TEORA DEL MUESTREO:

Es un procedimiento por medio del cual se estudia una parte de la

poblacin llamada muestra, con el objetivo de inferir con respecto a toda la
poblacin.
La teora de muestreo se refiere al estudio de las relaciones que existen
entre un colectivo o poblacin y las muestras que se extraen de las
mismas.
Algunas veces es posible y prctico examinar a cada persona o elemento de
la poblacin que deseamos describir. Esta accin se conoce como
enumeracin completa o censo. Se recurre al muestreo cuando no es
posible contar o medir todos los elementos de la poblacin.
Los especialistas en estadstica usan la palabra poblacin para referirse no
slo a personas sino a todos los elementos que han sido escogidos para su
estudio. Los especialistas en estadstica emplean la palabra muestra para
describir una porcin escogida de la poblacin.
Estadsticas y parmetros
Matemticamente, podemos describir muestras y poblaciones al emplear
mediciones como la media, la mediana, la moda y la desviacin estndar,
Cuando estos trminos describen las caractersticas de una
muestra, se denominan estadsticas. Cuando describen las
caractersticas de una poblacin, se llaman parmetros. Una
estadstica es una caracterstica de una muestra y un parmetro es una
caracterstica de una poblacin.

TIPOS DE MUESTREO
Existen dos mtodos para seleccionar muestras de poblaciones: el
muestreo no aleatorio o de juicio y el muestreo aleatorio o de
probabilidad. En el muestreo de probabilidad, todos los elementos de la
poblacin tienen la oportunidad de ser escogidos para la muestra. En el
muestreo de juicio, se emplea el conocimiento y la opinin personal para
identificar a los elementos de la poblacin que deben incluirse en la
muestra.
En una muestra aleatoria los miembros de la poblacin se seleccionan de
forma que cada miembro individual tenga la misma posibilidad de ser
elegido.
MUESTREO ALEATORIO:
En una muestra aleatoria o de probabilidad conocemos las posibilidades de
que un elemento de la poblacin se incluya o no en la muestra. Como
resultado de lo anterior, es posible determinar objetivamente las
estimaciones de las caractersticas de la poblacin que resultan de una
muestra dada; es decir; se puede describir matemticamente que tan
objetivas son las estimaciones correspondientes.

Cada miembro de la poblacin tiene la misma probabilidad de resultar

seleccionado. A menudo se usan computadoras para generar nmeros
telefnicos aleatorios.

1 MUESTREO ALEATORIO SIMPLE

El muestreo aleatorio simple selecciona muestras mediante mtodos que
permiten que cada posible muestra tenga una igual probabilidad de ser
seleccionada y que cada elemento de la poblacin total tenga una
oportunidad igual de ser incluido en la muestra.
Muestreo aleatorio simple:
Se selecciona una muestra de n sujetos, de manera que cada posible
muestra del mismo tamao n tenga la misma posibilidad de ser elegida.

2 MUESTREO SISTEMTICO
En el muestreo sistemtico, los elementos son seleccionados de la poblacin
dentro de un intervalo uniforme que se mide con respecto al tiempo, al
orden o al espacio. Si El muestreo sistemtico difiere del muestreo aleatorio
simple en que cada elemento tiene igual oportunidad de ser seleccionado,
pero cada muestra no tiene una posibilidad igual de ser seleccionada.
En el muestreo sistemtico existe el problema de introducir un error en el
proceso de muestreo, pero este mtodo puede requerir menos tiempo y,
algunas veces, tiene como resultado un costo menor que el mtodo de
muestreo aleatorio simple.
Muestreo sistemtico:
Se selecciona un punto de partida, despus se elige cada k-simo (por
ejemplo, cada quincuagsimo) elemento de la poblacin.

