no
garantiza un axioma o un equivalente circunstancial.

Variabilidad del Parmetro: Si no se conoce, puede obtenerse una
aproximacin en los datos aportados por la literatura cientfica
o en un estudio piloto. Tambin hay mtodos para calcular el
tamao de la muestra que prescinde de este aspecto.
Habitualmente se usa como medida de esta variabilidad
la desviacin tpica poblacional y se denota .

Error de la estimacin: Es una medida de su precisin que se
corresponde con la amplitud del intervalo de confianza. Cuanta
ms precisin se desee en la estimacin de un parmetro, ms
estrecho deber ser el intervalo de confianza y, si se quiere
mantener o disminuir el error, ms ocurrencias debern incluirse
en la muestra estudiada. En caso de no incluir nuevas
observaciones para la muestra, ms error se comete al aumentar
la precisin. Se suele llamar E, segn la frmula E = 2 - 1.

Lmite de Confianza: Es la probabilidad de que el verdadero
valor del parmetro estimado en la poblacin se site en el
intervalo de confianza obtenido. El nivel de confianza se denota
por (1-), aunque habitualmente suele expresarse con un
porcentaje ((1-)100%). Es habitual tomar como nivel de
confianza un 95% o un 99%, que se corresponden con valores de
0,05 y 0,01 respectivamente.

Estimacin de la media de una poblacin:
Una vez obtenida la muestra, el objetivo ser caracterizar la
poblacin por medio de una muestra estimando los parmetros de
mayor inters, como la media y el total poblacional. Despus se
procede a estimar los parmetros con sus correspondientes
varianzas y por ltimo los intervalos de confianza.

Estimacin de la proporcin poblacional:
Otra tarea que suele ser de inters al estudiar una poblacin es
la determinacin de la proporcin, P o , de las unidades
muestrales que pertenecen a uno de dos grupos posibles. Por
ejemplo, para conocer la proporcin de personas analfabetas de
una poblacin, la proporcin que apoya a cierto partido poltico
o iniciativa gubernamental, la proporcin de estudiantes de la
Facultad de Telemtica que tienen computadora porttil, la
proporcin de individuos en la ciudad de Colima que cree en
Dios, etc. Todos estos ejemplos tienen dos opciones de
respuesta: s o no. Por lo tanto, para calcular dicha proporcin
se hace la suma de todas las respuestas afirmativas (s) y se
divide sobre el total de respuestas (s y no); esto se debe a
que slo se consider dos grupos posibles. En ocasiones son ms
de dos grupos a los que pueden pertenecer las unidades
muestrales; este caso no lo consideraremos aqu, pero aun as se
podra tener la posibilidad de anlisis si se considera que una
unidad muestral pertenece o no pertenece a uno de los grupos.
Esta aplicacin tambin se conoce como muestreo por atributos,
donde cada unidad de muestreo podra pertenecer a determinado
grupo debido a que posee cierto atributo.

L a m e d i c i n : La medicin consiste en determinar si la
unidad de muestreo tiene el atributo que la hara pertenecer a
la proporcin que se desea conocer. Para muchos atributos tal
determinacin puede ser muy sencilla, por ejemplo, en un
conjunto de N computadoras; pertenecer a cierta marca. Sin
embargo, a veces es difcil determinar el atributo, por
ejemplo, calificar a un paciente como enfermo o no, es una
condicin en la que se presenta una gradualidad desde sano hasta
enfermo. Es decir, el MAS para proporciones no considera
los esta-dos intermedios, por lo que debe establecerse un
criterio unvoco que permita calificar al paciente como sano o
enfermo solamente.





