Integrantes: Layneker Seijas Stephany Colmenarez Jean Carlos Segovia El muestreo es una herramienta de la investigacin cientfica. Su funcin bsica es determinar que parte de una realidad en estudio (poblacin o universo) debe examinarse con la finalidad de hacer inferencias sobre dicha poblacin. El error que se comete debido a hecho de que se obtienen conclusiones sobre cierta realidad a partir de la observacin de slo una parte de ella, se denomina error de muestreo. Obtener una muestra adecuada significa lograr una versin simplificada de la poblacin, que reproduzca de algn modo sus rasgos bsicos. Muestra: En todas las ocasiones en que no es posible o conveniente realizar un censo, lo que hacemos es trabajar con una muestra, entendiendo por tal una parte representativa de la poblacin. Para que una muestra sea representativa, y por lo tanto til, debe de reflejar las similitudes y diferencias encontradas en la poblacin, ejemplificar las caractersticas de la misma.
Cuando decimos que una muestra es representativa indicamos que rene aproximadamente las caractersticas de la poblacin que son importantes para la investigacin. Poblacin Los estadsticos usan la palabra poblacin para referirse no slo a personas si no a todos los elementos que han sido escogidos para su estudio. Muestra Los estadsticos emplean la palabra muestra para describir una porcin escogida de la poblacin. Matemticamente, podemos describir muestras y poblaciones al emplear mediciones como la Media, Mediana, la moda, la desviacin estndar. Cuando stos trminos describen una muestra se denominan estadsticas. Una estadstica es una caracterstica de una muestra, los estadsticos emplean letras latinas minsculas para denotar estadsticas y muestras. Los autores proponen 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. A. En estudios que implican tcnicas destructivas o de uso que imposibilidad de utilizacin posterior de lo analizado.
B. El trabajo con una muestra y no con el universo implica eficiencia, pues significa ahorro de recursos, esfuerzos y tiempo
C. Con el uso del muestreo se pueden obtener resultados razonablemente ms precisos que el estudio de todo el universo, pues para el estudio de slo una muestra, el personal mnimo necesario puede ser mejor preparado para recoger informacin ms detallada y elaborada.
D. Como desventaja se debe mencionar el error de muestreo, producto de la variabilidad intrnseca que poseen los elementos de todo universo o poblacin. El trmino error no debe entenderse como sinnimo de equivocacin Ejemplo: Estatura de nios: 117, 120, 125, 125, 130
Media poblacional 123.4 Muestreo probabilstico Consiste en elegir una muestra de una poblacin al azar. Podemos distinguir varios tipos de muestreo: Muestreo aleatorio simple Para obtener una muestra, se numeran los elementos de la poblacin y se seleccionan al azar los n elementos que contiene la muestra. 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. Por ejemplo si tenemos una poblacin formada por 100 elementos y queremos extraer una muestra de 25 elementos, en primer lugar debemos establecer el intervalo de seleccin que ser igual a 100/25 = 4. A continuacin elegimos el elemento de arranque, tomando aleatoriamente un nmero entre el 1 y el 4, y a partir de l obtenemos los restantes elementos de la muestra. 2, 6, 10, 14,..., 98 Muestreo aleatorio estratificado Se divide la poblacin en clases o estratos y se escoge, aleatoriamente, un nmero de individuos de cada estrato proporcional al nmero de componentes de cada estrato. En una fbrica que consta de 600 trabajadores queremos tomar una muestra de 20. Sabemos que hay 200 trabajadores en la seccin A, 150 en la B, 150 en la C y 100 en la D. Un muestreo puede hacerse con o sin reposicin, y la poblacin de partida puede ser infinita o finita. En todo nuestro estudio vamos a limitarnos a una poblacin de partida infinita o a muestreo con reposicin. Si consideremos todas las posibles muestras de tamao n en una poblacin, para cada muestra podemos calcular un estadstico (media, desviacin tpica, proporcin, ...) que variar de una a otra. As obtenemos una distribucin del estadstico que se llama distribucin muestral. Muestreo por cuotas: Tambin denominado en ocasiones, "accidental". Se asienta generalmente sobre la base de un buen conocimiento de los estratos de la poblacin y/o de los individuos ms "representativos" o "adecuados" para los fines de la investigacin. Mantiene, por tanto, semejanzas con el muestreo aleatorio estratificado, pero no tiene el carcter de aleatoriedad de aqul.
