UNIVERSITARIA UNIVERSIDAD NACIONAL EXPERIMENTAL FRANCISCO DE MIRANDA UNIDAD CURRICULAR: ESTADISTICA APLICADA
SANTA ANA DE CORO, SEPTIEMBRE DE 2014. DEFINICIN DE PROBABILIDAD Con origen en el latn probabiltas, probabilidad es una palabra que permite resaltar la caracterstica de probable (es decir, de que algo pueda ocurrir o resultar verosmil). Se encarga de evaluar y permitir la medicin de la frecuencia con la que es posible obtener un cierto resultado en el marco de un procedimiento de carcter aleatorio. La probabilidad, por lo tanto, puede definirse como la razn entre la cantidad de casos prsperos y la cantidad de cuestiones posibles. La matemtica, la fsica y la estadstica son algunas de las reas que permiten arribar a conclusiones respecto a la probabilidad de eventos potenciales. En el ltimo campo citado, el estadstico, tenemos que subrayar que la probabilidad se convierte en uno de sus pilares fundamentales. Eso da lugar a que surjan una serie de experimentos que giren en torno a la misma. De esta manera nos encontramos con los llamados experimentos deterministas que son aquellos de los que se pueden predecir los resultados antes incluso de que se lleven a cabo. Un ejemplo de ello sera el que lancemos una piedra por la ventana pues ya podemos predecir el resultado: la misma bajar y caer.
TIPOS DE PROBABILIDAD PROBABILIDAD EMPRICA O FRECUENCIAL. Una teora de mayor aplicacin y muy sostenida es la basada en la frecuencia relativa. Puede atribuirse a este punto de vista el adelanto registrado en la aplicacin de la probabilidad en la Fsica, la Astronoma, la Biologa, las Ciencias Sociales y los negocios. Esta teora est estrechamente relacionada con el punto de vista expresado por Aristteles: lo probable es aquello que ocurre diariamente.
FRECUENCIA RELATIVA. Si un experimento bien definido se repite n veces (n grande); sea nA < n el nmero de veces que el evento A ocurre en los n ensayos, entonces la frecuencia relativa de veces que ocurre el evento A nA /n, es la estimacin de la probabilidad que ocurra el evento A, o sea: OBSERVACIONES: 1.-La frecuencia relativa de un evento, est comprendido entre 0 y 1. Por lo tanto 0 P(A) 1. En efecto: Desde que 0 nA 1, 0/n nA /n 1, se tiene que 0 A /n 1. Luego, 0 P(A) 1. 2.- nA /n = 0, si solo si, en las n repeticiones del experimento el evento A. P(A)= nA /n
PROBABILIDAD CLASICA. La probabilidad clsica de un evento es la razn entre el nmero de casos (suceso) favorables, y el nmero total de casos (sucesos) posibles, siempre que nada obligue a creer que algunos de estos sucesos debe tener probabilidad de un evento A: P (A), es un NMERO, que mide el grado de certeza en el que un evento A ocurre, y se obtiene con la formula conocida como REGLA DE LAPLACE:)(#) (#) (Eposibles Afavorables AP
REGLAS ADITIVAS PARA CALCULAR MUESTREO P (AUB) = P (A) + P (B) P (AB) Consideremos el caso de una pequea ensambladora con 50 empleados. Se espera que cada trabajador termine a tiempo sus labores sus labores de trabajo adems de que el producto armado pase una inspeccin final. A veces, algunos de los trabajadores no pueden cumplir con los estndares de desempeo porque terminan su trabajo tarde y/o arman productos defectuosos. Al terminar un periodo de evaluacin de desempeo, el gerente de produccin vio que 5 de los 50 trabajadores haban terminado tarde su trabajo, que 6 de los 50 haba armado productos defectuosos, y que 2 haban terminado el trabajo tarde y tambin haban armado productos defectuosos.