El estimador de la proporcin poblacional P y sur elacin con el
estimador de una media poblacional: Una manera fcil de
introducir esta estimacin es aceptar que se trata de una
variable Y que solamente puede tomar los valores de cero o uno.
De esta manera podremos usar las frmulas de los apartados
anteriores, aunque con- viene adecuar la simbologa. Para esto,
sea P y la proporcin de la poblacin de uno de los dos grupos
que posee el atributo evaluado en Y. La proporcin de la
poblacin PY. Esta definida por la siguiente expresin:

Donde A es el nmero de unidades de la poblacin claro que
es igual a A, ya que si la unidad de muestreo tiene el atributo
de inters aporta un valor de uno y si no lo tiene aporta un
valor de cero. Si se realiza un muestreo, se entiende que no se
puede tener acceso a todas las N unidades de poblacin, sino
solamente a las n de la muestra. Con la muestra definimos un
estimado de la proporcin de la poblacin. Simbolizado por P
igual p y definido por la expresin:

De igual manera que la definicin del parmetro a -
representa el nmero de unidades de la muestra que tienen el
atributo de inters. El complemento de P es Q (1-P) en el caso
de la poblacin y de la muestra es q (1 p), es decir, q es
un estimador de Q.
Determinacin del tamao de la muestra:
Nmero de sujetos que componen la muestra extrada de
una poblacin, necesarios para que los datos obtenidos sean
representativos de la poblacin.
Objetivo de la determinacin del tamao de la muestra:
1. Estimar un parmetro determinado con el nivel de
confianza deseado.

2. Detectar una determinada diferencia, si realmente existe,
entre los grupos de estudio con un mnimo de garanta.

3. Reducir costes o aumentar la rapidez del estudio.

A la hora de determinar el tamao que debe alcanzar una muestra
hay que tomar en cuenta varios factores: el tipo de muestreo, el
parmetro a estimar, el error muestral admisible, la varianza
poblacional y el nivel de confianza. Por ello antes de presentar
algunos casos sencillos de clculo del tamao muestral
delimitemos estos factores.

Parmetro: Son las medidas o datos que se obtienen sobre la
poblacin.

Estadstico: Los datos o medidas que se obtienen sobre una
muestra y por lo tanto una estimacin de los parmetros.

Error Muestral, de estimacin o estndar: Es la diferencia entre
un estadstico y su parmetro correspondiente. Es una medida de
la variabilidad de las estimaciones de muestras repetidas en
torno al valor de la poblacin, nos da una nocin clara de hasta
dnde y con qu probabilidad una estimacin basada en una
muestra se aleja del valor que se hubiera obtenido por medio de
un censo completo. Siempre se comete un error, pero la
naturaleza de la investigacin nos indicar hasta qu medida
podemos cometerlo (los resultados se someten a error muestral e
intervalos de confianza que varan muestra a muestra). Vara
segn se calcule al principio o al final. Un estadstico ser
ms preciso en cuanto y tanto su error es ms pequeo. Podramos
decir que es la desviacin de la distribucin muestral(1) de un
estadstico y su fiabilidad.

Nivel de Confianza: Probabilidad de que la estimacin efectuada
se ajuste a la realidad. Cualquier informacin que queremos
recoger est distribuida segn una ley de probabilidad (Gauss o
Student), as llamamos nivel de confianza a la probabilidad de
que el intervalo construido en torno a un estadstico capte el
verdadero valor del parmetro.

Varianza Poblacional: Cuando una poblacin es ms homognea la
varianza es menor y el nmero de entrevistas necesarias para
construir un modelo reducido del universo, o de la poblacin,
ser ms pequeo. Generalmente es un valor desconocido y hay que
estimarlo a partir de datos de estudios previos.

3. ANALISIS DE REGRESION Y CORRELACION
La regresin y la correlacin son dos tcnicas estrechamente
relacionadas y comprenden una forma de estimacin. En forma ms
especifica el anlisis de correlacin y regresin comprende el
anlisis de los datos muestrales para saber que es y como se
relacionan entre si dos o mas variables en una poblacin. El
anlisis de correlacin produce un nmero que resume el grado de
la correlacin entre dos variables; y el anlisis de regresin
da lugar a una ecuacin matemtica que describe dicha relacin.
El anlisis de correlacin generalmente resulta til para un
trabajo de exploracin cuando un investigador o analista trata
de determinar que variables son potenciales importantes, el
inters radica bsicamente en la fuerza de la relacin. La
correlacin mide la fuerza de una entre variables; la regresin
da lugar a una ecuacin que describe dicha relacin en trminos
matemticos. Los datos necesarios para anlisis de regresin y
correlacin provienen de observaciones de variables
relacionadas.



