MUESTREO DE UNA

POBLACIN
Michelle Riquelme Petrilli

TEMARIO
de muestreos Procedimientos de muestreo Parmetros, poblacionales y estimadores Estimacin puntual y por intervalos Teorema de limite central Bibliografa Virtual
Tipos

3 6 8 10 15 18

TIPOS DE MUESTREOS
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

TIPOS DE MUESTREOS
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.

TIPOS DE MUESTREOS
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.

PROCEDIMIENTOS DE MUESTREO
1. 2.

3.

4.

Definicin de la poblacin objetivo: en trminos de contenido, unidades, extensin y tiempo. Identificar el marco muestral: normalmente es imposible confeccionar una lista que no excluya a algunos miembros de la poblacin. Determinar el mtodo de muestreo: si la unidad de muestreo es diferente del elemento es necesario especificar tambin cmo se deben seleccionar los elementos dentro de la unidad de muestreo. Determinar el tamao de la muestra: se deben considerar los siguientes factores cualitativos:
| | | | | |

Importancia de la decisin. Naturaleza de la investigacin. Nmero de variables. Naturaleza del anlisis. Tamaos de muestra utilizados en estudios similares. Restricciones de recursos.

PROCEDIMIENTOS DE MUESTREO
5.

Seleccin material de la muestra: elegir los componentes de la muestra y localizar materialmente la muestra, es decir, localizacin fsica de las unidades. Decidir el trato que se ha de dar a la falta de respuestas: se niega a responder, no se localiza, no sabe contestar o no es accesible. Para reducir este riesgo de no respuesta hay varios procedimientos:
|

6.

Mejorar el diseo de la investigacin para reducir las negativas. Repetir los intentos. Estimar los efectos de la falta de respuesta en lo que respecta a la calidad de la informacin.

| |

PARMETROS, POBLACIONALES Y
ESTIMADORES

Los parmetros poblacionales caracterizan y describen las poblaciones. Son equivalentes a los estadsticos en las muestras. Un estadstico es una funcin de la muestra, esto es, depende sola y exclusivamente de nuestra muestra. Vara y est sometido al error (variabilidad) del muestreo. Los parmetros no varan, son constantes y adems desconocidos. Contienen las caractersticas de la poblacin. Los parmetros de una poblacin son de suma importancia ya que nos permite efectuar comparaciones entre distintas poblaciones con el fin de obtener un resultado satisfactorio, Una parmetro es una medida usada para describir alguna caracterstica de una poblacin, tal como una media aritmtica, una mediana o una desviacin estndar de una poblacin.

PARMETROS, POBLACIONALES Y
ESTIMADORES
Las tcnicas estadsticas de estimacin intentan conocer el valor de estos parmetros. La media de edad de un conjunto de personas es fcilmente calculable y no est sometido a ninguna clase de imprecisin. La media de edad de la poblacin de donde proviene esa muestra es desconocida. Si la muestra cumple la condicin de ser aleatoria, es posible intentar calcular la media poblacional. El clculo de los parmetros se basa en la informacin suministrada por la muestra. El estudio de poblaciones estadsticas supone en general el conocimiento de la funcin de probabilidad que gobierna el comportamiento aleatorio de la variable de inters. En muchos casos sabemos o presumimos conocer la familia distribucional de una poblacin.

ESTIMACIN PUNTUAL Y POR INTERVALOS

En inferencia estadstica se llama estimacin al conjunto de tcnicas que permiten dar un valor aproximado de un parmetro de una poblacin a partir de los datos proporcionados por una muestra. Por ejemplo, una estimacin de la media de una determinada caracterstica de una poblacin de tamao N podra ser la media de esa misma caracterstica para una muestra de tamao n.1 La estimacin se divide en tres grandes bloques, cada uno de los cuales tiene distintos mtodos que se usan en funcin de las caractersticas y propsitos del estudio:

ESTIMACIN PUNTUAL Y POR INTERVALOS

Estimacin puntual
Consiste en la estimacin del valor del parmetro mediante un slo valor, obtenido de una frmula determinada. Por ejemplo, si se pretende estimar la talla media de un determinado grupo de individuos, puede extraerse una muestra y ofrecer como estimacin puntual la talla media de los individuos. Lo ms importante de un estimador, es que sea un estimador eficiente. Es decir, que sea insesgado(ausencia de sesgos) y estable en el muestreo o eficiente (varianza mnima).