Evento A Evento B Espacio muestral S
Sean L = el evento de que el trabajos e termine tarde D = el evento de que el producto armado es defectuoso P (L) = 5/50 = .10 P (D) = 6/50 = .12 P (LD) = 2/50 = .04
Despus de revisar los datos, el gerente de produccin opt por asignar una mala calificacin de desempeo al empleado cuyo trabajo se presentara tarde o fuera defectuoso; en consecuencia, el evento de inters es LUD. Qu probabilidad hay de que asigne una mala calificacin a un empleado? Para hallar unin se utiliza la siguiente frmula: P (LUD) = P (L) + P (D) P (LD) Conocemos los valores de las tres probabilidades de esta ecuacin por lo tanto: P (LUD) = .10 + .12 - .04 = .18
Esto nos dice que hay una probabilidad de .18 d que un empleado reciba una mala calificacin de desempeo. En otro ejemplo de la Ley aditiva que llev a cabo el gerente de personal de una gran empresa de programas de cmputo. Encontr que el 30% delos empleados que salieron de la compaa en los dos ltimos aos lo hicieron principalmente por no estar satisfechos con su salario; el 20% sali por no estar satisfechos con las actividades en su trabajo y el 12 % de todos los anteriores manifestaron no estar satisfechos ni con su salario ni con sus trabajos. Cul es la probabilidad de que un empleado que haya salido en los dos ltimos aos lo haya hecho por no estar satisfecho con su sueldo, su trabajo o con ambas cosas?
Sean S = el evento de que el empleado sale debido al salario W = el evento de que el empleado sale por sus actividades en el trabajo Entonces P (S) = .30, P (W) = .20, y P (SW) = .12 P (SUW) = P (S) + P (W) P (SW) = .30 + .20 - .12 = .38 Resulta que hay .38 de probabilidad de que un empleado salga por motivos de sueldo o de actividades en el trabajo.
DEFINICION DE MUESTREO En ocasiones en que no es posible o conveniente realizar un censo (Analizar a todos los elementos de una poblacin), se selecciona una muestra, entendiendo por tal una parte representativa de la poblacin. El muestreo es por lo tanto una herramienta de la investigacin cientfica, cuya funcin bsica es determinar que parte de una poblacin debe examinarse, con la finalidad de hacer inferencias sobre dicha poblacin. La Muestra debe lograr una representacin adecuada de la poblacin, en la que se reproduzca de la mejor manera los rasgos esenciales de dicha poblacin que son importantes para la investigacin. Para que una muestra se representativa, y por lo tanto til, debe de refleja las similitudes y diferencias encontradas en la poblacin, es decir ejemplificar las caractersticas de sta.
EJEMPLO: Se acercan las Navidades y cierta empresa de turrones cree que no va a poder entregar todos los pedidos a tiempo, a no ser que aumente la plantilla. La empresa dispone de un listado ordenado alfabticamente de 20 personas con las mismas caractersticas para el puesto y que actualmente estn en paro. Puesto que el tiempo apremia y no es posible hacer una entrevista para seleccionar al personal, se decide elegir cinco trabajadores de forma aleatoria usando el muestreo sistemtico. Tenemos que elegir 5 elementos sistemticamente de un total de 20, por tanto se debe elegir uno de cada k=20/5=4. Se elige el punto de partida eligiendo un nmero al azar entre 1 y 4. Si obtenemos, por ejemplo h=2, los elementos de la muestra sern 2, 2+4, 2+24, 2+34, es decir: 2, 6, 10, 14, 8.
TIPOS DE MUESTREO ALEATORIO Existen diferentes criterios de clasificacin de los diferentes tipos de muestreo, aunque en general pueden dividirse en dos grandes grupos: mtodos de muestreo probabilsticos y mtodos de muestreo no probabilsticos. I. Muestreo probabilstico. Los mtodos de muestreo probabilsticos son aquellos que se basan en el principio de probabilidad. Es decir, aquellos en los que todos los individuos tienen la misma probabilidad de ser elegidos para formar parte de una muestra y, consiguientemente, todas las posibles muestras de tamao n tienen la misma probabilidad de ser seleccionadas. Slo estos mtodos de muestreo probabilsticos nos aseguran la representatividad de la muestra extrada y son, por tanto, los ms recomendables.