Regresin lineal:
La regresin lineal simple comprende el intento de desarrollar
una lnea recta o ecuacin matemtica lineal que describe la
reaccin entre dos variables. La regresin puede utilizarse de
diversas formas. Se emplean en situaciones en la que las dos
variables miden aproximadamente lo mismo, pero en las que una
variable es relativamente costosa, o, por el contrario, es poco
interesante trabajar con ella, mientras que con la otra variable
no ocurre lo mismo. La finalidad de una ecuacin de regresin
seria estimar los valores de una variable con base en los
valores conocidos de la otra. Otra forma de emplear una ecuacin
de regresin es para explicar los valores de una variable en
trmino de otra. Es decir se puede intuir una relacin de causa
y efecto entre dos variables. El anlisis de regresin
nicamente indica qu relacin matemtica podra haber, de
existir una. Ni con regresin ni con la correlacin se pude
establecer si una variable tiene causa ciertos valores de otra
variable.

La ecuacin lineal:
Una ecuacin lineal es un planteamiento de igualdad,
involucrando una o ms variables a la primera potencia, que no
contiene productos entre las variables, o mejor dicho, es una
ecuacin que involucra solamente sumas y restas de una variable
a la primera potencia. En el sistema cartesiano representan
rectas. Una forma comn de ecuaciones lineales es y = mx + c
Donde m representa la pendiente y el valor de c determina la
ordenada al origen (el punto donde la recta corta al eje Y). Las
ecuaciones en las que aparece el trmino x*y (llamado
rectangular) no son consideradas lineales. Algunos ejemplos de
ecuaciones lineales:
3x + 2y = 10

3a + 472b = 10b + 37

3x + y 5 = 7x + 4y +3

x-y+z=15

3x-2y+z=20

x+4y-3z=10

Tipos de relaciones:
El funcionamiento de una relacin se basa en hacer
coincidir datos de columnas clave, normalmente columnas que
tienen el mismo nombre en ambas tablas. En la mayora de
los casos, la relacin hace coincidir la clave principal de
una tabla, que proporciona un identificador nico para cada
fila, con una entrada de la clave externa de la otra tabla.
Por ejemplo, se pueden asociar las ventas de libros con los
ttulos especficos vendidos mediante la creacin de una
relacin entre la columna title_id de la tabla titles (la
clave principal) y la columna title_id de la tabla sales (la
clave externa).
Existen tres tipos de relaciones entre tablas. El tipo de
relacin creado depende de cmo se definen las columnas
relacionadas.
Relaciones uno a varios
Relaciones Varios a Varios
Relaciones uno a uno

Relaciones uno a varios: Una relacin uno a varios es el tipo
ms habitual de relacin. En este tipo de relacin, una fila de
la tabla A puede corresponderse con muchas filas de la tabla B,
pero una fila de la tabla B slo puede corresponderse con otra
de la tabla A. Por ejemplo, en las tablas publishers (editoriales)
y titles (ttulos) se da una relacin uno a varios: una editorial
publica muchos ttulos, pero a cada ttulo le corresponde slo
una editorial. Cree una relacin uno a varios si solamente una
de las columnas relacionadas es la clave principal o tiene una
restriccin nica. El lado de la clave principal de una relacin
uno a varios se indica mediante un smbolo de clave. El lado de
la clave externa de una relacin se indica mediante un smbolo
de infinito.

Relaciones Varios a Varios: En una relacin varios a varios, una
fila de la tabla A puede tener muchas filas coincidentes en la
tabla B y viceversa. Este tipo de relaciones se crea definiendo
una tercera tabla, denominada tabla de unin, cuya clave
principal est constituida por las claves externas de las tablas
A y B. Por ejemplo, entre las tablas authors (autores) y titles
(ttulos) existira una relacin varios a varios definida por
una relacin uno a varios entre cada una de ellas y la tabla
titleauthors (ttuloautor). La clave principal de la tabla titleauthors
es la combinacin de la columna au_id (la clave principal de la
tabla authors) y la columna title_id (la clave principal de la tabla
titles).

