INFERENCIA

POBLACIN

Muestra
 Teora de muestras
La teora de muestras,
estudia las tcnicas y procedimientos que
debemos emplear para que las muestras sean
representativas de la poblacin que pretendemos
estudiar, de forma que los errores en la
determinacin de los parmetros de la poblacin
objeto de estudio sean mnimos.
Para que la muestra sea representativa de la poblacin
se deben cumplir dos principios bsicos:

Que haya independencia en la seleccin de los

individuos que forman la muestra
Que todos los individuos tengan la misma
probabilidad de ser incluidos en la muestra

Para conseguir estos objetivos se emplean distintas

tcnicas de muestreo.
Tcnicas o Modelos de
Muestreo
Bsicos
 Muestreo Aleatorio Simple

Para efectuar este tipo de muestreo en una poblacin con N

individuos:

Numeramos de 1 a N los N individuos de la poblacin.

Mediante un programa de ordenador o una tabla de
generacin de nmeros aleatorios, seleccionamos a los n
individuos que formarn la muestra. Despus de cada
extraccin el individuo seleccionado se devuelve a la
poblacin para que pueda volver a ser elegido.
 Muestreo Aleatorio Estratificado
Cuando la poblacin no es homognea respecto a la variable
aleatoria objeto de estudio, para mejorar las estimaciones,
conviene distinguir en ella, clases o estratos, y proceder a lo que
se llama un muestreo aleatorio estratificado. En este tipo de
muestreo los estratos se deben elegir de manera que sean lo ms
homogneos posibles respecto a la variable aleatoria a estudiar y
que entre ellos exista la mayor diferencia posible.
 Muestreo Aleatorio Estratificado
Afijacin: Es el reparto del tamao de la muestra entre los diferentes estratos en
que hemos dividido la poblacin.

Afijacin Uniforne : Consiste en tomar para la muestra el mismo nmero de

individuos por cada estrato.
Afijacin Proporcional : Consiste en distribuir los individuos que forman la
muestra proporcionalmente al nmero de individuos de cada estrato.
Una vez determinado el nmero de individuos que deben pertenecer a cada
estrato, se procede a la seleccin de individuos de cada estrato por muestreo
aleatorio simple.
 Muestro aleatorio estratificado: Afijacin uniforme

ESTRATOS TAMAO DE ESTRATO TAMAO DE MUESTRA

Estrato I N1 n1
Estrato II N2 n2
Estrato III N3 n3

Estrato K Nk nk
Total N n

n1 = n2 = n3 = n4 = .... = nk
 Muestro aleatorio estratificado: Afijacin proporcional

ESTRATOS TAMAO DE Proporcin TAMAO DE

ESTRATO MUESTRA
Estrato I N1 P1 = N1/N n1 = P1Xn
Estrato II N2 P2 = N2/N n2 = P2Xn
Estrato III N3 P3 = N3/N n3 = P3Xn

Estrato K Nk Pk = Nk/N nk = PkXn
Total N 1.00 n
Determinacin de tamao de muestra
La pregunta de qu tan grande debe ser una muestra
surge, inmediatamente, al inicio del planteamiento de
cualquier encuesta o experimento.
Tomar una muestra ms grande de lo necesario para
obtener los resultados deseados es un desperdicio de
recursos.
mientras que, por otro lado, las muestras demasiado
pequeas con frecuencia dan resultados que carecen
de uso prctico.
Finalidad
El tamao de la muestra se determina para obtener una estimacin
apropiada de un determinado parmetro poblacional: P, , 2
Determinacin del tamao de la muestra para la
estimacin de la media poblacional
Si la poblacin es infinita se puede utilizar la siguiente
formula:
z2 2
n = -----------
e2
e = nivel de precisin de estimacin o margen de error
z = coeficiente de confiabilidad o el valor crtico de la
distribucin normal estndar, determinado con un nivel de
confianza (1-).
= Error estndar o desviacin estndar de la poblacin
Grado (nivel) de precisin
Los resultados de una encuesta por muestreo estn
siempre sujetos a cierta incertidumbre porque slo se
mide una parte de la poblacin, y por los errores en las
mediciones realizadas.
La especificacin del grado de precisin deseado, es un
paso importante en la preparacin de la encuesta. Este
paso es responsabilidad de la persona que va a utilizar
los datos.
Determinacin del tamao de la muestra para la
estimacin de la media