En este tipo de muestreo se fijan unas "cuotas" que consisten en un nmero de individuos que renen unas determinadas condiciones, por ejemplo: 20 individuos de 25 a 40 aos, de sexo femenino y residentes en Trujillo. Una vez determinada la cuota, se eligen los primeros que se encuentren que cumplan esas caractersticas. Este mtodo se utiliza mucho en las encuestas de opinin.
Por ejemplo, la Direccin Regional de Salud desea estudiar la incidencia de las drogas en la adolescencia. Lo que deberamos hacer sera: conocer por los informes de la Direccin Regional de Educacin cules son los centros ms afectados por el problema, fijar un nmero de sujetos a entrevistar proporcional a cada uno de los estratos (cuotas) y finalmente dejar en manos de los responsables del trabajo de campo a qu sujetos concretos se deber entrevistar.
Muestreo no probabilstico: A veces, para estudios exploratorios, el muestreo probabilstico resulta excesivamente costoso y se acude a mtodos no probabilstico, aun siendo conscientes de que no sirven para realizar generalizaciones, pues no se tiene certeza de que la muestra extrada sea representativa, ya que no todos los sujetos de la poblacin tienen la misma probabilidad de se elegidos. En general se seleccionan a los sujetos siguiendo determinados criterios procurando que la muestra sea representativa Muestreo Opintico o intencional: Este tipo de muestreo se caracteriza por un esfuerzo deliberado de obtener muestras "representativas" mediante la inclusin en la muestra de grupos supuestamente tpicos. Es muy frecuente su utilizacin en sondeos preelectorales de zonas que en anteriores votaciones han marcado tendencias de voto.
Muestreo casual o incidental: Se trata de un proceso en el que el investigador selecciona directa e intencionadamente los individuos de la poblacin. El caso ms frecuente de este procedimiento el utilizar como muestra los individuos a los que se tiene fcil acceso (los profesores de universidad emplean con mucha frecuencia a sus propios alumnos). Un caso particular es el de los voluntarios.
Bola de nieve: Se localiza a algunos individuos, los cuales conducen a otros, y estos a otros, y as hasta conseguir una muestra suficiente. Este tipo se emplea muy frecuentemente cuando se hacen estudios con poblaciones "marginales", delincuentes, sectas, determinados tipos de enfermos, etc.
El frmula para la distribucin del muestreo depende de distribucin de la poblacin, la estadstica que era considerada, y el tamao de muestra utilizaron. Una formulacin ms exacta hablara de la distribucin de la estadstica como sa para todas las muestras posibles de un tamao dado, no apenas bajo muestreo repetido. Por ejemplo, considere un muy grande normal poblacin (una que sigue el supuesto curva de la campana). Asuma que tomamos en varias ocasiones muestras de un tamao dado de la poblacin y calcule medio de la muestra (, medio aritmtico de los valores de los datos) para cada muestra. Diversas muestras conducirn a diversos medios de la muestra. La distribucin de estos medios es la distribucin del muestreo del medio de la muestra (para el tamao de muestra dado). Esta distribucin ser normal puesto que la poblacin era normal. (Segn teorema de lmite central, si la poblacin est no normal sino suficientemente bien comportada, la distribucin del muestreo del medio de la muestra todava es aproximadamente normal proporcion el tamao de muestra es suficientemente grande.) As, el medio de la distribucin del muestreo es equivalente a valor previsto de cualquier estadstica. Para el caso donde est el medio la estadstica de la muestra: desviacin de estndar del muestreo la distribucin de la estadstica se refiere como error de estndar de esa cantidad. Para el caso donde est el medio la estadstica de la muestra, el error de estndar est: donde es la desviacin de estndar de la distribucin de la poblacin de esa cantidad y n es el tamao (nmero de artculos) en la muestra
Una implicacin muy importante de este frmula es que usted debe cuadruplicar el tamao de muestra (4) para alcanzar la mitad (el 1/2) del error de medida. Al disear estudios estadsticos donde est un factor el coste, esto puede tener un factor en entender compensaciones de costes y beneficios. Alternativamente, considere la muestra mediano de la misma poblacin. Tiene una diversa distribucin del muestreo que no sea generalmente normal (pero puede estar cercano bajo ciertas circunstancias).