MUESTREO ALEATORIO SIMPLE. El procedimiento empleado es el siguiente: 1) se asigna un nmero a cada individuo de la poblacin y 2) a travs de algn medio mecnico (bolas dentro de una bolsa, tablas de nmeros aleatorios, nmeros aleatorios generados con una calculadora u ordenador, etc.) se eligen tantos sujetos como sea necesario para completar el tamao de muestra requerido. Este procedimiento, atractivo por su simpleza, tiene poca o nula utilidad prctica cuando la poblacin que estamos manejando es muy grande. 2. MUESTREO ALEATORIO SISTEMTICO. Este procedimiento exige, como el anterior, numerar todos los elementos de la poblacin, pero en lugar de extraer n nmeros aleatorios slo se extrae uno. Se parte de ese nmero aleatorio i, que es un nmero elegido al azar, y los elementos que integran la muestra son los que ocupa los lugares i, i + k, i+2k, i+3k,..., i+(n-1) k, es decir se toman los individuos de k en k, siendo k el resultado de dividir el tamao de la poblacin entre el tamao de la muestra: k= N/n. El nmero i que empleamos como punto de partida ser un nmero al azar entre 1 y k. El riesgo este tipo de muestreo est en los casos en que se dan periodicidades en la poblacin ya que al elegir a los miembros de la muestra con una periodicidad constante (k) podemos introducir una homogeneidad que no se da en la poblacin. Imaginemos que estamos seleccionando una muestra sobre listas de 10 individuos en los que los 5 primeros son varones y los 5 ltimos mujeres, si empleamos un muestreo aleatorio sistemtico con k=10 siempre seleccionaramos o slo hombres o slo mujeres, no podra haber una representacin de los dos sexos. 3.
EJEMPLO: Si tenemos una poblacin de 100 individuos y queremos seleccionar una muestra de 20, actuaramos de la siguiente forma: Numeramos los elementos o personas. Tenemos que elegir un elemento de cada 100/20= 5 (coeficiente de elevacin). Elegimos al azar un elemento o persona entre los 5 primeros. Supongamos que elegimos el nmero 2. Posteriormente seleccionamos un elemento cada 5, es decir, el 2+5=7, 7+5=12, etc. El ltimo sera el elemento nmero 97.
MUESTREO ALEATORIO ESTRATIFICADO Trata de obviar las dificultades que presentan los anteriores ya que simplifican los procesos y suelen reducir el error muestral para un tamao dado de la muestra. Consiste en considerar categoras tpicas diferentes entre s estratos) que poseen gran homogeneidad respecto a alguna caracterstica (se puede estratificar, por ejemplo, segn la profesin, el municipio de residencia, el sexo, el estado civil, etc.). Lo que se pretende con este tipo de muestreo es asegurarse de que todos los estratos de inters estarn representados adecuadamente en la muestra. Cada estrato funciona independientemente, pudiendo aplicarse dentro de ellos el muestreo aleatorio simple o el estratificado para elegir los elementos concretos que formarn parte de la muestra. En ocasiones las dificultades que plantean son demasiado grandes, pues exige un conocimiento detallado de la poblacin. (Tamao geogrfico, sexos, edades,...).
EJEMPLO: La distribucin de la muestra en funcin de los diferentes estratos se denomina afijacin, y puede ser de diferentes tipos: Afijacin Igual: A cada estrato le corresponde igual nmero de elementos. Afijacin Proporcional: La distribucin se hace de acuerdo con el peso (tamao) de la poblacin en cada estrato. A continuacin vamos a ver un ejemplo para comprender el funcionamiento de la afijacin proporcional. Supongamos que en un instituto, los 330 alumnos estn repartidos en grupos como sigue: 1 2 3 4 HEMBRAS 46 50 36 28 VARONES 54 40 44 32 Vamos a seleccionar una muestra estratificada por sexo y nivel, es decir, los elementos correspondientes a cada curso y sexo se calcularn de manera proporcional a la importancia de los mismos dentro de todo el centro.
TIPO DE MUESTREO NO ALEATORIO MUESTREO BOLA DE NIEVE. El muestreo por bola de nieve permite seleccionar un grupo inicial de encuestados (referencias), por lo general al azar, a quienes despus de entrevistar se les solicita que identifiquen a otras personas que pertenezcan a la poblacin meta de inters. De esta forma, los siguientes encuestados se seleccionan con base en las referencias. Este proceso puede realizarse en olas para obtener referencias de las referencias, lo cual en si origina un efecto de bola de nieve.
EJEMPLO:
Un investigador quiere hacer un estudio sobre el comportamiento de los individuos de una secta secreta. Empieza estudiando a tres integrantes de misma que conoce y ellos le van presentando a otros sujetos para incluirlos en su estudio. Un mdico ha tratado a un paciente con una enfermedad rara y decide hacer un estudio sobre ella. Para ello, recurre al paciente, que le va derivando a sus conocidos con dicha enfermedad y a travs del muestreo de bola de nieve entrevista al nmero de individuos que precisa.