3 MUESTREO ESTRATIFICADO
Para utilizar el muestreo estratificado, dividimos la poblacin en grupos
relativamente homogneos, llamados estratos. Despus utilizamos uno de
los dos planteamientos: o bien seleccionamos aleatoriamente, en cada
estrato, un nmero especfico de elementos correspondiente a la proporcin
del mismo en relacin con la poblacin completa, o extraemos el mismo
nmero de elementos de cada estrato y despus ponderamos los resultados
considerando la proporcin que el estrato representa con respecto a la
poblacin total.
Con cualquiera de los planteamientos, el muestreo estratificado garantiza
que cada elemento de la poblacin tenga posibilidad de ser seleccionado.

El muestreo estratificado resulta apropiado cuando la poblacin ya est

dividida en grupos de diferentes tamaos y deseamos tomar en cuenta esta
condicin.
La ventaja de las muestras estratificadas es que, cuando se disean
adecuadamente, reflejan de manera ms precisa las caractersticas de la
poblacin de la cual fueron elegidas, en comparacin con otro tipo de
muestras.

Muestreo estratificado:
Se subdivide a la poblacin en al menos dos subgrupos (o estratos
diferentes), de manera que los sujetos del mismo subgrupo compartan las
mismas caractersticas (como el gnero o la categora de edad), y despus
se obtiene una muestra de cada subgrupo.

4 MUESTREO DE CONGLOMERADOS
Este muestreo esta fundamentalmente orientado a la seleccin de grupo y
no de individuos dentro de la poblacin. El primer paso consiste en decidir la
poblacin en grupos que sean mutuamente excluyentes y colectivamente
exhaustivos y despus se toma una muestra aleatoria de los grupos
seleccionados por un muestreo aleatorio
Los conglomerados son designaciones de suceso natural, como pases,
distritos electorales, cuadras de una ciudad, hogares o territorios de venta. .
Con frecuencia, el muestreo de conglomerados tiene una mejor relacin
costo-eficacia que el muestreo aleatorio simple, sobre todo si la poblacin
se distribuye en una regin geogrfica extensa. Sin embargo, para generar
resultados tan precisos como los que se obtienen a partir del muestreo
aleatorio simple o del estratificado, a menudo el muestreo de
conglomerados necesita una muestra de mayor tamao.
Muestreo por conglomerados:
Se divide el rea de la poblacin en secciones (o conglomerados), luego se
eligen al azar algunos de estos conglomerados, y despus se elige a todos
los miembros de los conglomerados seleccionados.

MUESTREO NO ALEATORIO
1 MUESTREO DE JUICIO:
Se emplea el conocimiento y la opinin personal para identificar a los
elementos de la poblacin que deben incluirse en la muestra. Una muestra
seleccionada por muestreo de juicio se basa en la experiencia de alguien
con la poblacin.
Algunas veces, una muestra de juicio se usa como gua o muestra tentativa
para decidir cmo tomar una muestra aleatoria ms adelante.

Cul es el principal inconveniente del muestreo de juicio?

6-2 El muestreo de juicio y el muestreo de probabilidad, son mutuamente
excluyentes por necesidad? Explique su respuesta.
Son excluyentes porque el muestreo de juicio toma en cuenta la opinin
personal del investigador para tomar la muestra y por lo contrario en el
muestreo de probabilidad cualquier elemento de la poblacin puede ser
parte de la muestra sin opiniones ni restricciones
6-3 D una lista de las ventajas del muestreo en comparacin con una
enumeracin completa o censo.
Es econmico, rpido, y permite evaluar a un grupo extenso solamente
tomando una muestra de la poblacion (falta analizar)
6-4 Cules son algunas desventajas del muestreo de probabilidad en
relacin con el muestreo de juicio??????????

EL TEOREMA DE LIMITE CENTRAL

La relacin entre la forma de la distribucin de la poblacin y la forma de la
distribucin de muestreo se denomina teorema del lmite central. El
teorema del lmite central es, tal vez, el ms importante de toda la
inferencia estadstica, pues asegura que la distribucin de muestreo de la
media se aproxima a la normal al incrementarse el tamao de la muestra.
Hay situaciones tericas en las que el teorema del lmite central no se
cumple, pero casi nunca se encuentran en la toma de decisiones prctica.
La importancia del teorema del lmite central es que nos permite usar
estadsticas de muestra para hacer inferencias con respecto a los
parmetros de poblacin, sin saber sobre la forma de la distribucin de
frecuencia de esa poblacin ms que lo que podamos obtener de la
muestra.