Ejemplo:
En un estudio para comparar los pesos promedio de nios y nias de sexto grado en una escuela primaria se usar una muestra aleatoria de 20 nios y otra de 25 nias. Se sabe que tanto para nios como para nias los pesos siguen una distribucin normal. El promedio de los pesos de todos los nios de sexto grado de esa escuela es de 100 libras y su desviacin estndar es de 14.142, mientras que el promedio de los pesos de todas las nias del sexto grado de esa escuela es de 85 libras y su desviacin estndar es de 12.247 libras. Si representa el promedio de los pesos de 20 nios y es el promedio de los pesos de una muestra de 25 nias, encuentre la probabilidad de que el promedio de los pesos de los 20 nios sea al menos 20 libras ms grande que el de las 25 nias. Solucin: Datos:
1 = 100 libras
2 = 85 libras
1 = 14.142 libras
2 = 12.247 libras n 1 = 20 nios n 2 = 25 nias = ?
Por lo tanto, la probabilidad de que el promedio de los pesos de la muestra de nios sea al menos 20 libras ms grande que el de la muestra de las nias es 0.1056.
El objetivo principal de la estadstica inferencial es la estimacin, esto es que mediante el estudio de una muestra de una poblacin se quiere generalizar las conclusiones al total de la misma. Como vimos en la seccin anterior, los estadsticos varan mucho dentro de sus distribuciones muestrales, y mientras menor sea el error estndar de un estadstico, ms cercanos sern unos de otros sus valores. Existen dos tipos de estimaciones para parmetros; puntuales y por intervalo. Una estimacin puntual es un nico valor estadstico y se usa para estimar un parmetro. El estadstico usado se denomina estimador. Una estimacin por intervalo es un rango, generalmente de ancho finito, que se espera que contenga el parmetro. Estimacin Puntual La inferencia estadstica est casi siempre concentrada en obtener algn tipo de conclusin acerca de uno o ms parmetros (caractersticas poblacionales). Para hacerlo, se requiere que un investigador obtenga datos muestrales de cada una de las poblaciones en estudio. Entonces, las conclusiones pueden estar basadas en los valores calculados de varias cantidades muestrales . Po ejemplo, representamos con (parmetro) el verdadero promedio de resistencia a la ruptura de conexiones de alambres utilizados para unir obleas de semiconductores. Podra tomarse una muestra aleatoria de 10 conexiones para determinar la resistencia a la ruptura de cada una, y la media muestral de la resistencia a la ruptura se poda emplear para sacar una conclusin acerca del valor de . De forma similar, si es la varianza de la distribucin de resistencia a la ruptura, el valor de la varianza muestral s 2 se podra utilizar para inferir algo acerca de . Cuando se analizan conceptos generales y mtodos de inferencia es conveniente tener un smbolo genrico para el parmetro de inters. Se utilizar la letra griega para este propsito. El objetivo de la estimacin puntual es seleccionar slo un nmero, basados en datos de la muestra, que represente el valor ms razonable de .
Una muestra aleatoria de 3 bateras para calculadora podra presentar duraciones observadas en horas de x 1 =5.0, x 2 =6.4 y x 3 =5.9. El valor calculado de la duracin media muestral es = 5.77, y es razonable considerar 5.77 como el valor ms adecuado de . Una estimacin puntual de un parmetro es un slo nmero que se puede considerar como el valor ms razonable de . La estimacin puntual se obtiene al seleccionar una estadstica apropiada y calcular su valor a partir de datos de la muestra dada. La estadstica seleccionada se llama estimador puntual de .