Si la poblacin es finita, se requiere de la correccin por

poblacin finita, entonces la formula es:
z2 2 N
n = ---------------------
e2(N-1) + z2 2
Tamao de la muestra para la estimacin de
proporciones

z2 pq
n = ----------- (poblacin infinita)
e2

p = probabilidad de EXITO
q = 1-p = probabilidad de FRACASO
pq = varianza poblacional
e = precisin expresada en porcentaje
Tamao de la muestra para la estimacin de proporciones

Si la correccin por poblacin finita no puede

descartarse, la frmula adecuada para n es:

z2 pq N
n = --------------------- (poblacin finita)
e2(N-1) + z2 pq
 ALTERNATIVA (estimacin de Media)
Cuando no se conoce la varianza poblacional (2 ) de una o
alguna de las caractersticas cuantitativas que tienen que
ver con el objetivo principal de la investigacin, se procede a
estimarlas mediante una encuesta piloto o preliminar:
np = 5% N
El porcentaje 5% es arbitrario, es una decisin del
investigador. En algunos casos depende del tamao
poblacional, tiempo y costos.
 Ejemplo 1

Hallar una muestra piloto que represente el 4% de la

poblacin con 300 elementos (personas).

np = 0.04x300 = 12
N Edad
1 54
2 52
3 55
4 49
5 32
6 41
7 43
8 32
9 25
10 55
11 60
12 22
Con los datos de esta muestra se calcula:
Promedio = 43.33 s2 = 165.88

1 - = 0.95 /2 = 0.025 Z0.025 = 1.96

e = % de promedio
e= 0.05x43.33 = 2.1665 aos

entonces
1.962 x165.88
n = ---------------- = 136 elementos
2.16652
 ALTERNATIVA (estimacin de proporcin)
Cuando no se conoce la varianza poblacional (pq) de una o
alguna de las caractersticas cualitativas que tienen que ver
con el objetivo principal de la investigacin, para la
estimacin de la varianza, tenemos dos opciones:
a) hacer un muestreo piloto.
b) asumir varianza mxima (p=0.5 y q=0.5).
Ejemplo 2

En una investigacin, se desea determinar en que

proporcin los nios de una regin toman leche en el
desayuno. Si se sabe que existen 1.500 nios y
deseamos tener una precisin del 10 %, con un nivel de
significancia del 5 %. De que tamao debe de ser la
muestra?
 Solucin

Datos:
N = 1500; e = 10 % = 0.1; = 5 %
p = 0.5 y q = 0.5 (asumiendo varianza mxima).
Z/2 = 1.96
z2 pq N
n = --------------------- (poblacin finita)
e2(N-1) + z2 pq

1.962 x 0.5x0.5x1500
n = -------------------------------------- = 90 nios
0.102(1499) + 1.962 x0.5x0.5
 Ejemplo 3

Suponga que estamos investigando sobre el

porcentaje de alumnos de la UNSM-Tarapoto
que trabajan, si deseamos tener una precisin
del 4 %, con un nivel de significancia del 5 %.
De que tamao debe de ser la muestra?
 solucin
Una muestra piloto del 3% de 1600 estudiantes:
np = 0.03x1600 = 48
1. Juan SI 14. Carlos NO 27. Jons SI 40. Jack NO
2. Mara NO 15. Enrique NO 28. Dina No 41. Sergio SI
3. Alicia NO 16. Miguel NO 29. Nora NO 42. Flix SI
4. Fernanda NO17. Carmen SI 30. Jacinto SI 43. Cirilo NO
5. Pedro NO 18. Victoria SI 31. Elmer NO 44. Kelly SI
6. Julio SI 19. Marcelo SI 32. Lucha SI 45. Lily NO
7. Marcos NO 20. Laura NO 33. Juana NO 46. Doris SI
8. Rosa NO 21. Marco SI 34. Javier SI 47. Silvia SI
9. Alberto SI 22. Jorge NO 35. Julin NO 48. Nena SI
10. Fabin NO 23. Fernando NO 36. Luca NO
11. Jorge SI 24. Edwin NO 37. Natalia SI
12. Ana NO 25. Francisca SI 38. Susan NO
13. Jos NO 26. Valeria SI 39. Nelson NO
Con los datos de esta muestra se calcula:
p = 21/48 = 0.4375 q = 0.5625