El teorema del lmite central es importantsimo al utilizar la inferencia

estadstica para obtener conclusiones sobre una poblacin. Permite elaborar
inferencias sobre la media poblacional sin necesidad de conocer la forma
especfica de su distribucin.

EL TEOREMA DEL LMITE CENTRAL

El teorema del limite central dispone que cuando el tamao de la muestra
( es decir, el numero de valores en cada muestra) es lo bastante grande, la
distribucin muestral de la media tiene una distribucin aproximadamente
normal. Esto es valido sin importar la forma de la distribucin de los valores
individuales en la poblacin.

Aplicacin del teorema del lmite central

Muchos problemas prcticos importantes se resuelven mediante el teorema
del lmite central. Cuando trabaje con este tipo de problemas, recuerde que
si el tamao de la muestra es mayor que 30, o si la poblacin original se
distribuye normalmente, debe tratar la distribucin de medias muestrales
como si fuera una distribucin normal con media m y desviacin estndar
En el siguiente ejemplo, el inciso a) incluye un valor individual, pero el inciso
b) incluye la media de una muestra de 20 hombres, por lo que debemos
usar el teorema del lmite central al trabajar con la variable aleatoria.

TEORA DE LA ESTIMACIN ESTADSTICA

Estimacin estadstica: Es el proceso de utilizar datos mustrales para
estimar los valores de parmetros desconocidos de una poblacin.

CLASES DE ESTIMACIN EXISTENTES

Estimacin de Punto: La estimacin se representa mediante un solo
nmero.
Un estimado puntual es un valor individual (o punto) que se usa para
aproximar un parmetro de poblacin.
Estimacin de intervalo: La estimacin se representa mediante dos
nmeros que determinan un intervalo sobre la recta.
Estimador es una regla que expresa cmo calcular la estimacin,
basndose en la informacin de la muestra y se enuncia, en general,
mediante una frmula.
Un estimador puntual utiliza los datos de la muestra para obtener un
nmero que estima el valor del parmetro.
Un estimador por intervalo utiliza los datos de la muestra para
obtener dos valores numricos entre los cuales se supone que est el valor
del parmetro estimado

ESTIMACIN DE LA MEDIA DE UNA POBLACIN:

El valor de la media de la muestra tiene dos significados:

Sirve como punto medio del intervalo de confianza.

Funciona como una estimacin puntual de la media real.

ESTIMACIN DE LA PROPORCIN POBLACIONAL

1. La muestra es aleatoria simple.
2. Las condiciones para la distribucin binomial se satisfacen. Esto es, hay
un nmero fijo de ensayos, los ensayos son independientes, hay dos
categoras de resultados y las probabilidades permanecen constantes para
cada ensayo.
3. La distribucin normal resulta til para aproximar la distribucin de
proporciones muestrales, ya que np $ 5 y nq $ 5 se satisfacen. (Puesto que
p y q no se conocen, usaremos la proporcin muestral para estimar sus
valores. Adems, hay procedimientos para tratar con situaciones en las
cuales la distribucin normal no es una aproximacin adecuada.
Un intervalo de confianza (o estimado del intervalo) es una gama (o un
intervalo) de valores que se usan para estimar el valor real de un parmetro
de poblacin. El intervalo de confianza suele abreviarse como IC.
EL NIVEL DE CONFIANZA es la probabilidad 1 2 _ (a veces se expresa
como el valor de porcentaje equivalente), que es la proporcin de veces que
el intervalo de confianza realmente contiene el parmetro de poblacin,
suponiendo que el proceso de estimacin se repite un gran nmero de
veces. (El nivel de confianza tambin se conoce como grado de confianza,
o coeficiente de confianza).
Procedimiento para construir un intervalo de confianza para p
1. Verifique que los supuestos que se requieren se satisfacen. (La muestra
es aleatoria simple, las condiciones para la distribucin binomial se
satisfacen y la distribucin normal puede utilizarse para aproximar la
distribucin de las proporciones muestrales, puesto que np $ 5 y nq $ 5 se
satisfacen).
2. Remtase a la tabla A-2 y encuentre el valor crtico za/2 que corresponde
al nivel de confianza que se desea. (Por ejemplo, si el nivel de confianza es
95%, el valor crtico es za/2 5 1.96).
3. Evale el margen de error
4. Utilizando el valor del margen de error E que ya se conoce y el valor de la
proporcin muestral , calcule los valores de 2 E y 1 E. Sustituya esos valores
en el formato general para el intervalo de confianza:
5. Redondee los lmites del intervalo de confianza resultantes a tres dgitos
significativos.
DETERMINACIN DE TAMAO DE LA MUESTRA
Si tomamos la expresin para el margen de error E , y luego resolvemos
para n, se requiere que sea un estimado de la proporcin poblacional p,
pero si no se conoce un estimado como ste, como suele ser el caso,
reemplazamos por 0.5 y por 0.5.

