Académique Documents
Professionnel Documents
Culture Documents
ESTADÍSTICA APLICADA A LA
INGENIERÍA AGRÍCOLA
CLASE 01
Pág. 1
Introducción al muestreo:
El muestreo es una fuente de acceso a la realidad. Entendemos por muestra una fracción de
la población representativa de ésta, de manera que pudiera utilizarse para extraer
conclusiones sobre la población. Los procedimientos y técnicas empleados para escoger
esta muestra deben de estar orientados a que cada muestra posible no introduzca sesgos o
deviaciones claras y sea suficientemente precisa. La teoría estadística del muestreo se ocupa
de los métodos y técnicas para diseñar la elección de la muestra y obtener aproximaciones
de ciertas características poblacionales como pueden ser proporciones, medias o totales de
las variables de interés.
Frente a las muestras, existen los llamados censos, o enumeraciones completas de todas las
unidades poblacionales. Estos censos resultan costosos y su duración suele ser larga. Las
muestras constituyen modelos reducidos de la realidad poblacional, son más rápidas y
menos costosas que los censos, y sus resultados suelen ser extrapolables al universo del que
extraen.
Pág. 2
Para que estos datos estadísticos sean de utilidad tienen que presentar dos
características básicas:
Deben ser pertinentes; es decir, deben guardar una relación con el tema a
investigar.
Para que una muestra sea aceptable desde el punto de vista del análisis estadístico
deberá reunir las siguientes características:
Pág. 3
La muestra debe ser bastante reducida para evitar gastos innecesarios y lo bastante
amplia para que el error de muestreo sea admisible y además debe reunir las
exigencias de eficiencia, representatividad, seguridad y flexibilidad.
Cuando la población sea infinita o tan grande que sea imposible la enumeración
completa de cada uno de los elementos o unidades.
Cuando la población tenga las mismas características tal que una muestra sea una
imagen aceptable de la misma población.
- Por otra parte, la aplicación del muestreo presenta algunas limitaciones comunes
entre las cuales tenemos:
El cálculo de los resultados está sujeto a los errores del muestreo en sí y de errores
ajenos al muestreo.
Pág. 4
En virtud de la función que cumplen, los estadísticos muéstrales son conocidos como
estimadores. En principio pueden obtenerse infinitos valores para estimar un
parámetro poblacional existirá un estadístico muestral que es su mejor estimador.
Nótese que un estimador es un suceso aleatorio que se asume diversos valores con
probabilidades distintas. En efecto, en cada muestra de tamaño n extraída de una
población de tamaño N, el estimador asumiría un valor diferente. En consecuencia, un
estimador varía en forma aleatoria en torno al parámetro poblacional. Así, por ejemplo,
la media muestral de cada una de las muestras se aproxima en distinto grado al valor
parámetro poblacional.
Pág. 5
coincide con el valor del parámetro poblacional. Se dice que una estadística
b. Estimador consistente
Un estimador es consistente si el valor de la estimación tiende a coincidir con
el valor del parámetro, cuando el tamaño de la muestra tiende a aproximarse
al tamaño de la población. En un estimador consiste la probabilidad que el
estimador coincida con el parámetro poblacional es 1 cuando el tamaño de la
muestra aumenta hasta coincidir con el tamaño de la población.
Pág. 6
e. Eficiencia Relativa
Para verificar la eficiencia relativa se comparan las varianzas de dos
= = 0,5
h. asda
Diferencias entre poblaciones y muestras
Población Muestra
Definición Colección de elementos considerados Parte o porción de la población
seleccionada para su estudios
Características Parámetros(fijos) Estadísticos(variables o aleatorios)
Símbolos Tamaño de población =N Tamaño de muestra =n
Probabilístico
- Muestreo aleatorio simple
- Muestreo aleatorio estratificado
- Muestreo por conglomerados
- Muestreo sistemático
No probabilística
- Muestreo de convivencia
- Muestreo por juicio u opinión
- Muestreo por cuotas
- Muestreo por bola de nieve
- Muestreo discrecional
Pág. 8
n
llegan a las mismas conclusiones. Si la fracción de muestreo es mayor de
N
0.1 (se muestrea más del 10 % de la población) la diferencia entre ambos
métodos puede ser apreciable, llegando a conclusiones contradictorias según se
aplique un método u otro.