Relaciones uno a uno: En una relacin uno a uno, una fila de la
tabla A no puede tener ms de una fila coincidente en la tabla B
y viceversa. Se crea una relacin uno a uno si las dos columnas
relacionadas son claves principales o tienen restricciones
UNIQUE. Este tipo de relacin no es habitual, ya que la mayor
parte de la informacin relacionada de esta manera estara toda
en una tabla. Puede utilizar una relacin uno a uno para:

Dividir una tabla con muchas columnas.
Aislar parte de una tabla por razones de seguridad.
Almacenar datos que son efmeros y que pueden eliminarse
fcilmente mediante la simple eliminacin de la tabla.
Almacenar informacin que se aplica solamente a un
subconjunto de la tabla principal.

El lado de la clave principal de una relacin uno a uno se
indica mediante un smbolo de clave. El lado de la clave externa
tambin se indica mediante un smbolo de clave.

Anlisis de regresin y correlacin:
El anlisis de regresin consiste en emplear mtodos que
permitan determinar la mejor relacin funcional entre dos o ms
variables concomitantes (o relacionadas). El anlisis de
correlacin estudia el grado de asociacin de dos o ms
variables.

Anlisis de Regresin
Una relacin funcional matemticamente hablando, est dada por:
Y = f(x1,...,xn; 1,...,m) donde:

Y : Variable respuesta (o dependiente)
xi : La i-sima variable independiente (i=1,..,n)
j : El j-simo parmetro en la funcin (j=1,..,m)
f : La funcin

El anlisis de correlacin emplea mtodos para medir la
significacin del grado o intensidad de asociacin entre dos o
ms variables. El concepto de correlacin est estrechamente
vinculado al concepto de regresin, pues, para que una ecuacin
de regresin sea razonable los puntos muestrales deben estar
ceidos a la ecuacin de regresin; adems el coeficiente de
correlacin debe ser: - grande cuando el grado de asociacin es
alto (cerca de +1 o -1, y pequeo cuando es bajo, cerca de cero.
- independiente de las unidades en que se miden las variables.





























UNIVERSIDAD DE SAN CARLOS DE GUATEMALA
CENTRO UNIVERSITARIO SAN MARCOS
EXTENSIN MALACATN
CARRERA: TCNICO EN ADMINISTRACIN DE EMPRESAS
CURSO: ADMINISTRACION III
CODIGO: 144
DOCENTE: LIC.EDGAR GUMERCINDO REQUENA NAVARRO











TEMA:
PRIMER EJE
TEORIA DEL MUESTREO
MUESTREO ALEATORIO
.SIMPLE
.SISTEMATICO
.ESTRATEFICADO
.DE CONGLOMERADOS
MUESTREO NO
ALEATORIO
TEOREMA DEL LMITE
CENTRAL
SEGUNDO EJE
TEORIA DE LA
ESTIMACION
ESTADISTICA
.ESTIMACION DE PUNTO
E INTERVALO
.ESTIMACION DE LA
MEDIA DE UNA
POBLACION
.ESTIMACION DE LA
PROPORCION
POBLACIONAL
.DETERMINACION DEL
TAMAO DE LA
MUESTRA
TERCER EJE
ANALISIS DE REGRESION
Y CORRELACION
.REGRESION LINEAL
.LA ECUACION LINEAL
.TIPOS DE RELACIONES
.ANALISIS DE
REGRESION Y
CORRELACION






INTEGRANTES: No. DE CARNE
SARITA LUCRECIA DE LEON SAMAYOA 200943951
ARMANDO GAMALIEL FUENTES HERNANDEZ 200943970
ANDREA LILY RIVERA RODAS 201045640
ALFONSO ISMAEL LOPEZ DARDON 201045687



INTRODUCCION

La teora del muestreo es el estudio de las relaciones existente
entre una poblacin y muestras extradas de la misma.
Frecuentemente llamada parmetros poblacionales o brevemente
parmetros, a partir del conocimiento, de las correspondientes
cantidades muestrales (tales como la media muestral, la
varianza, etc.), a, menudo llamadas estadsticos muestrales o
brevemente estadsticos. Estas decisiones envuelven a los
llamados ensayos e hiptesis de significacin, que son de gran
importancia en la teora de la decisin.

En general, un estudio de inferencias, realizados sobre una
poblacin mediante muestras extradas de la misma, junto con las
indicaciones de la exactitud de tales inferencias aplicadas a la
teora de la probabilidad, se le conoce como inferencia
estadstica.

