Академический Документы
Профессиональный Документы
Культура Документы
MUESTRALES
Inducción
Unidad de estudio
Unidad de muestreo
Muestreo
Es una técnica de obtención de un subconjunto de una población
(muestra) para estimar e inferir con respecto a la característica de una
población (parámetro).
La población ideal que se pretende estudiar se denomina población
objetivo.
Ventajas
• Poblaciones muy grandes
• Coste reducido
• Mayor rapidez
• Posible destrucción de las muestras
Muestra probabilística: Muestra que se selecciona de
modo que cada integrante de la población en estudio tenga una
probabilidad conocida ( no igual a cero) de ser incluido en la
muestra
σ2
[ ]
E X =μ [ ]
y V X =
n
Población infinita
σ2 ⎛ N −n⎞
[ ]
E X =μ [ ]
y V X = ⎜ ⎟
n ⎝ N −1 ⎠
Población finita
Ejemplo
Finita
[ ] 1 1 1
E X = 1.5( ) + 2( ) + 2.5( ) = 2
3 3 3
[ ] 1 1 1
V X = 1.52 ( ) + 2 2 ( ) + 2.52 ( ) − 2 2 = 0.167
3 3 3
El Teorema Central del Límite
Si de una población infinita con media μ y varianza σ 2 se
extraen muestras aleatorias de tamaño n, entonces la media
muestral se comporta aproximadamente como una variable
aleatoria normal con media igual a la media poblacional y con
varianza igual a la varianza poblacional dividida por el tamaño
de la muestra, siempre que n sea grande.
σ2 X −μ
X ~ N (μ , ) , Estandarizando: Z= ~ N (0,1)
n σ
n
CASO PRÁCTICO
60 − 64
t= = −1.81
7 / 10
Distribución muestral de la proporción
Ejemplo
Se supone que el 12% de la población en una ciudad tiene una
segunda residencia. Con el fin de obtener una información más
precisa se toma una m.a. de 250 familias. ¿Cuál es la probabilidad
de que la proporción de familias de la muestra con segunda
residencia esté comprendida entre un 10% y un 15%?.
Solución
Debemos calcular
Pr( 0.10 < P < 0.15) = Pr(P < 0.15) – Pr(P < 0.1)
⎛ (26)(9) (n − 1) S 2 (26)(16) ⎞
p⎜⎜ < < ⎟⎟
⎝ 10 σ 2
10 ⎠
(
= P 23.4 < χ 2 < 41.6 )
= P (χ 2
) (
< 41.6 − P χ 2 < 23.4 )
= 0.97302 − 0.38977 = 0.58325
b) Debemos determinar si probabilísticamente el instrumento
es admisible
P(S2 > 16.8)
⎛ (n − 1) S 2 (26)(16.8) ⎞ Poco
p⎜⎜ > ⎟
⎟ = P ( χ 2
> 43.68) = 0.01636
⎝ σ
2 probable
10 ⎠
Cociente de varianzas muestrales
Diferencia de medias muestrales
Ejemplo: Caso a
La vida útil de un dispositivo fabricado por la empresa A es de
1.400 horas, con una desviación estándar de 200 horas. Por su
parte, el mismo dispositivo fabricado por la empresa B de la
competencia tiene una duración de 1.200 horas con un desvío de
100 horas. Se eligen 125 dispositivos de cada empresa con un
muestreo al azar. Calcular la probabilidad que los de la empresa A
duren 250 días más que los de B.
Solución
Poblaciones normales con varianzas conocidas
pˆ qˆ
IC ( p ) = pˆ ± .Z1−α / 2
n
Ejemplo
Se quiere analizar el índice de productividad de los
trabajadores de una empresa, y se ha tomado una muestra
aleatoria de 200 empleados y se ha observado que el 5% de
ellos no alcanzan el nivel mínimo productivo que se quiere
conseguir de cada uno de ellos. Calcular un intervalo de
confianza del 95% para la proporción de empleados que no
llegan al nivel de productividad fijado.
Determinación del tamaño de muestra n para
estimar la media poblacional (N infinito)
σ
E = z1-α/2 es la mitad del ancho del intervalo de confianza
n
(producto del coeficiente y el error estándar) y se denomina
error máximo de estimación E.
z2
σ 2
n= 1−α / 2
2
E
Ejemplo
Un analista de un departamento de personal desea estimar el
número medio de horas de capacitación al año para los
supervisores de una división de la compañía con un margen de
error inferior a 3 horas y confianza de 90%. Con base en datos
procedentes de otras divisiones, el analista estima que la
desviación estándar de las horas de capacitación es 20 horas.
¿Cuál es el tamaño de muestra mínimo requerido?
Solución
Determinación del tamaño de muestra n para
estimar la proporción poblacional (N infinito)
PQ
E= z1-ε/2 es la mitad del ancho del intervalo de confianza
n
(producto del coeficiente y el error estándar) y se denomina
error máximo de estimación E.