Ejemplo:
En el muestreo aleatorio sin reposición, el número de muestras de tamaño n que
N
se pueden formar es: , y, por tanto, la probabilidad de elegir una muestra
n
1 !·nnN !
p
determinada es: N N! La probabilidad de que un elemento determinado de la
n
n
población forme parte de la muestra viene dada por p .
N
Pág. 9
En efecto:
N 1
caso favorables n1 N 1!· N n! n!· n
p
caso posibles N N n!· n1! N!· N
.
n
En la práctica el procedimiento de muestreo aleatorio consiste en extraer al azar
los elementos que constituyen la muestra, obteniendo la muestra unidad a
unidad. Para ello, si la población es finita, se enumeran los elementos de la
población desde 1 hasta N, y se extraen a continuación n elementos usando una
urna o un bombo. Este procedimiento, aunque sencillo, requiere tener unos
medios materiales: un bombo o una urna, papeles numerados o bolas numeradas,
etc., por lo que se suelen utilizar otras alternativas como las tablas de números
aleatorios o la generación de números aleatorios con la calculadora.
Las tablas de números aleatorios son tablas de números colocados de tal forma
que no exista ninguna relación entre ellos sea cual sea el sentido en que los
leamos. Al final de los contenidos teóricos de este tema aparece una tabla de
números aleatorios.
Etapas del muestreo:
1) Definir la población de estudio(Objetivo – Marco muestral )
2) Seleccionar un procedimiento de muestreo
3) Definir el tamaño de muestra (según el tipo de muestreo de estudio).
4) Seleccionar la(s) unidades muestrales de manera sistemática por medio de
algún medio mecánico (Tablas de números aleatorios, bolas dentro de una bolsa,
números aleatorios generados con una calculadora, etc.)
Marco Muestral: Es un listado de todas las unidades que conforman la
población objetivo, puede ser una base de datos, plano e incluso mapas. Es
Pág. 10
= =
p = Probabilidad de éxito
q = (1 – p) = Probabilidad de fracaso
1 – α = Nivel de confianza
e = error de diseño
Error de muestreo
Es la diferencia que poder haber entre el valor poblacional (parámetro) y la
estimación de la misma (estimación puntual o estadígrafo), obtenida por
medio de una muestra aleatoria, observada en una de las tantas muestras
posibles de una población dada. La totalidad de estos errores, genera la
distribución de muestreo empleada para estimar el valor poblacional.
El tamaño de error depende del investigador que está dispuesto a aceptar, caso
contrario está más allá del control del investigador (no hay nada que se pueda
hacer sobre la varianza de la población), sí es posible limitar el tamaño de
error.
El tamaño de error que el investigador puede tolerar, depende de qué tan
crítico es el trabajo. Algunas tareas extremadamente delicadas requieren de
resultados exactos: lo procedimientos médicos vitales de los cuales dependen
vidas humanas, o la producción de piezas de una máquina que deba cumplir
medidas precisas, pueden tolerar sólo un pequeño error. En otros casos, los
erros más grandes pueden tener consecuencia menos grave.
Se supone que en la fabricación de una pieza para los productos de discos
compactos (CD), un error de 2 milímetros (mm) en el diámetro no causaría
problema alguno; sin embargo, todo error superior a 2mm resultará en un
reproductor defectuoso. Si una pieza puede variar por encima y por debajo de
algún diámetro deseado en 2mm, se permite un intervalo de 4mm. Todo
intervalo dado es dos veces que el error tolerable.
Pág. 11
n =
z=
Pág. 12
Pág. 13