1 - = 0.95 /2 = 0.025 Z0.025 = 1.96

e = 0.04

entonces
1.962 x0.4375x0.5625
n = ----------------------------- = 591 estudiantes
0.0352
n/N = 591/1600 = 0.37 mayor que 0.05, entonces
se recomienda corregir por poblacin finita.
 Estimacin

conocidos los resultados de una muestra,

queramos obtener algn conocimiento sobre
los parmetros de la poblacin.

Eso es la ESTIMACIN.
 Estimacin puntual

Estimador puntual: es el estadstico

que se toma en una muestra
determinada y que se usa para
estimar un parmetro poblacional.
 Propiedades de los estimadores

Estimador insesgado: es aquel estimador para el que

se cumple que su media coincide con el valor del
parmetro que se va a estimar.

Ejemplos: lo son la media muestral y la proporcin

muestral.

Estimador eficiente: es aquel estimador para el que su varianza

es mnima.

Ejemplos: tanto la media muestral como la proporcin

muestral son ms eficientes cuanto mayor es el tamao de la
muestra. En ambos casos, si aumenta n disminuye 2 .
 Propiedades de los estimadores
una comparacin
Cuatro tiradores han efectuado 10 disparos sobre un blanco. Si
traducimos cada disparo en una estimacin, efectuada por un
determinado estimador, sobre una muestra, podemos interpretar
las propiedades de los estimadores de la siguiente forma:

Estimador insesgado Estimador sesgado Estimador sesgado Estimador insesgado

y no eficiente y no eficiente y eficiente y eficiente
 Estimacin por intervalos

En la estimacin puntual se obtiene un valor concreto como estimacin del parmetro

poblacional; pero ese mtodo no permite tener una medida de la confianza que puede
depositarse en el resultado de dicha inferencia.
Para resolver ese problema se utiliza la estimacin por intervalos, que consiste en:
obtener un intervalo (intervalo de confianza) tal que haya una determinada probabilidad
conocida (nivel de confianza) de que contenga al verdadero valor del parmetro poblacional.

As, si nos referimos a la media , se trata de encontrar un intervalo (a , b) tal que:

P ( a < < b) = 1 -
 Estimacin por intervalos

P ( a < < b) = 1 -

Ejemplo.- Si se nos pide que estimemos la media poblacional con un nivel de

confianza del 95%, se tratar, a partir de una muestra, de encontrar un
intervalo (a , b) en el cual podamos asegurar que est contenida con una
probabilidad de 0.95.
En tal caso, la probabilidad de que no pertenezca a dicho intervalo ser de
0.05; sta ser, por lo tanto, el riesgo asumido con esa estimacin (nivel de
significacin).
Valores crticos ms usuales

Pr z/2 < Z z/2 = 1

1 - 0,8 0,9 0,95 0,99

0,2 0,05 0,01
0,1 0,05 0,025 0,005
z 1,28 1,64 1,96 2,58
 INTERVALOS DE CONFIANZA

Intervalo de confianza para la media de una

(poblacin con distribucin aproximadamente normal
y varianza conocida 2)

P{ Y ( Z1 / 2 )( ) Y ( Z1 / 2 )( )} 1
n n

Lim. Superior : Y (Z1 / 2 ) ( / n)

Lim. Inferior : Y (Z1 / 2 ) ( / n)

35
 INTERVALOS DE CONFIANZA

Intervalo de confianza para la media de una poblacin con

distribucin aproximadamente normal y varianza
desconocida

P{ Y t[(1 / 2),(n1)] (s / n ) Y t [(1 / 2),(n1)] (s / n )} 1

Lm. Inf . Y t (1 / 2) (n1) (s / n)

Lm. Sup. Y t (1 / 2) (n1) (s / n)

36