6.2 MUESTREO INTENCIONAL. Ante todo la muestra intencional aleatoria es una muestra con propsito, lo que significa que los investigadores que emplean el muestreo deciden elegir un grupo especfico de personas u objetos dentro de una poblacin para su anlisis. Sin embargo los investigadores an tienen la intencin de describir a la poblacin como un todo. El grupo elegido a menudo es el que puede ofrecer la mayor parte de la informacin a los investigadores. Por ejemplo, una muestra intencional aleatoria relacionada con el comportamiento electoral puede incluir a personas de cada condicin socio-econmica y por lo tanto puede orientarse nicamente a las reas en las que exista una alta heterogeneidad socio-econmica.
EJEMPLO: En el muestreo intencional todos los elementos muestrales de la poblacin sern seleccionados bajo estricto juicio personal del investigador. En este tipo de muestreo el investigador tiene previo conocimiento de los elementos poblacionales. El investigador procura que la muestra sea lo ms representativa posible, para ello es necesario que conozca objetivamente las caractersticas de la poblacin que estudia. El investigador procede a seleccionar la muestra en forma intencional, eligiendo aquellos elementos que considera convenientes y cree que son los ms representativos.
MUESTREO ACCIDENTAL. En el muestreo accidental se seleccionan determinados individuos o grupos de individuos sin que exista ningn criterio aparente. Para realizar un estudio determinado, el investigador elige, por ejemplo, los alumnos de un centro que se encuentra prximo a su lugar de trabajo. Este tipo de muestreo se considera el ms alejado de la posibilidad de generalizar a la poblacin los resultados obtenidos.
EJEMPLO: Algn tema poltico de actualidad, o que algunos investigadores pidan a los alumnos de un saln que contesten un cierto cuestionario. Este muestreo es muy rpido y cuesta poco, pero tambin tiene ciertas deficiencias. La opinin de los alumnos de un saln o de cualquier persona, no puede ser representativa de la poblacin en estudio. Este tipo de muestreo es recomendable solamente en el proceso de un estudio exploratorio que trata de definir el camino de la investigacin.
FORMULA PARA EL CLCULO DEL TAMAO DE UNA MUESTRA. Para calcular el tamao de la muestra suele utilizarse la siguiente frmula:
Donde: n = el tamao de la muestra. N = tamao de la poblacin. Desviacin estndar de la poblacin que, generalmente cuando no se tiene su valor, suele utilizarse un valor constante de 0,5. Z = Valor obtenido mediante niveles de confianza. Es un valor constante que, si no se tiene su valor, se lo toma en relacin al 95% de confianza equivale a 1,96 (como ms usual) o en relacin al 99% de confianza equivale 2,58, valor que queda a criterio del investigador. e = Lmite aceptable de error muestral que, generalmente cuando no se tiene su valor, suele utilizarse un valor que vara entre el 1% (0,01) y 9% (0,09), valor que queda a criterio del encuestador. La frmula del tamao de la muestra se obtiene de la frmula para calcular la estimacin del intervalo de confianza para la media, la cual es:
De donde el error es:
De esta frmula del error de la estimacin del intervalo de confianza para la media se despeja la n, para lo cual se sigue el siguiente proceso: Elevando al cuadrado a ambos miembros de la frmula se obtiene:
Multiplicando fracciones:
Eliminando denominadores:
Eliminando parntesis:
Transponiendo n a la izquierda:
Factor comn de n:
Despejando n:
Ordenando se obtiene la frmula para calcular el tamao de la muestra:
REFERENCIAS BIBLIOGRAFICAS SUREZ, Mario, (2011), Interaprendizaje de Estadstica Bsica. TAPIA, Fausto Ibarra, Ecuador. SUREZ, Mario, (2004), Interaprendizaje Holstico de Matemtica, Ed. Grficas Planeta, Ibarra, Ecuador COCHRAN, William. "Tcnicas de Muestreo". Compaa Editorial Continental, S.A. Mxico. 1.985. DOWNIE, M. "Mtodos Estadsticos Aplicados". Harper & Row Publishers INC. Mxico. 1.973 LEWIS, Alvin. "Bioestadstica". Compaa Editorial Continental, S.A.Mxico. S/F. NETER y Otros. "Fundamentos de Estadstica para Negocios y Economa". Compaa Editorial Continental, S.A. Mxico. S/F. STEVENSON, William. "Estadstica para Administracin y Economa". HARLA. Mxico. 1.981