ESTIMACIN DE LA MEDIA POBLACIONAL: S CONOCIDA (z)

1. La muestra es aleatoria simple. (Todas las muestras del mismo tamao
tienen una posibilidad igual de seleccionarse).
2. Se conoce el valor de la desviacin estndar poblacional s.
3. Cualquiera o ambas de tales condiciones se satisface: la poblacin est
normalmente distribuida o n . 30.
Procedimiento para construir un intervalo de confianza para M(con s
conocida)
1. Verifique que los supuestos requeridos se satisfagan. (Tenemos una
muestra aleatoria simple, s se conoce y la poblacin parece distribuirse
normalmente, o n . 30).
2. Remtase a la tabla A-2 y calcule el valor crtico correspondiente al nivel
de confianza que se desea (por ejemplo, si el nivel de confianza es del 95%,
el valor crtico es 5 1.96).
3. Evale el margen de error.
4. Utilizando el valor que se calcul del margen de error E y el valor de la
media muestral , calcule los valores de 2 E y 1 E. Sustituya estos valores en
el formato general para el intervalo de confianza:
5. Redondee los valores resultantes usando la siguiente regla de redondeo.
Regla de redondeo para intervalos de confianza que se utilizan para
estimar M
1. Cuando utilice el conjunto de datos original para construir un intervalo
de confianza, redondee los lmites del intervalo de confianza a un lugar
decimal ms del que se usa para el conjunto de datos original.
2. Cuando el conjunto de datos original se desconoce y slo se utilizan los
estadsticos resumidos (n, , s), redondee los lmites del intervalo de
confianza al mismo nmero de espacios decimales que se usan para la
media muestral.
ESTIMACIN DE LA MEDIA POBLACIONAL: S DESCONOCIDA(t)
1. La muestra es aleatoria simple.
2. La muestra proviene de una poblacin que se distribuye normalmente o
n . 30.
Es esencialmente una distribucin t de Student para todas las muestras
de tamao n. La distribucin t de Student, que a menudo se refiere como la
distribucin t, se utiliza para calcular valores crticos denotados por t . El
nmero de grados de libertad para un conjunto de datos muestrales que
se recolectaron es el nmero de valores muestrales que pueden variar tras
haber impuesto ciertas restricciones a todos los valores de los datos.
1. Verifique que se satisfacen los supuestos requeridos. (Tenemos una
muestra aleatoria simple; adems, la poblacin parece distribuirse
normalmente o n . 30).
2. Utilizando n 2 1 grados de libertad, remtase a la tabla A-3 y encuentre el
valor crtico ta/2, que corresponde al nivel de confianza que se desea.
3. Evale el margen de error E 5 t . a>2 s>!n
4. Utilizando el valor del margen de error E calculado y el valor de la media
muestral , calcule los valores de 2 E y 1 E. Sustituya dichos valores en el
formato general para el intervalo de confianza:

5. Redondee los lmites del intervalo de confianza resultantes. Si utiliza el

conjunto original de datos, redondee a un decimal ms del que se usa para
el conjunto original de datos. Si trabaja con estadsticos resumidos (n, , s),
redondee los lmites del intervalo de confianza al mismo nmero de lugares
decimales que se utilizaron para la media muestral.