El smbolo (theta sombrero) suele utilizarse para representar el estimador de y la estimacin puntual resultante de una muestra dada. Entonces se lee como "el estimador puntual de es la media muestral. un estimador es un estadstico (esto es, una funcin de la muestra) usado para estimar un parmetro desconocido de la poblacin. Por ejemplo, si se desea conocer el precio medio de un artculo (el parmetro desconocido) se recogern observaciones del precio de dicho artculo en diversos establecimientos (la muestra) y la media aritmtica de las observaciones puede utilizarse como estimador del precio medio. Para cada parmetro pueden existir varios estimadores diferentes. En general, escogeremos el estimador que posea mejores propiedades que los restantes, como insesgadez, eficiencia, convergencia y robustez (consistencia). El valor de un estimador proporciona lo que se denomina en estadstica una estimacin puntual del valor del parmetro en estudio. En general, se suele preferir realizar una estimacin mediante un intervalo, esto es, obtener un intervalo [a,b] dentro del cual se espera est el valor real del parmetro con un cierto nivel de confianza. Utilizar un intervalo resulta ms informativo, al proporcionar informacin sobre el posible error de estimacin, asociado con la amplitud de dicho intervalo. El nivel de confianza es la probabilidad de que a priori el verdadero valor del parmetro quede contenido en el intervalo. En la prctica, los intervalos suelen indicarse dando el valor del estimador puntual utilizado como centro del intervalo y un valor que debe sumarse y restarse para obtener el lmite superior e inferior; por ejemplo:
equivale a
se llama intervalo de confianza a un par de nmeros entre los cuales se estima que estar cierto valor desconocido con una determinada probabilidad de acierto. Formalmente, estos nmeros determinan un intervalo, que se calcula a partir de datos de una muestra, y el valor desconocido es un parmetro poblacional. La probabilidad de xito en la estimacin se representa con 1 - y se denomina nivel de confianza. En estas circunstancias, es el llamado error aleatorio o nivel de significacin, esto es, una medida de las posibilidades de fallar en la estimacin mediante tal intervalo. El nivel de confianza y la amplitud del intervalo varan conjuntamente, de forma que un intervalo ms amplio tendr ms posibilidades de acierto (mayor nivel de confianza), mientras que para un intervalo ms pequeo, que ofrece una estimacin ms precisa, aumentan sus posibilidades de error. Para la construccin de un determinado intervalo de confianza es necesario conocer la distribucin terica que sigue el parmetro a estimar, . Es habitual que el parmetro presente una distribucin normal. Tambin pueden construirse intervalos de confianza con la desigualdad de Chebyshov. En definitiva, un intervalo de confianza al 1 - por ciento para la estimacin de un parmetro poblacional que sigue una determinada distribucin de probabilidad, es una expresin del tipo [ 1 , 2 ] tal que P[ 1
2 ] = 1 - , donde P es la funcin de distribucin de probabilidad de . De una poblacin de media y desviacin tpica se pueden tomar muestras de n elementos. Cada una de estas muestras tiene a su vez una media ( ). Se puede demostrar que la media de todas las medias muestrales coincide con la media poblacional: 2
Pero adems, si el tamao de las muestras es lo suficientemente grande, 3 la distribucin de medias muestrales es, prcticamente, una distribucin normal (o gaussiana) con media y una desviacin tpica dada por la siguiente expresin: . Esto se representa como sigue: . Si estandarizamos, se sigue que: En una distribucin Z ~ N(0, 1) puede calcularse fcilmente un intervalo dentro del cual caigan un determinado porcentaje de las observaciones, esto es, es sencillo hallar z 1 y z 2 tales que P[z 1 z z 2 ] = 1 - , donde (1 - )100 es el porcentaje deseado (vase el uso de las tablas en una distribucin normal). Se desea obtener una expresin tal que En esta distribucin normal de medias se puede calcular el intervalo de confianza donde se encontrar la media poblacional si slo se conoce una media muestral ( ), con una confianza determinada. Habitualmente se manejan valores de confianza del 95 y del 99 por ciento. A este valor se le llamar 1 (debido a que es el error que se cometer, un trmino opuesto). Para ello se necesita calcular el punto X / 2 o, mejor dicho, su versin estandarizada Z / 2 o valor crtico junto con su "opuesto en la distribucin" X / 2 . Estos puntos delimitan la probabilidad para el intervalo, como se muestra en la siguiente imagen:
Dicho punto es el nmero tal que:
*http://html.rincondelvago.com/conceptos-y-muestreo.html *http://www.angelfire.com/sc/matasc/EyD/bioesta/muestreo.htm *http://www.vitutor.com/estadistica/inferencia/inferenciaContenidos.html *http://www.multilingualarchive.com/ma/enwiki/es/Sampling_distribution *http://www.itch.edu.mx/academic/industrial/estadistica1/cap01c.html La utilidad de muestreo y estimacin abarca muchos campos tales como: 1- Poltica: Las muestras de las opiniones de los votantes se usan para que los candidatos midan la opinin pblica y el apoyo en las elecciones. 2- Educacin: Las muestras de las calificaciones de los exmenes de estudiantes se usan para determinar la eficiencia de una tcnica o programa de enseanza. 3- Industria: La muestras de los productos de una lnea de ensamble sirve para controlar la calidad. 4- Medicina: Las muestras de medidas de azcar en la sangre de pacientes diabticos prueban la eficacia de una tcnica o de un frmaco nuevo. 5- Agricultura: Las muestras del maz cosechado en una parcela proyectan en la produccin los efectos de un fertilizante nuevo. 6- Gobierno: Una muestra de opiniones de los votantes se usara para determinar los criterios del pblico sobre cuestiones relacionadas con el bienestar y la seguridad nacional