Puede ser til cuando las poblaciones son pequeas y por lo
tanto, se cuenta con listados. Cuando las poblaciones son
grandes, se prefiere el muestreo en etapas. Se utiliza
ampliamente en los estudios experimentales, adems, de ser un
procedimiento bsico como componente de mtodos ms complejos
(muestreo estratificado y en etapas). Se caracteriza por que
otorga la misma probabilidad de ser elegidos a todos los
elementos de la poblacin. Para l calculo muestral, se requiere
de: El tamao poblacional, si sta es finita, del error
admisible y de la estimacin de la varianza.

Es una tcnica de muestreo que requiere de una seleccin
aleatoria inicial de observaciones seguida de otra seleccin de
observaciones obtenida usando algn sistema o regla. En
un muestreo aleatorio sistemtico se elige un individuo al azar
y a partir de l, a intervalos constantes, se eligen los dems
hasta completar la muestra.

Una muestra es estratificada cuando los elementos de la muestra
son proporcionales a su presencia en la poblacin. Para este
tipo de muestreo, se divide a la poblacin en varios grupos o
estratos con el fin de dar representatividad a los distintos
factores que integran el universo de estudio. Para la seleccin
de los elementos o unidades representantes, se utiliza el mtodo
de muestreo aleatorio. En sntesis, requiere de separar a la
poblacin segn grupos llamados estratos, y de elegir despus
una muestra aleatoria simple en cada estrato. La informacin de
las muestras aleatorias simples de cada estrato constituira
entonces una muestra global. Puede ser difcil obtener una
muestra con todos los profesores, as que supongamos que
elegimos una muestra aleatoria de cada colegio, o departamento
acadmico; los estratos vendran a ser los colegios, o
departamentos acadmicos.

Requiere de elegir una muestra aleatoria simple de unidades
heterogneas entre s de la poblacin
llamadas conglomerados. Cada elemento de la poblacin pertenece
exactamente a un conglomerado, y los elementos dentro de cada
conglomerado son usualmente heterogneos o dismiles. En el
muestreo por conglomerados, stos se forman para representar,
tan fielmente como sea posible, a toda la poblacin; entonces se
usa una muestra aleatoria simple de conglomerados para
estudiarla. Los estudios de instituciones sociales como
iglesias, hospitales, escuelas y prisiones se realizan,
generalmente, con base en el muestreo por conglomerados.

Las muestras no aleatorias (o "no probabilsticas") {son
seleccionadas por cualquier procedimiento que no da todos casos
en la poblacin las oportunidades iguales de caer en la muestra.
A veces el contexto del estudio permite o facilita un cierto
mtodo de muestreo, a veces el investigador tiene la posibilidad
de escoger el mtodo. Cualquier es el procedimiento, es siempre
posible que favorecer ciertos tipos de casos en la poblacin
ms que los otros, es decir producir una muestra sesgada. Por
lo tanto puede ser prudente pensar de l por adelantado, cundo
escoger el mtodo de muestreo. Al valorar una muestra no-
aleatorio que usted debe preguntar usted mismo: Sern los
resultados de la muestra el mismo que usted conseguira de la
poblacin? Es cierto que el criterio que usted ha utilizado en
seleccionar la muestra (e.g. la buena voluntad de la gente de
participar) no tiene ninguna correlacin con esas variables que
usted desee registrar de la muestra? Si hay correlacin, su
muestra est sesgada y usted debe considerar el construir de una
muestra nueva con menos correlacin. Como contraste, muestras no
aleatorias se pueden utilizar en proyectos de investigacin y
del desarrollo, a condicin de que el sesgo sistemtico posible
sea compensado ms adelante. La seleccin de personas ser
probablemente sesgada, tan bien como las propuestas del grupo de
trabajo, pero las propuestas sern rectificadas ulteriormente
cuando son evaluadas de nuevo por un otro grupo de gente ms
grande.

El teorema central del lmite es uno de los resultados
fundamentales de la estadstica. Este teorema nos dice que si
una muestra es lo bastante grande, sea cual sea la distribucin
de la media muestral, seguir aproximadamente una distribucin
normal. Es decir, dada cualquier variable aleatoria, dichos
promedios seguirn una distribucin normal.

