REPBLICA BOLIVARIANA DE VENEZUELA

MINISTERIO DEL PODER POPULAR PARA LA EDUCACIN

UNIVERSIDAD FERMIN TORO.
CABUDARE-ESTADO LARA.

Muestreo y Estimacin

Estudiante
Carlos Silva
V-23814951
ESTADISTICA I Saia A

Septiembre 2016

MUESTREO

Muestras: Cuando el proceso de obtener una muestra cumple estas dos

caractersticas, se habla de muestreo aleatorio y garantiza la representatividad
de la muestra.

Muestreo aleatorio:
1. Toda observacin tiene igual probabilidad de ser elegida para entrar en
la muestra
2. Cada observacin se elige con independencia de las dems
Para que el muestreo sea cientfico, todas las observaciones de la poblacin
deben tener una probabilidad conocida de ser elegidas.

Muestras probabilsticas:
Muestreo aleatorio simple:
El muestreo aleatorio simple es un mtodo por medio del cual se seleccionan n
unidades de una poblacin de N elementos de manera tal que cada una de las
muestras posibles tengan la misma oportunidad de ser seleccionadas.
El procedimiento de elegir una muestra al azar consiste en obtener, en primer
lugar, una lista de todas las observaciones que componen la poblacin y
enumerarlas. Una vez decidido el nmero de observaciones (tamao de la
muestra) se extraen aqullas que van a formarla por algn procedimiento al
azar (tablas de nmeros al azar, etc.).
Muestreo sistemtico:
Este tipo de muestreo consiste en elegir las observaciones de la muestra a
intervalos sistemticos, es decir, a intervalos iguales a partir de una primera
observacin elegida segn el mtodo de nmeros al azar.
Muestreo estratificado:
a) la poblacin completa de elementos se divide en subgrupos o estratos;
b) dentro de cada estrato se selecciona una muestra aleatoria simple o
sistemtica;
c) en la muestra obtenida en cada estrato se calcula el estadstico de inters.
Estas medidas por estrato se ponderan adecuadamente para formar una
estimacin combinada de la poblacin completa;
d) las varianzas tambin se calculan separadamente dentro de cada estrato y
se ponderan adecuadamente para formar una estimacin combinada de la
poblacin completa.

Existen varios procedimientos para determinar el tamao de muestra

correspondiente a cada estrato y la eleccin de uno de ellos depender de
cada investigacin en particular.
Esta puede ser de tres tipos: proporcional, ptima o arbitraria.
En el primer caso cuando la asignacin es proporcional, la muestra total se
divide entre los estratos en una manera proporcional al tamao de los mismos.
En el segundo caso, se tiene en cuenta no solamente el tamao del estrato
sino tambin las varianzas dentro de cada estrato. En el tercer caso, la muestra
se reparte arbitrariamente entre los distintos estratos.

Muestreo por conglomerados:

El muestreo por conglomerados es un mtodo de seleccin de muestras en el
cual la unidad de muestreo, que es la unidad de seleccin, contiene ms de un
elemento de la poblacin. La unidad de muestreo es, luego, un conglomerado
de elementos en el que cada uno debe estar identificado unvocamente con
una y slo una unidad de muestreo.
Los conglomerados deben ser mutuamente excluyentes y exhaustivos.
El muestreo por conglomerados aumenta su eficiencia con respecto a otros
tipos de muestreo cuando los elementos que componen un conglomerado son
heterogneos.
En contrapartida, los conglomerados deben parecerse bastante entre s.

ESTIMACIONES
Una estimacin consiste en apostar por valor para un parmetro poblacional,
habitualmente calculando tambin un rango de valores entre los que puede
situarse dicho parmetro poblacional. El anlisis estadstico inferencial conduce
a dos clases de resultados: valores puntuales e intervalos de confianza.
Un estimador es una funcin de los valores de una muestra que se elabora
para indagar el valor de un parmetro de la poblacin de la que procede la
muestra

La estimacin puede ser de dos tipos:

Estimacin puntual: proporciona un valor nico aproximado del

parmetro desconocido, quedando sin especificar cmo de buena es tal
especificacin.

Parmetro
poblacional
Media

Estimador

varianza

Sx

Desviacin
estndar
x

sx

Proporcin

Estimacin por intervalo: proporciona un abanico de posibles valores,

alguno de los cuales confiamos que sea el verdadero valor del parmetro
desconocido, con una determinada seguridad de que la afirmacin es cierta.

Caractersticas de un Estimador:

Ser Insesgado: cuando el estimador muestral corresponde al

poblacional, sin ninguna desviacin sistemtica.
Ser Eficiente: aquel estimador muestral de igual valor a otros, pero que
presenta mnima varianza.
Ser Suficiente: aquel estimador que utiliza toda la informacin contenida
en la muestra.

Para calcular intervalos de confianza se usa habitualmente el concepto de

error estndar.
Por lo tanto, la expresin ms general para hacer estimaciones calculando
intervalos de confianza es sumar y restar al estimador muestral Z veces el error
estndar (EE) del estimador.
parmetro estimador Z * E E del estimador
Aqu Z es el valor correspondiente a la distribucin normal.
Si el intervalo de confianza es al 95% ( 1 ), habr un error ( ). Este error
se reparte en dos colas, una a cada lado, cada cola valdr el 2,5% ( /2 =
0,025 ); en ese caso, Z valdra 1,96.
A veces, en vez de Z, se usa otra cantidad ( t de Student ), si el tamao de la
muestra, es pequeo ( n < 30).

Estimacin de una media y estimacin de una proporcin:

Estimacin puntual:
Estimacin del parmetro media poblacional :
Se supone que se quiere conocer el verdadero valor del parmetro . La nica
solucin a este problema ser recurrir a una muestra y calcular el promedio. Se
obtendr as el valor de un estadstico muestral mediante el cual se estimar el
verdadero promedio de la poblacin objetivo.

(media muestral) es el mejor estimador de pues cumple con todas las

propiedades de un buen estimador:
-

x
es un estimador insesgado ya que E ( ) = ;

es un estimador eficiente, y;
es un estimador suficiente.

Estimacin del parmetro poblacional P:

El mejor estimador puntual de P ser, intuitivamente, la proporcin muestral p.

x
n

Esta proporcin se obtiene:

donde la cantidad x representa el nmero
total de xitos en un total de n pruebas binomiales.
Se conoce que la proporcin muestral p es un estimador insesgado, eficiente y
suficiente de P cuando se lo compara con otros estimadores.

Intervalo de confianza de una media:

Intervalo de confianza de una media:
x
A partir de la media muestral
se calcula el intervalo de confianza para la
media poblacional ( ).
Hay que sumar y restar a la media muestral una cantidad (factor de error).
Esa cantidad es un mltiplo del error estndar y se vio antes que se calcula as:
parmetro estimador Z * E E del estimador
Las estimaciones por intervalo gozan de ciertas ventajas sobre las
estimaciones puntuales.- Debido al error de muestreo probablemente X no
ser igual a .-, por lo tanto, los intervalos de confianza, se utilizan para explicar
esta discrepancia desconocida

Muestras grandes (usando la Normal)

Para muestras grandes, una vez calculado el error estndar de la media, todo
consiste en multiplicarlo por la cantidad Z tomada de las tablas de la normal y
despus sumarlo y restarlo a la media muestral.
IC ( 1 ) =

Z/2 EEM =

Z/2 S
n

Es

decir todas las

otras muestras consideradas producirn un intervalo que contiene la media
poblacional