ESTIMACIN PUNTUAL Y POR INTERVALOS

Estimacin por intervalos
Consiste en la obtencin de un intervalo dentro del cual estar el valor del parmetro estimado con una cierta probabilidad. En la estimacin por intervalos se usan los siguientes conceptos: Intervalo de confianza El intervalo de confianza es una expresin del tipo [ 1, 2] 1 2, donde es el parmetro a estimar. Este intervalo contiene al parmetro estimado con una determinada certeza o nivel de confianza. Pero a veces puede cambiar este intervalo cuando la muestra no garantiza un axioma o un equivalente circustancial. Variabilidad del Parmetro Si no se conoce, puede obtenerse una aproximacin en los datos aportados por la literatura cientfica o en un estudio piloto. Tambin hay mtodos para calcular el tamao de la muestra que prescinden de este aspecto. Habitualmente se usa como medida de esta variabilidad la desviacin tpica poblacional y se denota .

ESTIMACIN PUNTUAL Y POR INTERVALOS

Estimacin por intervalos
Error de la estimacin Es una medida de su precisin que se corresponde con la amplitud del intervalo de confianza. Cuanta ms precisin se desee en la estimacin de un parmetro, ms estrecho deber ser el intervalo de confianza y, si se quiere mantener o disminuir el error, ms ocurrencias debern incluirse en la muestra estudiada. En caso de no incluir nuevas observaciones para la muestra, ms error se comete al aumentar la precisin. Se suele llamar E, segn la frmula E = 2 - 1. Lmite de Confianza Es la probabilidad de que el verdadero valor del parmetro estimado en la poblacin se site en el intervalo de confianza obtenido. El nivel de confianza se denota por (1- ), aunque habitualmente suele expresarse con un porcentaje ((1- )100%). Es habitual tomar como nivel de confianza un 95% o un 99%, que se corresponden con valores de 0,05 y 0,01 respectivamente.

ESTIMACIN PUNTUAL Y POR INTERVALOS

Estimacin por intervalos
Valor Tambin llamado nivel de significacin. Es la probabilidad (en tanto por uno) de fallar en nuestra estimacin, esto es, la diferencia entre la certeza (1) y el nivel de confianza (1- ). Por ejemplo, en una estimacin con un nivel de confianza del 95%, el valor es (100-95)/100 = 0,05 Valor crtico Se representa por Z /2. Es el valor de la abscisa en una determinada distribucin que deja a su derecha un rea igual a /2, siendo 1- el nivel de confianza. Normalmente los valores crticos estn tabulados o pueden calcularse en funcin de la distribucin de la poblacin. Por ejemplo, para una distribucin normal, de media 0 y desviacin tpica 1, el valor crtico para = 0,05 se calculara del siguiente modo: se busca en la tabla de la distribucin ese valor (o el ms aproximado), bajo la columna "rea"; se observa que se corresponde con -1,64. Entonces Z /2 = 1,64. Si la media o desviacin tpica de la distribucin normal no coinciden con las de la tabla, se puede realizar el cambio de variable t =(X-)/ para su clculo.

TEOREMA DE

LIMITE CENTRAL

El Teorema del Lmite Central o Teorema Central del Lmite indica que, bajo condiciones muy generales, la distribucin de la suma de variables aleatorias tiende a una distribucin gaussiana cuando la cantidad de variables es muy grande. Existen diferentes versiones del teorema, en funcin de las condiciones utilizadas para asegurar la convergencia. Una de las ms simples establece que es suficiente que las variables que se suman sean independientes, idnticamente distribuidas, con valor esperado y varianza finitas. La aproximacin entre las dos distribuciones es en general mayor en el centro de las mismas que en sus extremos o colas, motivo por el cual se prefiere el nombre Teorema del Lmite Central (central califica al lmite, ms que al teorema).

TEOREMA DE

LIMITE CENTRAL

Esta relacin entre la forma de la distribucin de la poblacin y la forma de la distribucin de muestreo se denomina teorema del lmite central, que es tal vez el ms importante de toda la inferencia estadstica. Nos asegura que la distribucin de muestreo de la media se aproxima a la normal al incrementarse el tamao de la muestra. Hay situaciones tericas en las que el teorema del lmite central no se cumple, pero casi nunca se encuentran en la toma de decisiones prctica. Una muestra no tiene que ser muy grande para que la distribucin de muestreo de la media se acerque a la normal.

TEOREMA DE

LIMITE CENTRAL

Los estadsticos utilizan la distribucin normal como una aproximacin a la distribucin de muestreo siempre que el tamao de la muestra sea al menos de 30, pero la distribucin de muestreo de la media puede ser casi normal con muestras incluso de la mitad de ese tamao. La importancia del teorema del lmite central es que nos permite usar estadsticas de muestra para hacer inferencias con respecto a los parmetros de poblacin sin saber nada sobre la forma de la distribucin de frecuencias de esa poblacin ms que lo que podamos obtener de la muestra.

BIBLIOGRAFA VIRTUAL
http://www.buenastareas.com/temas/parametropoblacionales-y-estimadores/60 http://es.wikipedia.org/wiki/Estimaci%C3%B3n_estad% C3%ADstica http://www.estadisticafacil.com/Main/TeoremaDelLimit eCentral