La teora de estimacin estadstica estudia como obtener
informacin sobre una poblacin, mediante muestras extradas de
ella. Es un conjunto de tcnicas que permiten dar un valor
aproximado de un parmetro de una poblacin a partir de los
datos proporcionados por una muestra.

La estima de un parmetro dada por un nmero se llama estima de
punto del parmetro. Consiste en la estimacin del valor del
parmetro mediante un slo valor, obtenido de una frmula
determinada. Lo ms importante de un estimador, es que sea un
estimador eficiente. Es decir, que sea insesgado (ausencia de
sesgos) y estable en el muestreo o eficiente (varianza mnima)


CONCLUSION

La estima de un parmetro poblacional dada por dos nmeros entre
los cuales se considera que se encuentra dicho parmetro se
llama estima de intervalo. Consiste en la obtencin de un
intervalo dentro del cual estar el valor del parmetro estimado
con una cierta probabilidad.

Este intervalo contiene al parmetro estimado con una
determinada certeza o nivel de confianza. Tambin hay mtodos
para calcular el tamao de la muestra que prescinde de este
aspecto. Habitualmente se usa como medida de esta variabilidad
la desviacin tpica poblacional y se denota .

Es una medida de su precisin que se corresponde con la amplitud
del intervalo de confianza. Cuanta ms precisin se desee en la
estimacin de un parmetro, ms estrecho deber ser el intervalo
de confianza y, si se quiere mantener o disminuir el error, ms
ocurrencias debern incluirse en la muestra estudiada. En caso
de no incluir nuevas observaciones para la muestra, ms error se
comete al aumentar la precisin.

Otra tarea que suele ser de inters al estudiar una poblacin es
la determinacin de la proporcin, P o , de las unidades
muestrales que pertenecen a uno de dos grupos posibles. Esta
aplicacin tambin se conoce como muestreo por atributos, donde
cada unidad de muestreo podra pertenecer a determinado grupo
debido a que posee cierto atributo.

La medicin consiste en determinar si la unidad de muestreo
tiene el atributo que la hara pertenecer a la proporcin que se
desea conocer. Para esto, sea P y la proporcin de la poblacin
de uno de los dos grupos que posee el atributo evaluado en Y.

A la hora de determinar el tamao que debe alcanzar una muestra
hay que tomar en cuenta varios factores: el tipo de muestreo, el
parmetro a estimar, el error muestral admisible, la varianza
poblacional y el nivel de confianza. Por ello antes de presentar
algunos casos sencillos de clculo del tamao muestral
delimitemos estos factores.

Es la diferencia entre un estadstico y su parmetro
correspondiente. Es una medida de la variabilidad de las
estimaciones de muestras repetidas en torno al valor de la
poblacin, nos da una nocin clara de hasta dnde y con qu
probabilidad una estimacin basada en una muestra se aleja del
valor que se hubiera obtenido por medio de un censo completo.
Siempre se comete un error, pero la naturaleza de la
investigacin nos indicar hasta qu medida podemos cometerlo
(los resultados se someten a error muestral e intervalos de
confianza que varan muestra a muestra).








OBJETIVOS



GENERALES

Conceptualizar los diferentes temas estadsticos para
saber aplicarlos de manera correcta y en forma eficaz al
momento de las investigaciones que se vayan a realizar.


Conceptualizar el tema de estimacin estadstica y sus
clases que coexisten.


Conocer el marco de diferenciacin entre el anlisis de
regresin y correlacin.




ESPECIFICOS

Con la muestra definimos un estimado de la proporcin de
la poblacin. Representa el nmero de unidades de la
muestra que tienen el atributo de inters.


Nmero de sujetos que componen la muestra extrada de
una poblacin, necesarios para que los datos obtenidos
sean representativos de la poblacin.


Estimar un parmetro determinado con el nivel de
confianza deseado.


Detectar una determinada diferencia, si realmente existe,
entre los grupos de estudio con un mnimo de garanta.































BIBLIOGRAFA



www.monografias.com

www.wikipedia.com

www.buenastareas.com

http://www.estadisticafacil.com

http://www.aulafacil.com/CursoEstadistica
www.economia48.com