ANLISIS DE REGRESIN Y CORRELACIN

DEFINICIONES
Anlisis de Regresin: Da lugar a una ecuacin matemtica que describe
dicha relacin.
Anlisis de Correlacin: Produce un nmero que resume el grado de
relacin entre dos variables.
El anlisis de correlacin es la herramienta estadstica que podemos usar
para describir el grado en el que una variable est linealmente relacionada
con otra

Los anlisis de regresin y correlacin nos mostrarn cmo determinar

tanto la naturaleza como la fuerza de una relacin entre dos variables.
Regresin Lineal Simple: Comprende e intento de desarrollar una lnea
recta o ecuacin matemtica Lineal que describa la relacin entre variables.
Regresin mltiple Proceso estadstico mediante el cual se utiliza varias
variables para predecir otra variable.
Ecuacin Lineal:
Y= a+bx
Donde:
Y= Variable que se va a predecir
a y b= Valores que se determinan a partir de los datos de la muestra.
a= Indica la altura de la recta en x=0
b= Su pendiente
x= Variable predictoria
TIPOS DE RELACIONES
Regresin Lineal Positiva: Relacin entre dos variables en donde, al
aumentar el valor de la variable independiente, aumenta el valor de la
variable dependiente
Regresin Lineal Negativa: Relacin entre dos variables en donde, al
aumentar la variable independiente, la variable dependiente disminuye.
Regresin Curvilinea: Asociacin entre dos variables que se describe por
una lnea curva.
la variable dependiente no cambia con una tasa constante con incrementos
iguales en la(s) variable(s) independiente(s).
Ej.: Los empleados de muchas industrias, por ejemplo, experimentan lo que
se denomina curva de aprendizaje, es decir, al fabricar un nuevo
producto, el tiempo requerido para producir una unidad se reduce en alguna
proporcin fija al duplicarse el nmero total de unidades. Una industria de
este tipo es la aviacin. El tiempo de fabricacin por unidad de una nueva
aeronave tiende a disminuir un 20% cada vez que se duplica el nmero de
nuevos aviones terminados.

DIFERENCIA DEL ANLISIS DE REGRESIN Y EL ANLISIS DE

CORRELACIN
En el anlisis de regresin se desarrolla una ecuacin de estimacin, que es,
una frmula matemtica que relaciona las variables conocidas con la
variable desconocida. Despus de conocer el patrn de esta relacin,
podremos aplicar el anlisis de correlacin para determinar el grado en el
que las variables se relacionan. El anlisis de correlacin, entonces, nos
indica qu tan bien la ecuacin de estimacin describe realmente la
relacin.

EXTRAS

Diagrama de dispersin: Una grfica en la que datos muestrales

apareados (x, y) se grafican en un eje x horizontal y un eje y vertical. Cada
par individual (x, y) se grafica como un solo punto.
Coeficiente de correlacin lineal r: mide la fuerza de la relacin lineal
entre los valores cuantitativos apareados x y y en una muestra. Su valor se
calcula con la frmula 9-1, que se incluye en el siguiente recuadro. [El
coeficiente de correlacin lineal tambin se conoce como coeficiente de
correlacin producto momento de Pearson, en honor de Karl Pearson
(1857-1936), quien lo desarroll originalmente].
Coeficiente de correlacin Raz cuadrada del coeficiente de
determinacin. Su signo indica la direccin de la relacin entre dos
variables, directa o inversa.
Coeficiente de determinacin Medida de la proporcin de variacin en Y,
la variable dependiente, que explica la recta de regresin, esto es, la
relacin de Y con la variable independiente